📰 重點摘要

Google 於今日推出 Gemini Omni 1.2 Flash，並在 Gemini API 與企業版 Gemini 全面開放。這次更新的核心是原生支援 15 秒影片生成、多輪對話式編輯，以及更強的參考素材遵循能力。價格比 Omni 1.1 降低 30%，720p 影片每秒 0.07 美元。成本控制也延伸到工作流程：使用者可先以 360p 或 720p 快速打草稿，用後續編輯修正單一細節而不必整段重新生成，最後再把滿意的作品升頻到 1080p 或 4K。

影片長度從 Omni 1.1 的 10 秒提升到 15 秒，時長可在 3 到 15 秒間以 1 秒為單位指定，足以在單次生成中完成產品說明或完整的社群廣告。參考素材方面，可同時結合角色、產品或風格圖片、最長 3 秒的動作短片與音訊提示，臉部、服裝、包裝字體與品牌色在不同鏡頭角度下都能維持一致。官方示範是用一張模特兒照片搭配三套服裝的正反面照，生成 15 秒虛擬試穿影片，涵蓋 360 度旋轉與匹配剪輯，同時保留模特兒身分及每件衣服的剪裁、垂墜與背面細節。

一致性也有改善，從首幀到末幀的角色、物件與場景較少出現視覺漂移或變形，不論是在首尾關鍵幀之間插補，或延長片段都適用。編輯方面，使用者可逐輪調整同一支影片，例如更換產品或背景、改變光線或天氣、切換長寬比，且多輪編輯適用於完整 15 秒片段。其餘細節請見原文連結。

💬 JudyAI Lab 觀點

Google推出的Gemini Omni 1.2 Flash，把影片生成從「一次賭整段」推向「分階段修正」。單支影片最長15秒，價格比前代低30%，720p每秒0.07美元，值得AI builder留意。

過去生成式影片最讓人頭痛的，是只要有一個細節不對，就得整段重來，成本跟時間都跟著翻倍。這次的設計思維很明確：先用360p或720p打草稿，再用多輪對話只修正單一細節，例如換產品、改光線或切換長寬比，最後才升頻到1080p或4K。這其實是把軟體開發裡「先做原型、再逐步迭代」的習慣搬進影片創作。另一個值得注意的點是參考素材的組合能力，角色、產品圖、3秒動作短片與音訊提示可以同時輸入，臉部、服裝與品牌色在不同鏡頭角度下也能維持一致。我們認為，這代表競爭焦點正從「畫質多漂亮」轉向「能不能穩定控制、區域性修改、省下重跑的成本」。

如果你正在規劃影片相關的工作流程，不妨先拆解自己的製作步驟，找出哪些環節可以用低解析度草稿驗證，再決定哪裡才值得花高成本輸出。

📅 原文資訊

🔗 延伸閱讀