Google发布Gemini Omni 1.2 Flash：最长15秒视频，720p每秒0.07美元，比Omni 1.1降价30%；质量证据是演示和客户引语，音频参考需加入白名单

2026年11月5日，Google发布视频生成与编辑模型Gemini Omni 1.2 Flash，并称它已在Gemini API和Gemini for business中正式可用（generally available）。公告分成两篇：Google DeepMind的产品文章，以及Google Cloud面向生产使用的文章。下文所有数字都来自Google自己，文章没有给出任何外部的质量或速度测量。 另一本已收录的Google Cloud文章却称Gemini for business聊天功能“即将推出”；API/Cloud可用性与商业聊天入口须分别核实，本刊不裁决两文时序。

最主要的变化是片段长度。Omni 1.2 Flash可以原生生成和编辑最长15秒的视频，Omni 1.1是10秒；时长可以按一秒为单位在3到15秒之间设定。Google Cloud的模型页补充说，由首帧和尾帧生成的输出，或对已有片段的延长，只支持3到10秒，并列出16:9和9:16两种画面比例。Google称新模型更贴近参考素材：一次请求可以组合人物、产品或风格图片、最长三秒的短动作片段和音频提示，模型要在不同机位之间保持人脸、服装、包装文字和品牌色不变。片段还可以一轮一轮对话式修改，比如换背景、改光线或切换画幅，不必重新生成整段。Google还提到语音方面的改进：对白更自然，口型同步更清楚，并能分别为多个说话者设定声音。

价格是公告里唯一硬的数字。Google称价格比Omni 1.1降低30%，720p视频每秒0.07美元。按我们的算术，720p的一段完整15秒片段约1.05美元，还没算重试。公告没有给出1080p或4K输出、也没有给出放大（upscale）的价格。它描述的是一种更省钱的工作流：先用360p或720p出草稿，用一次后续编辑修正某个细节，再把最好的结果放大到1080p或4K。公告链接了价格页，我们没有抓取该页，所以本文不转述其他价格。

不同产品的可用情况不一样。开发者可以在Google AI Studio和Gemini API中使用；企业可以在Google Cloud控制台和API中使用，Google说那里提供Provisioned Throughput，输出带有人眼不可见的SynthID水印。Google还列出了Flow、Google Vids（用Google账号或Google Workspace订阅生成15秒片段不另收费）以及Google Ads。Gemini应用中的15秒视频先向Google AI Ultra订阅用户推出。Google Cloud的文章还有一条DeepMind文章没写的限制：音频参考需要加入白名单（allowlisting），所以不是每个开发者第一天都能用。

质量方面的证据是演示视频和客户引语。Google展示了虚拟试穿片段、逐层搭建的海报、连续换五次背景的编辑，以及一次穿过圆顶建筑、没有剪切的第一人称无人机飞行，其中一些把Omni 1.2和Omni 1.1并排对比。但没有基准分数，没有偏好研究，没有延迟数字，也没有失败率。DeepMind文章里的引语来自Adobe、Monks、Whering、Figma Weave、STAN、Magnific和Resemble AI，Cloud文章里的来自Artlist、FLORA、invideo、Krea、Picsart、Runway、Photoroom和QuickFrame AI，都由厂商挑选。其中QuickFrame AI说，1080p的15秒生成让用户一次就能做出完整的联网电视广告。

Google也说明了还没做好的地方：快速的体育动作、快速变化的剧本和复杂物理仍在继续开发。这份清单很短，却正好是团队最该先测的东西：高速运动、快速切换的场景和相互作用的物体。除了SynthID水印和所运行的企业级基础设施，公告没有描述这个模型的任何安全评测或内容政策，需要安全审查的读者应另找独立文档。

背景说明：视频生成模型通常按秒计价，所以“720p每秒0.07美元”这类数字可以直接换算成一段成片的成本，但真正的花费还取决于重试次数和是否放大到更高分辨率。参考素材指的是你提供给模型的图片、短视频或音频，模型据此改善人物、产品和风格的一致性，因此“一致性”是这类模型能否用于广告和商品展示的关键。SynthID是Google的不可见水印技术，用来标记内容由AI生成，它有助于溯源，但不能保证内容真实或合规。视频越长，需要在更多帧里保持人物、物体和场景不变，一致性要求也随之提高，这是15秒相对10秒的实际意义。评估时可以一次只改变一个输入，更容易看清是哪项参考造成了偏差。

我们的判断是：这是一次实在的产品进展，因为时长、价格和正式可用都是具体、可核对的。质量说法目前还无法核对。大批量制作商品或广告视频的团队，应先为一个样本任务估价：需要多少片段、每段多少秒、预计重试几次、最终文件的分辨率是多少。然后用自己的参考图测试人脸、标志和包装文字是否稳定，也要看15秒片段是否真的需要白名单音频功能。降价和更长的片段，只有在这些测试中结果站得住，才有用。