IT之家 11 月 6 日消息，谷歌正式推出 Gemini Omni 1.2 Flash 视频生成模型，并在 Gemini API 与 Gemini for business 平台全面开放使用。

新版模型实现了原生 15 秒视频生成、多轮对话式编辑、更强的参考遵循能力，同时较 1.1 版本降价 30%，720p 视频生成价格为每秒 0.07 美元（IT之家注：现汇率约合 0.47 元人民币）。

在规模化降本方面，新版工作流可先以 360p 或 720p 快速起草，通过后续编辑修正细节，无需重新生成整个片段，最后再将成品升级到 1080p 或 4K，进一步压缩使用成本。

在片段长度上，Gemini Omni 1.2 Flash 将原生支持的视频时长从 1.1 版本的 10 秒延长到最长 15 秒，并支持以 1 秒为单位，在 3 到 15 秒区间内自定义时长，可一次性完成完整故事、产品讲解或社交广告片段的生成。

在参考遵循方面，用户可结合角色、产品或风格图片、最长 3 秒的动态片段与音频线索引导生成，模型可在全程保持面部、服装、包装字体、品牌色彩在不同镜头角度下的一致性，方便将现有产品图、角色设定图转为虚拟试穿、产品旋转展示与品牌视频广告。

在结果一致性上，新版模型从首帧到末帧可保持角色、物体、场景的强一致性，在运动与镜头切换过程中减少视觉漂移、变形；无论是在首末关键帧之间做插值，还是延长片段构建长序列，产品、角色、道具与环境都能在不同镜头间保持统一。

在对话式编辑方面，用户可逐轮对同一片段进行调整，比如替换产品或背景、修改光照或天气、切换画面比例，无需从头重新生成，该多轮对话编辑能力可覆盖完整 15 秒片段，方便为不同受众、不同投放位生成广告变体，无需重新编写提示词、重新生成。

在语音效果上，新版模型可生成更流畅自然的对话、更清晰的口型同步，支持多说话人条件控制，适用于 Flow 中导演多角色对话、Gemini for business 中制作讲解类视频，以及 Google Vids 中制作带数字人、音乐与旁白的专业视频。

在电影级画面控制上，用户可指挥复杂连续镜头运动，比如全景 FPV 穿越、戏剧化拉远、环绕镜头，大幅减少不必要的跳切，保持更稳定的缩放比例与更精致的电影质感。

目前 Gemini Omni 首次实现全面正式可用，依托谷歌云企业级基础设施与安全能力，支持预置吞吐量（Provisioned Throughput），生成内容自带肉眼不可感知的 SynthID 水印。