Gemini Omni 1.2 Flash:速度更快、成本更低,支持生成更长视频片段

📌 One-Sentence Summary
Google DeepMind 发布 Gemini Omni 1.2 Flash。这款高性价比视频生成模型支持原生生成 15 秒视频片段、多轮对话式编辑,并能更好地遵循参考素材,服务创作者和企业。
📝 Summary
Google DeepMind 宣布,Gemini Omni 1.2 Flash 已在 Gemini API 和 Google Cloud 平台全面推出。该模型支持原生生成 15 秒视频(此前为 10 秒)、多轮对话式编辑,并能更好地遵循参考素材。720p 视频定价下调 30%,至每秒 $0.07。其主要能力包括跨帧持续追踪角色和物体、以更少的跳切实现电影感运镜、生成自然语音并实现唇形同步,以及制作产品讲解视频、社交媒体广告和品牌内容。用户可以先以较低分辨率生成草稿,再通过后续编辑进行修改,最后将视频升频至 1080p 或 4K。面向企业的功能包括 Provisioned Throughput 和 SynthID 水印。Adobe、Havaianas、Monks、Whering、Figma Weave、STAN、Magnific 和 Resemble AI 等多家行业领军企业已采用这项技术。
💡 Main Points
原生生成 15 秒视频,并支持多轮对话式编辑
该模型可生成最长 15 秒的视频(此前为 10 秒),并允许用户通过对话提示词逐步完善内容。用户可以替换产品、更换背景、调整光线或修改画面比例,无需从头重新生成。
更好地遵循参考素材,提升跨帧一致性
Gemini Omni 1.2 Flash 能在视频从首帧到末帧持续保持角色、物体和场景的一致性,减少视觉偏移。它可以结合角色图片、产品照片、动作片段和音频提示,同时确保不同镜头角度下的人物面孔、服装、包装文字和品牌色彩保持一致。
成本降低 30%,分辨率工作流灵活
720p 视频定价下调至每秒 $0.07。用户可以先以 360p 或 720p 生成草稿,再进行有针对性的修改,最后升频至 1080p 或 4K,从而在控制成本的同时,为规模化视频制作保持所需质量。
支持电影感运镜和自然语音
该模型支持复杂、连贯的运镜,例如 FPV 穿越镜头、拉远和环绕拍摄,同时减少跳切。它还能生成流畅的对话、清晰的唇形同步,并为动画场景中的多位说话者分别设置语音条件。
企业级基础设施与 SynthID 水印
Gemini Omni 依托 Google Cloud 的企业级基础设施和安全能力,提供 Provisioned Throughput,支持工作流扩展;同时嵌入难以察觉的 SynthID 水印,帮助追溯内容来源并落实问责。
💬 Key Quotes
Gemini Omni 1.2 Flash 支持原生生成 15 秒视频、进行多轮对话式编辑,并能更好地遵循参考素材。
我们将价格较 Gemini Omni 1.1 下调了 30%,720p 视频现价为每秒 $0.07。
你可以先以 360p 或 720p 快速生成草稿,通过后续编辑修正细节,而不必重新生成整段视频,然后再将最满意的作品升频至 1080p 或 4K。
不同镜头角度下,人物面孔、服装、包装文字和品牌色彩都能保持一致,因此可以轻松将现有产品摄影或角色设定图转化为虚拟试穿视频、产品目录旋转展示和品牌广告视频。
Omni 1.2 为创作者提供了出色的控制能力。它能紧密遵循提示词,生成动作逼真的电影感片段,并在多个镜头之间保持角色和场景的一致性。
📊 Article Meta
AI Screening: 88
Source: Google DeepMind News
Author: Anish Nangia
Category: 人工智能
Language: 英文
Read Time: 8 min
Word Count: 1780
Tags:
AI 与智能应用 , AI 产品与应用 , AI 工作流 , 模型发布 , AI 编程
整理得太全面了,省了我不少时间。
支持作者,持续关注中。
不错不错,已加入书签。
这篇文章分析得很透彻,收藏了!
点赞,必须点赞
很有价值的分享,感谢整理。
思路清晰,干货满满。
很有价值的分享,感谢整理。
很有价值的分享,感谢整理。
刚好最近在找这方面的资料,太及时了。
作者写得真不错,学到了不少。
很有价值的分享,感谢整理。