谷歌Gemini视频模型 15秒降价三成

谷歌 DeepMind 宣布视频生成模型 Gemini Omni 1.2 Flash 正式开放商用接口，单条片段时长上限从上一代的 10 秒提升到 15 秒，同时把价格下调了 30 个百分点。

按官方公布的价目，720p 视频为每秒 0.07 美元，生成时长可在 3 到 15 秒之间选择；每条生成的视频都嵌入不可见的 SynthID 水印，用于标识来源。Gemini Omni 1.2 Flash 已接入 Gemini API、Google AI Studio、Google Cloud 控制台，并陆续出现在 Flow、Google Vids、面向 Google AI Ultra 订阅用户的 Gemini 应用以及 Google Ads 中。

最受关注的能力是“对话式编辑”。用户不必因为改背景、换光照或调画幅就把整段视频推倒重来，而是可以在对话中逐步修，且这个能力覆盖完整的 15 秒长度。谷歌还配套了一套分层工作流：先用 360p 或 720p 出草稿，再逐项用追问修正细节，最后才把最终结果升采样到 1080p 或 4K，以此压住算力成本。

参考一致性是另一项重点改进。模型可接受人物照片、产品图、最长 3 秒的短运动片段以及音频提示作为输入，官方称人脸、服装、包装字体和品牌色在不同机位下都能保持稳定。其给出的示例是一张模特照加三套服装的产品图，直接生成一段 15 秒、带 360 度转身的虚拟试穿，并保持模特身份与每件衣服的剪裁、垂坠感。

观感层面，谷歌称新模型在运动与机位切换时的画面漂移和形变都比前代更少；对白更自然，口型同步更准，并且能区分多个说话人；对第一人称穿越、戏剧性拉远这类连续运镜也能处理得更连贯，意外跳切明显减少。

从 10 秒到 15 秒、从整段重生成到分段微调、价格再降三成，这一版更新的取向很清楚：视频模型的比拼正从“能不能生成”转到“能不能控住成本、改得动、敢商用”。

编译自 The Decoder，原标题："Google's Gemini Omni 1.2 Flash stretches AI video clips to 15 seconds and cuts pricing by 30 percent"