Google 的 Gemini Omni 1.2 Flash 正式开放使用

Google 于 2026 年 11 月 5 日发布 Gemini Omni 1.2 Flash，这款视频生成与编辑模型现已正式开放使用。此次更新将原生视频片段时长延长至 15 秒，新增多轮对话式编辑功能，并将 720p 视频的价格下调 30%，至每秒约 0.07 美元。

该模型可根据文本、图像和视频输入生成音画同步的视频，并原生生成音频。延长视频时长，旨在让完整故事、产品讲解视频和完整的社交媒体广告片都能通过一次生成完成。

更长的视频片段与对话式编辑

开发者文档显示，视频时长可按整秒设置，从 3 秒到 15 秒不等；相比之下，Omni 1.1 的最长时长为 10 秒，默认时长也设为 10 秒。默认输出分辨率为 720p，画面比例为横向 16:9，同时也支持竖向 9:16。团队可以用 360p 或 720p 起草视频，再将选定结果升频至 1080p 或 4K。

对话式编辑可以替换产品或背景、调整光线或天气，也可以切换画面比例，同时保留未提及的元素。系统会通过先前交互的标识符在 API 请求之间保留上下文，因此无需再次上传之前的视频。每次请求还可以使用多达六张参考图；最多可涉及两个人物，每个人物最多使用三张参考图。

视频延展与原生生成是两项独立功能：每轮可追加 3 至 10 秒，并以视频最后 10 秒作为上下文，总时长最多可达 30 秒。该功能无法在片段开头添加画面，也无法在片段中途插入素材；首尾帧插值的输出时长仍限于 3 至 10 秒。

定价与迁移

在付费版 Gemini API 中，定价为每百万个视频输出令牌 12 美元；720p 视频按每秒 5,792 个令牌计费。所列费用中，10 秒片段约为 0.70 美元，15 秒片段约为 1.04 美元。文本、图像和视频输入的费用为每百万个令牌 1.50 美元，而且该模型不提供免费版。

在为期四周的过渡期内，Gemini Omni 1.1 Flash 仍可使用。自 2026 年 12 月 3 日起，发往 1.1 的 API 请求将自动转至 1.2，无需修改代码，并按 1.2 较低的费率计费。因此，现有集成有明确的迁移日期，但不必立即重写代码。

质量表现与生产环境限制

Google 表示，此次更新能在不同摄像机角度和转场中更好地保持人脸、服装、包装上的文字和品牌色彩，减少视觉漂移或变形；同时，还能提供更清晰的唇形同步、更自然的对白、对多位说话者进行清晰区分的条件控制，以及更连贯的镜头运动，并减少不必要的跳切。

Google DeepMind 的并排评测显示，在文本生成视频测试中，Omni 1.2 的视觉一致性胜率为 62%，Omni 1.1 则为 38%。在参考图生成视频的对比中，1.2 的多参考图身份一致性胜率为 63%，1.1 则为 37%。

该模型也有明确的技术限制。针对快速运动的体育场景、剧本的快速变化和复杂物理效果，相关开发仍在继续。Gemini API 完全支持英语，但尚未对其他语言进行评估。目前的 API 不支持语音编辑、上传音频输入或音频参考。生成时间会随时长、分辨率和 API 负载而变化；提示词和生成的视频均受安全过滤器限制。

开放范围与生产环境应用

开发者可以在 Google AI Studio 中制作原型，并使用付费版 Gemini API。此次更广泛的推出还涵盖：用于场景调度和多轮编辑的 Flow；Google Vids 中面向 Google 账号或 Workspace 订阅用户提供的更长视频片段，且不额外收费；向 Google AI Ultra 订阅用户推出 Gemini 应用；以及在 Google Ads 中创建广告活动。通过 API 生成的每段视频都带有不可见的 SynthID 水印，可通过程序检测，以验证其来源。

Google Cloud 的正式开放公告新增了控制台和 API 访问、企业级基础设施与安全保障，以及 Provisioned Throughput；音频参考功能则仅向获准用户开放。Photoroom 首席执行官 Matt Rouif 表示，延长生成时长是用户最常提出的需求之一；正式开放并提供服务级别协议后，公司便能在生产环境中依赖 Gemini Omni Flash，为卖家和企业客户提供服务。该模型为 Photoroom 的 Video Ad Maker 和 Product Animator 提供支持。

此次发布将降价与生产流程的变化联系起来：有针对性的修改可以取代整段重新生成，而更高分辨率的渲染则可以留给选定的输出。因此，该模型在生产环境中的价值取决于其所报告的一致性提升，因为只有在多次修改中保留人物、产品和场景，迭代编辑才有望成为从头重做的实用替代方案。