Concitech AI · 深度长文

2026/11/07 06:15

谷歌发布Omni 1.2 Flash!15秒视频、降价30%,AI改片进入多轮对话

Google发布Gemini Omni 1.2 Flash,视频生成与编辑上限扩展至15秒,720p报价下降约30%。更新包含参考一致性与对话编辑;1080p、4K属于升采样输出。API的token计费、任务时长限制与产品权限,决定使用成本和适用范围。

AI视频的竞争,指向成片之后的修改。

Google的11月5日公告发布了Gemini Omni 1.2 Flash。更新的主轴是15秒视频、多轮对话编辑与参考一致性。官方给出的720p视频近似报价为每秒0.07美元,相比1.1版本的降幅是约30%。

Gemini API与Google Cloud的状态是正式可用。消费者产品的开放范围,取决于产品与订阅资格。Google发布公告

这次更新的产品目标,是连接生成、修改和交付。

一条产品广告的工作包含商品呈现、镜头运动、背景、配音与画幅。成片的一个错误,对应一项修改要求。多轮编辑提供了一个延续已有作品的入口,参考材料承担人物、商品与风格的约束。

Google发布的Gemini Omni 1.2 Flash官方宣传图

图1:Google官方发布图,包含生成内容示例。该图属于宣传材料。来源:Google。

15秒生成上限,适用任务有区别

Gemini API文档给出的常规生成与编辑范围是3—15秒,时长采用整数秒,默认值为10秒。

视频任务的限制存在区别。**首尾帧插值的范围是3—10秒。**这个模式接收起始图与结束图,生成连接两张图的过渡;15秒上限适用于其他符合条件的生成与编辑任务。

视频延长的单轮追加时长为3—10秒,总长度上限为30秒。模型的参考范围是输入视频的最后10秒。

“15秒生成”“首尾帧过渡”“延长至30秒”属于三类任务,项目选型需要对应的参数检查。Gemini API视频文档

15秒的价值,体现在完整表达的空间。一段商品展示包含开场、细节与收尾;时长增加,提供了叙事余量。人物身份、包装文字与镜头衔接的一致性,决定这段余量的成片价值。

Google公告的演示涉及服装试穿、海报动画与连续镜头。官方的效果判断强调参考保持,复杂物理、高速运动与快速脚本变化属于改进方向。演示材料展示能力方向,项目效果需要实际样片检验。

一句修改要求,接续同一条视频

对话编辑的变化,是保留作品上下文。

Gemini API采用previous_interaction_id关联前一轮结果。编辑请求产生新的视频结果,目标是保留修改要求之外的元素。背景、灯光与主体替换,构成典型编辑对象。

一个商品广告的假设流程是:首版展示商品与人物;修改要求指定新的背景;画幅版本适配不同投放位置。这是假设流程,本文缺少模型实测数据。

我的判断是,多轮编辑的产品价值取决于“修改范围的稳定性”。背景替换造成脸部变化、包装改字或动作漂移,意味着成片需要额外返工。

开发者的验收对象,需要包含目标变化与保留内容。修改目标是背景,人物、商品、运动和声音的稳定性构成另一组检查项。

接口支持存在边界。模型卡描述了音频输入与带声音视频输出,Gemini API当前限制页列出的缺失支持,包括音频文件、音频参考与声音编辑。产品演示中的音频能力,与某个接口的输入权限,需要对应区分。API限制 · 模型卡

4K的细节:输出分辨率与原生生成

API的分辨率选项包括360p、720p、1080p与4K,默认值为720p。

文档对1080p与4K的标注是upscaled,即升采样输出。这里的4K描述升采样后的输出规格,原生4K生成属于另一种能力。分辨率说明

Google介绍的工作方式是360p或720p草案、对话修改,以及精选结果的升采样。

这个流程的经济性来自筛选顺序:创意方案的淘汰,发生于低分辨率草案阶段;高分辨率处理面向入选作品。实际节省金额取决于重试、编辑轮次与输入材料,缺少统一降本比例。

草案、对话编辑、升采样与人工验收的工作流程

图2:依据官方文档整理的制作流程与任务边界;本文原创示意。

每秒0.07美元,账单怎么算?

Gemini API采用token计费。标准视频输出价格为每百万token 12美元;720p视频的换算基数是每秒5792个token。

官方的每秒0.07美元属于近似价。15秒720p输出的费用近似值为1.04美元,公式为5792 × 15 × 12 ÷ 1000000。

同一张定价表提供了不同分辨率的基数。下面是15秒视频输出的算术示例:

输出规格 每秒视频token 15秒输出费用
360p 1931 约0.35美元
720p 5792 约1.04美元
1080p,升采样 8688 约1.56美元
4K,升采样 17376 约3.13美元

这些数字是视频输出的费用估算。输入、其他输出、额外编辑与重试具有对应消耗,整条成片的账单需要请求记录。定价页列出的输入价格为每百万token 1.50美元,Gemini API的该模型属于付费层。官方定价

官方的约30%降价,描述模型报价变化。一项广告项目的总成本,包含出错概率、修改工作量与人工验收。单次调用价格与合格成片成本,是两个指标。

哪些入口,哪些权限?

不同产品的开放安排需要区分。

  • Gemini API:付费层提供模型调用,模型ID为gemini-omni-1.2-flash。
  • Google Cloud:模型页列出正式可用状态与Provisioned Throughput支持,后者用于预留吞吐能力。Cloud配置与Gemini API权限属于不同产品口径。
  • Google Vids:Workspace更新列出个人Google账号及多个Workspace版本,3—15秒时长进入视频制作界面,使用量限制取决于账号与许可。
  • Gemini应用:帮助页要求个人账号具有Google AI计划;15秒视频对应AI Ultra,其他适用用户的时长上限为10秒。

Cloud模型页 · Vids更新 · Gemini帮助

模型卡说明,视频包含SynthID标记,人物语音修改能力受到限制。来源标记提供内容识别线索,作品事实、授权与交付质量属于独立检查事项。

我的关注点:修改后的保留能力

这次更新给出了一个明确方向:视频模型的任务延伸到版本迭代。

价格下降扩大试作空间,时长增长增加表达空间,多轮编辑提供修改入口。商业制作的考题,是修改后的保留能力。商品身份、人物外观、声音与角色的匹配,以及画面文字的准确性,构成验收对象。

Omni 1.2 Flash提供了生成与改片工具。合格成片的数量、返工时间和每条成片的总成本,是生产价值的成绩单。

参考资料

微信搜一搜:智简 Smart&Concise 公众号二维码

关注公众号

智简 Smart&Concise

微信搜一搜,获取独立开发与 AI 实践更新。