谷歌 DeepMind 宣佈，影片生成模型 Gemini Omni 1.2 Flash 正式面向所有使用者開放。相比上一代，新模型將單條影片的最長時長從 10 秒 延長到 15 秒，同時把 720p 解析度下的生成價格下調 30%，降至每秒 0.07 美元。
這一模型通過多個渠道同步上線，包括 Gemini API、Google AI Studio、Google Cloud Console、Flow、Google Vids、面向 Google AI Ultra 訂閱使用者的 Gemini 應用，以及 Google Ads。谷歌表示，所有生成的影片都會嵌入不可見的 SynthID 水印，用於標識內容來源。
本次更新最受關注的功能是“對話式編輯”。使用者可以在生成影片後，通過持續對話逐步調整背景、光線或畫面比例，而不必重新生成整段影片。谷歌稱該功能覆蓋完整的 15 秒 時長。配合分層工作流，使用者可以先以 360p 或 720p 生成草稿，再用後續編輯修正細節，最後僅將成品放大到 1080p 或 4K，從而進一步控制成本。
在參考素材的一致性上，谷歌稱新模型有明顯提升。模型可接收人物影像、產品照片、最長 3 秒 的短動作片段以及音訊提示作為輸入，併力求在不同鏡頭角度下保持人臉、服裝、包裝字型和品牌顏色的一致性。谷歌給出的示例是一段虛擬試穿影片：僅憑一張模特照片和三套服裝的產品圖，模型便生成了 15 秒 的 360 度轉身序列，同時保持模特身份以及每件服裝的剪裁與垂墜感。
整體視覺穩定性也有所改善。谷歌表示，與上一代相比，新模型在運動和鏡頭切換過程中的畫面漂移或變形更少。此外，模型生成的對話聽起來更流暢自然，唇形同步更清晰，並能區分多個說話人。對於第一人稱無人機飛行或戲劇性拉遠等複雜連續鏡頭運動，模型也能處理得更好，意外跳切明顯減少。
從競爭格局看，影片生成模型正沿著“更長時長、更低單價、更強可控性”三個方向快速迭代。谷歌此次將價格下調 30%，並引入對話式編輯與分層生成流程，實質上是在降低專業創作與商業廣告場景的使用門檻。對內容創作者和廣告主而言，單條影片的試錯成本下降，意味著可以更頻繁地迭代創意；對谷歌而言，則是在與 OpenAI、Runway 等對手的競爭中，用價格與工作流整合爭取開發者與企業客戶。
不過，模型能力的實際表現仍需使用者在實際使用中檢驗，尤其是在多人物對話、複雜鏡頭運動等場景下的穩定性。谷歌此次強調的參考一致性提升，能否在真實商業素材中兌現，將影響其在高要求製作場景中的採用率。