Google DeepMind 发布 Gemini Omni 1.2 Flash，支持15秒视频生成

1. 03:05
   The Decoder

   Google Gemini Omni 1.2 Flash 发布并支持 15 秒视频生成及对话式编辑

   Google DeepMind 正式推出 Gemini Omni 1.2 Flash 视频生成模型，将单次生成时长上限从 10 秒扩展至 15 秒，并将 720p 视频价格下调 30% 至每秒钟 0.07 美元。该模型通过 Gemini API、Google AI Studio 及多个 Google Cloud 服务渠道开放，所有生成内容均嵌入 SynthID 水印以标识来源。 核心功能包括对话式编辑（Conversational Editing），允许用户在不重新生成整个片段的情况下逐步调整背景、光照或宽高比，且该功能覆盖完整的 15 秒时长。配合分层工作流，系统可先在低分辨率下创建草稿并进行细节修正，仅对最终结果进行超分处理，从而降低整体成本。此外，模型在参考图像一致性上表现提升，能更准确地保持角色特征、服装剪裁和品牌色彩，同时减少运动过程中的视觉漂移或变形。 事实层面，该版本明确支持 360 度转身等复杂镜头运动，并改进了多说话人区分与唇形同步能力。推断层面，这种分层渲染策略可能显著降低企业级视频制作的边际成本，特别是对于需要多次迭代修改的场景。猜测层面，虽然官方宣称效果提升，但实际落地中是否能在不同硬件环境下稳定维持 15 秒的连贯性仍需观察。

2. 01:05
   Google DeepMind精选

   Google DeepMind 发布 Gemini Omni 1.2 Flash，原生支持15秒视频生成并降价30%

   Google DeepMind 正式推出 Gemini Omni 1.2 Flash 模型，该版本在 Gemini API 和 Gemini for business 中全面可用，核心升级在于原生支持最长15秒的视频生成（此前为10秒），并将720p视频价格下调30%至每秒钟0.07美元。 新模型通过多轮对话式编辑功能优化了工作流，允许用户在不重新生成的情况下微调细节、更换背景或调整时长，从而降低整体成本。在一致性方面，1.2 Flash 显著提升了角色、物体和场景在长镜头中的保持能力，能够更准确地遵循参考图像、音频提示和运动片段，减少视觉漂移。此外，模型还增强了语音合成的自然度和唇形同步效果，支持更复杂的连续运镜控制。 事实层面，Gemini Omni 1.2 Flash 已集成 SynthID 水印并提供配置吞吐量（Provisioned Throughput）以支持企业级安全需求。推断上，结合原生15秒时长与单价下降，该模型可能推动短视频广告、虚拟试穿等需要连贯叙事的 B 端应用场景规模化落地。猜测部分，文中提到针对快速体育动作和复杂物理的改进仍在进行中，这意味着当前版本在处理高动态场景时仍可能存在局限。

当前热度 18·可比范围峰值 19（11月6日 04:00）·近 24 小时可比范围变化 –

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。