谷歌 DeepMind 宣布，视频生成模型 Gemini Omni 1.2 Flash 正式面向所有用户开放。相比上一代，新模型将单条视频的最长时长从 10 秒 延长到 15 秒，同时把 720p 分辨率下的生成价格下调 30%，降至每秒 0.07 美元。
这一模型通过多个渠道同步上线，包括 Gemini API、Google AI Studio、Google Cloud Console、Flow、Google Vids、面向 Google AI Ultra 订阅用户的 Gemini 应用，以及 Google Ads。谷歌表示，所有生成的视频都会嵌入不可见的 SynthID 水印，用于标识内容来源。
本次更新最受关注的功能是“对话式编辑”。用户可以在生成视频后，通过持续对话逐步调整背景、光线或画面比例，而不必重新生成整段视频。谷歌称该功能覆盖完整的 15 秒 时长。配合分层工作流，用户可以先以 360p 或 720p 生成草稿，再用后续编辑修正细节，最后仅将成品放大到 1080p 或 4K，从而进一步控制成本。
在参考素材的一致性上，谷歌称新模型有明显提升。模型可接收人物图像、产品照片、最长 3 秒 的短动作片段以及音频提示作为输入，并力求在不同镜头角度下保持人脸、服装、包装字体和品牌颜色的一致性。谷歌给出的示例是一段虚拟试穿视频：仅凭一张模特照片和三套服装的产品图，模型便生成了 15 秒 的 360 度转身序列，同时保持模特身份以及每件服装的剪裁与垂坠感。
整体视觉稳定性也有所改善。谷歌表示，与上一代相比，新模型在运动和镜头切换过程中的画面漂移或变形更少。此外，模型生成的对话听起来更流畅自然，唇形同步更清晰，并能区分多个说话人。对于第一人称无人机飞行或戏剧性拉远等复杂连续镜头运动，模型也能处理得更好，意外跳切明显减少。
从竞争格局看，视频生成模型正沿着“更长时长、更低单价、更强可控性”三个方向快速迭代。谷歌此次将价格下调 30%，并引入对话式编辑与分层生成流程，实质上是在降低专业创作与商业广告场景的使用门槛。对内容创作者和广告主而言，单条视频的试错成本下降，意味着可以更频繁地迭代创意；对谷歌而言，则是在与 OpenAI、Runway 等对手的竞争中，用价格与工作流整合争取开发者与企业客户。
不过，模型能力的实际表现仍需用户在实际使用中检验，尤其是在多人物对话、复杂镜头运动等场景下的稳定性。谷歌此次强调的参考一致性提升，能否在真实商业素材中兑现，将影响其在高要求制作场景中的采用率。