Gemini Omni 1.2登顶AI视频生成

Google DeepMind发布了新一代视频生成模型：Gemini Omni 1.2 Flash。 据Arena.ai评估，Gemini Omni 1.2 Flash在文本生成视频和图像生成视频中均排名第1，在视频编辑中排名第3。 Gemini Omni 1.2 Flash以1541分在文本生成视频中排名第1，相比此前以1514分排名第2的Gemini Omni 1.1 Flash，提升了27分。 Google的Omni系列模型包揽了文本生成视频的前3名。

此次更新重点：文生视频时长提升至15秒，并可编辑最长15秒的源片段； 文生视频时长从3秒到15秒，支持原生音频； 可编辑3至15秒的源视频，最多支持7张参考图像； 每次调用可将片段延长3至10秒，最长可达30秒； 可通过videoId在后续调用中重新编辑任意输出内容； 支持360p、720p、1080p和4K，画幅为16:9或9:16。 谷歌直接全量上线Google AI Studio与Gemini API，开发人员、企业客户和普通创作者可直接调用。

这次更新，原生15秒时长，售价比上一代直降30%，新增多轮对话式微调、电影级稳定运镜，以及工业级的‘草稿-精修’全新工作流等功能。 Gemini Omni 1.2 Flash首创‘草稿流’，每秒只要0.07美元。 过去AI视频生成领域存在抽卡成本极高、修改等于重抽、画面无法量产等问题，这次谷歌发布的Gemini Omni 1.2 Flash几乎每一项更新都在精准击破这些痛点。 新模型的核心解法是‘低成本打样，按需升频’：先出低清草稿（每秒0.07美元），多轮局部调试，最终一键升频至1080p或4K。

这套逻辑彻底改变了团队的试错成本。 对于广告创意公司、出海电商卖家和个人影视创作者来说，AI视频第一次具备了‘大批量工业化试错’的经济可行性。 Gemini新模型带来了新特性：原生支持多轮对话编辑，强化了多模态参考能力，专门强化了深度电影镜头控制，多角色对话场景迎来重要提升。 新模型发布后，全球开发者与视觉创作者产出了一批实测Demo，实测呈现了斗兽场FPV运镜对比、单提示词野生动物纪录片测试、动作与角色一致性压力测试等成果。 AI视频正式推到了第三阶段：卷价格、卷交付、卷工作流适配。