谷歌 Gemini Omni 1.2 Flash 正式可用：15 秒视频生成 + 多轮对话编辑，720p 降价三成

2026 年 11 月 5 日，Google DeepMind 宣布 AI 视频模型 Gemini Omni 1.2 Flash 全面可用（GA）。模型已上线 Gemini API、Google Cloud 以及 Gemini for Business，原生视频生成与编辑的单条时长从 1.1 版本的 10 秒延长到 15 秒，720p 价格下调 30% 至每秒 0.07 美元，并新增多轮对话式编辑与更强的参考图一致性。对需要批量产出产品视频、虚拟试穿和广告的企业来说，这是一次把「AI 视频」真正推进生产环境的更新。

从预览到生产级：这次到底变了什么

Gemini Omni 是 Google 面向视频、图像与文本的统一多模态模型，1.2 Flash 是其中主打「又好又快又便宜」的一档。相比 1.1 Flash，这一版在四个维度上做了实打实的升级：

  • 更长的片段：单次生成/编辑最长 15 秒（1.1 为 10 秒），并支持以 1 秒为步长在 3~15 秒之间自选时长。一条提示就能讲完一个完整的产品讲解或一条成型的社媒广告。
  • 更便宜：720p 视频价格降至每秒 0.07 美元，比 1.1 低 30%；其他分辨率也有相近降幅。按 15 秒一条算，单条视频约 1.05 美元。
  • 更会「听话」：参考一致性显著增强。你可以同时喂入角色图、产品图、风格图、最长 3 秒的短视频片段和音频线索，模型会从第一帧到最后一帧牢牢抓住人脸、服装剪裁、包装字体和品牌主色，跨机位不漂移、不「变脸」。
  • 更自然的画面与声音：对话更顺、口型同步更准、支持多说话人声线区分；还能先用 360p/720p 快速打草稿，确认后把最满意的几版放大到 1080p 或 4K。

多轮对话编辑：不用推倒重来

最值得产品经理和剪辑师关注的是对话式编辑。过去改一段 AI 视频，往往要整条重生成；现在你可以用自然语言逐轮微调同一段 clip——换一件产品、改一束光、换个机位——模型只动你指定的部分，其余画面纹丝不动。官方给出的例子里，FLORA 用它对成品视频做整体风格迁移，Krea 用它做角色和场景替换，都强调「只改你要求改的」。

草稿模式（Draft mode）则把成本进一步压低：先在低分辨率快速试概念，再用 4K 渲染终稿。Picsart 表示，草稿模式让他们能在几分钟内迭代创意，再以电视级 4K 交付——现在 GA 之后，这套质量能直接服务其超过 1 亿的创作者。

技术规格一览

模型 ID 为 gemini-omni-1.2-flash，通过 Interactions API 与 Count Tokens API 调用（GenerateContent API 暂不支持）。关键参数：

  • 模态：文本输入/输出、图像输入、视频输入与输出；支持文生视频、图生视频、参考生视频、首末帧生视频、声音生成（语音/音乐/音效）、视频编辑、视频延展与视频放大。
  • 上下文：最大输入 131,072 tokens，最大输出 260,640 tokens。
  • 视频约束：单次输出 3~15 秒（首末帧为 3~10 秒），延展可拼接至输入最后 30 秒；每条提示最多 3 条视频；支持 16:9 与 9:16 两种比例；分辨率覆盖 360p、720p、1080p、4K。
  • 图像约束：每条提示最多 10 张图，单文件内联 20MB、Cloud Storage 30MB。
  • 安全：输出携带不可察觉的 SynthID 隐形水印，用于标识 AI 生成内容；支持 CMEK、VPC-SC、数据驻留等企业级安全控制，并提供 Provisioned Throughput 保障吞吐。

谁在用、用在哪

Gemini Omni 1.2 Flash 已被多家设计和创意平台直接集成进产品：Artlist 用它做参考生视频与创意一致性，FLORA 做视频到视频的风格迁移，invideo 用它一次性生成完整场景（15 秒即一整场戏），Krea 做角色与场景替换，Picsart 做概念迭代与 4K 终稿，Runway 则用来规模化生产高质量内容。

在零售与电商侧，市场平台和卖家正把已有的商品照片批量转成短视频：商品旋转展示、生活方式片段、虚拟试穿和视频广告。官方示例里，一张模特图加三套服装的正反面图，模型就能生成一段 15 秒、360 度转身加匹配剪辑的虚拟试穿，且模特身份与每件衣服的剪裁、垂感、背面细节全程一致。

在 Gemini 应用内，15 秒生成功能将优先向 Google AI Ultra 订阅用户灰度推送；Flow、Google Vids 与 Google Ads 同步上线新模型。Google 暂未公布免费用户何时能用上 15 秒功能。

怎么看这次更新

Omni 1.2 Flash 的打法很清晰：不卷「最长时长」或「最高画质」这类炫技指标，而是把可控、可编辑、可规模化、成本可控这四件企业最在意的实事一次补齐。15 秒足以承载一条完整广告或一个产品讲解，对话式编辑把试错成本摊薄，30% 的降价则直接决定了「能不能用得起」——尤其对要按 catalog 量级产出视频的电商和广告团队。

对所有需要批量内容生产的团队，它值得作为视频生成管线里「快、便宜、听话」那一档的主力评估对象；若你的场景对画面连贯性和品牌一致性要求高，这一版的参考图一致性与 SynthID 水印，会是比单纯画质更实在的加分项。