AI小生意项目库 · 阅读档案

2026-11-06 1 浏览免费阅读

Google Gemini Omni 1.2 Flash 将 AI 视频片段延长至 15 秒，价格降低 30%

Q: 这篇文章和哪些AI专题相关？

它适合放在AI副业、AI工具专题里阅读。 关联原因：这篇内容命中「项目、小生意、变现」等主题信号。；这篇内容命中「模型」等主题信号。

Google DeepMind 宣布 Gemini Omni 1.2 Flash 视频生成模型全面可用。该模型可生成最长 15 秒的片段，支持对话式编辑，价格比前代低 30%。

AI小生意项目库约 4 分钟读完免费阅读原文 2026-11-06 03:05:31

原贴

查看原文

作者：Matthias Bastian 来源站点：the-decoder.com 原贴时间： 2026-11-06 03:05:31

原文

Google Deepmind is making its Gemini Omni 1.2 Flash video-generation model generally available. The updated model creates clips up to 15 seconds long, supports conversational editing, and costs 30 percent less than its predecessor. Google says Gemini Omni 1.2 Flash is rolling out through the Gemini API , Google AI Studio , the Google Cloud Console, Flow, Google Vids, the Gemini app for Google AI Ultra subscribers, and Google Ads. Every generated video carries an imperceptible SynthID watermark to indicate its origin. Clips can now run between three and 15 seconds, up from a maximum of 10 seconds previously, and pricing drops 30 percent to $0.07 per second for 720p video. Generated clips can also be edited through an ongoing conversation. Ad A standout feature is what Google calls "Conversational Editing." Users can tweak a generated clip step by step, changing the background, lighting, or aspect ratio without regenerating the entire clip. Google says this works across the full 15-second length. Paired with a tiered workflow, the feature is supposed to cut costs. Drafts are first created at 360p or 720p, individual details are corrected with a follow-up edit, and only the final result is upscaled to 1080p or 4K. Ad Google also promises significantly better reference adherence. According to the announcement , the model can take character images, product photos, short motion clips of up to three seconds, and audio cues as inputs. Faces, clothing, packaging typography, and brand colors are supposed to stay consistent across different camera angles. As an example, Google shows a virtual try-on clip. From a single model photo and product shots of three outfits, the model generates a 15-second sequence with 360-degree turns while preserving the model's identity and each garment's cut and drape. Ad Overall visual consistency is said to have improved as well. Google says there is less visual drift or morphing across motion and camera transitions than with the predecessor. Ad Beyond that, Gemini Omni 1.2 Flash is supposed to produce more fluid, natural-sounding dialogue with clearer lip-sync and the ability to distinguish between multiple speakers. The model further handles complex, continuous camera movements such as FPV drone flights or dramatic zoom-outs, with significantly fewer unwanted jump cuts. Ad Subscribe to THE DECODER for ad-free reading, a weekly AI newsletter, our exclusive "AI Radar" frontier report six times a year, full archive access, and access to our comment section.

中文翻译

Google Deepmind 正在让 Gemini Omni 1.2 Flash 视频生成模型全面可用。更新后的模型可创建最长 15 秒的片段，支持对话式编辑，并且成本比前代低 30%。

Google 表示，Gemini Omni 1.2 Flash 正通过 Gemini API、Google AI Studio、Google Cloud Console、Flow、Google Vids、面向 Google AI Ultra 订阅者的 Gemini 应用以及 Google Ads 推出。每个生成的视频都带有不可感知的 SynthID 水印以表明其来源。

片段现在可以在 3 到 15 秒之间，此前最长为 10 秒，并且 720p 视频的价格下降 30% 至每秒 0.07 美元。生成的片段还可以通过持续对话进行编辑。

一个突出功能是 Google 所谓的“对话式编辑”。用户可以逐步调整生成的片段，更改背景、光照或宽高比，而无需重新生成整个片段。Google 表示，这在完整的 15 秒长度内有效。结合分层工作流，该功能旨在降低成本。草稿首先以 360p 或 720p 创建，通过后续编辑修正个别细节，只有最终结果才升级到 1080p 或 4K。

Google 还承诺显著更好的参考遵循。根据公告，该模型可以接受角色图像、产品照片、最长三秒的短动作片段和音频提示作为输入。人脸、服装、包装排版和品牌颜色应在不同摄像机角度下保持一致。例如，Google 展示了一个虚拟试穿片段。从一张模特照片和三套服装的产品照片中，模型生成一个 15 秒的序列，进行 360 度旋转，同时保留模特身份和每件服装的剪裁和垂坠感。

整体视觉一致性据说也有所改善。Google 表示，与前代相比，运动与摄像机过渡中的视觉漂移或变形更少。除此之外，Gemini Omni 1.2 Flash 据说能产生更流畅、自然的对话，唇形同步更清晰，并且能够区分多个说话者。该模型进一步处理复杂、连续的摄像机运动，例如 FPV 无人机飞行或戏剧性的缩小，不必要的跳切显著减少。

核心信息

Google DeepMind 宣布 Gemini Omni 1.2 Flash 视频生成模型全面可用。该模型可生成最长 15 秒的片段，支持对话式编辑，价格比前代低 30%。

Google DeepMind 宣布 Gemini Omni 1.2 Flash 视频生成模型全面可用。该模型可生成最长 15 秒的片段，支持对话式编辑，价格比前代低 30%。
原贴提到：Google Deepmind is making its Gemini Omni 1.2 Flash video-generation mod
来源：the-decoder.com

详细解读

这条信号的核心不是“又多了一个视频模型”，而是 Google 把 Gemini Omni 1.2 Flash 推到全面可用，并在三个商业变量上同时推进：时长、可控性和单位成本。官方信息显示，片段上限从 10 秒提升到 15 秒，720p 价格降到每秒 0.07 美元，较前代下降 30%；同时支持对话式编辑、参考图/短视频/音频输入，以及 SynthID 水印。这意味着视频生成正在从“抽卡式出片”转向可进入生产流程的工具。

为什么重要：15 秒本身不算长，但结合“草稿用 360p/720p、局部修正、最终再 upscale 到 1080p/4K”的分层工作流，试错成本会被显著压低。对话式编辑让团队不必每次重生成整条片子，而是像改稿一样改背景、光照、比例。参考一致性如果达到官方描述，会直接影响广告、电商和品牌内容的可用性——人脸、服装剪裁、包装字体和品牌色跨镜头稳定，才是能否批量交付的关键。SynthID 隐形水印则释放了平台合规和来源追踪的信号。

对谁有价值：最直接的是广告与电商内容团队、创意代理公司、短视频/直播切片团队、独立创作者，以及把视频生成封装成工作流工具的 SaaS 开发者。品牌方也会关注，因为参考一致性和水印机制关系到品牌安全与素材治理。

可以怎么行动：第一，把“低成本草稿—对话式局部修改—最终高清输出”写成内部 SOP，先用 720p 跑通审片和改稿链路。第二，建立角色、产品、品牌视觉的参考素材库，测试跨镜头一致性，而不是只看单条样片。第三，把对话式编辑纳入创意迭代流程，让导演/客户用自然语言提修改，减少整条重生成。第四，关注 Gemini API、Google AI Studio、Flow、Google Vids 和 Google Ads 等入口的可用性，优先在已有投放或内容生产环节做小规模 A/B。第五，对生成内容保留 SynthID 与来源记录，提前准备合规说明。

风险与限制：15 秒仍是短片段，复杂叙事和长镜头连续性还需外部剪辑补足；参考一致性和对话式编辑的稳定性目前来自官方描述，必须用真实项目实测；价格是 720p 口径，1080p/4K 的最终输出成本会更高；对话式编辑可能带来版本管理和审片混乱，需要版本留痕；水印与平台政策、商用授权、肖像和品牌素材版权仍需逐项确认。不要把它当成“一键成片”，更合理的定位是“可编辑的视频素材生产线”。

信息差价值

这条内容的真正价值，不只是“有人发布了一个新功能”，而是它揭示了 the-decoder.com 背后的产品方向、工作流变化或竞争信号。对 OPC 来说，这种信息可以转化成持续追踪的栏目选题。

如果把《Google Gemini Omni 1.2 Flash 将 AI 视频片段延长至 15 秒，价格降低 30%》放到你的内容系统里，它最大的价值在于帮助读者更快看懂“为什么值得关注”，而不是只看到一条碎片化动态。

参考来源

Matthias Bastian 原帖

TOPIC HUBS

延伸专题

AI副业 AI副业：小生意、项目机会与可收费交付

这篇内容命中「项目、小生意、变现」等主题信号。

AI工具 AI工具：模型、插件、自动化与实战场景

这篇内容命中「模型」等主题信号。

AI SUMMARY

这篇文章回答了什么