谷歌正式推出 Gemini Omni 1.2 Flash，并在 Gemini API 及企业版服务中全面开放。新版模型引入原生 15 秒视频生成、多轮对话式编辑及增强的参考素材遵循能力，同时将价格下调 30%，720p 视频生成成本降至每秒 0.07 美元。
规模化下的速度与成本优势
除直接降价外，新工作流进一步优化成本控制：用户可先生成 360p 或 720p 初稿，经编辑修复细节后，再将最终版本升级至 1080p 或 4K，无需重新生成全片。
原生支持 15 秒视频片段
Gemini Omni 1.2 Flash 将单次生成时长上限从 10 秒提升至 15 秒，并支持以 1 秒为增量精确指定时长（3-15 秒）。这一改进使其能够胜任完整故事叙述、产品解说及社交媒体广告短片的制作。
极强的参考素材一致性
模型支持组合角色、产品图、短运动片段（最长 3 秒）及音频提示进行引导生成。Omni 1.2 Flash 能在镜头切换中始终保持人脸、服装、包装字体及品牌颜色的一致性，极大简化了虚拟试穿、产品展示及品牌广告的制作流程。
更稳定的画面表现
新版显著减少了运动过程及镜头转换中的视觉漂移或形变。无论是通过插值连接关键帧，还是扩展片段构建长序列，人物、物体及场景在镜头间均能保持高度一致。
便捷的多轮对话式编辑
用户可对同一视频片段进行逐轮优化，如更换背景、调整光线、切换画幅等，无需从头生成。该功能适用于完整的 15 秒视频，便于针对不同受众快速制作广告变体。
更自然的语音与口型同步
生成视频具备更流畅的对话声音及清晰的口型同步，支持多说话人区分。这一改进适用于 Flow 中的多角色对话指导、企业版视频解说及 Google Vids 中的专业视频制作。
可控的电影感视觉效果
模型支持指挥复杂的连续运动，如 FPV 穿越飞行、戏剧性拉远及环绕镜头，显著减少不必要的跳切，保持缩放比例稳定，呈现精致的电影感视觉效果。
企业级基础设施支持
Gemini Omni 现已由谷歌云企业级基础设施提供支持，提供预置吞吐量（Provisioned Throughput），且输出内容带有不可察觉的 SynthID 水印。目前，开发者可通过 Google AI Studio 进行原型设计，企业用户可在 Google Cloud 控制台试用，普通用户则可在 Flow、Google Vids 及 Gemini 应用中使用相关功能。