
Google Cloud 正式推出 Gemini Omni 1.2 Flash 视频生成模型,主要面向企业用户与开发者。该模型现已集成至“Gemini for Business”及 Google Vids,并通过 API 开放接入,专为产品短片、虚拟试穿及广告素材等短视频商业场景设计。
在性能与定价方面,新版本将最大视频片段时长从 10 秒延长至 15 秒,720p 视频生成价格降至每秒 0.07 美元,较上一代 Gemini Omni 1.1 Flash 降低 30%。Google Cloud 指出,该模型在遵循图像、视频和音频参考方面表现更强,能确保跨镜头的产品一致性,保持角色与品牌细节连贯。此外,模型支持以 360p 或 720p 生成草稿,并将选定输出放大至 1080p 或 4K。
功能层面,新版优化了语音生成,对话更自然、唇形同步更清晰,并支持多说话人条件控制。用户可通过对话式编辑对现有片段进行微调,如修改产品、灯光和摄像机角度,无需重新生成序列。目前,音频引用功能仍通过白名单流程限制访问,所有输出均包含 SynthID 数字水印。
生态伙伴与客户反馈
多家设计与创意软件集团已集成或测试该模型,包括 Artlist、FLORA、invideo、Krea、Picsart、Photoroom 和 QuickFrame AI。
Artlist 首席技术产品官 Roee Peled 表示,新模型带来的基于参考生成、视频扩展及创意一致性功能,有助于客户从实验阶段迈向大规模专业内容生产。FLORA 方面强调其在编辑过程中的精确度,能在调整配色或背景时保持产品主体不受影响。invideo 评估认为,该模型在提示词遵循度、物理效果及声音真实感上表现优异,15 秒时长足以一次性生成完整场景。Krea 则对其在角色和场景替换任务中的速度与细节保留能力表示认可。
聚焦零售与营销场景
Google Cloud 正向零售商和在线市场推广该产品,助力将静态产品照片转化为商品列表、广告及试穿体验所需的短视频,应用场景涵盖产品旋转展示、生活方式短片及电视广告素材。
Photoroom 首席执行官 Matt Rouif 指出,选择 Gemini Omni Flash 是因为其平衡了质量、速度和成本,1.2 版本支持的 15 秒视频及 SLA 服务等级协议,使其能为卖家提供可靠的生产级服务。QuickFrame AI 首席技术官 Richard Girges 表示,支持 1080p 生成 15 秒视频的功能,让用户可单次生成完整的 CTV(联网电视)广告,简化了电视广告制作流程。
Picsart 方面表示,草稿模式允许团队快速迭代概念,随后渲染出适合电视播放的 4K 内容,且文字清晰、角色逼真。随着全面开放,Picsart 计划将这一能力提供给其超过 1 亿的创作者群体。企业用户还可在“Gemini for Business”中通过提示词或产品照片创建短视频,或利用 Google Vids 将生成片段与头像、音乐结合,用于制作解说视频及销售材料。