Google 发布 Gemini Omni 1.2 Flash，支持 15 秒视频、720p 每秒 0.07 美元

Google 发布了其视频生成和编辑模型的最新版本 Gemini Omni 1.2 Flash。Gemini Omni 1.2 Flash 本地生成和编辑最长可达 15 秒的视频片段。与 Omni 1.1 Flash 相比，价格降低了 30%。该模型在 Google Cloud 和 Gemini API 上普遍可用。对于开发者来说，要点是更长的片段、更少的重新渲染和每秒更低的费用。

TL;DR

运行于： 仅 Google 托管的（Gemini API，Google Cloud）。没有开放权重，没有本地部署。
性能： Google 报告更好的参考遵循性和更少的漂移。没有发布 1.2 基准分数。
最佳： 本地 15 秒片段，720p 视频，每秒 0.07 美元，大约每个 15 秒片段 1.05 美元。
最差： Google 表示快速运动、快速脚本变化和复杂物理仍然需要改进。

什么是 Gemini Omni 1.2 Flash？

Gemini Omni 1.2 Flash 是 Google DeepMind 的多模态视频模型。它接受文本、图像、短视频片段和音频作为输入。输出带有音频的视频。Google 的开发者文档将 Omni 系列描述为本地多模态，编辑通过交互式 API 处理。

与 Omni 1.1 Flash 相比有什么变化？

The launch lists 6 upgrades:

更长的片段： 生成和编辑现在可达 15 秒，比 Omni 1.1 中的 10 秒更长。
时长控制： 您可以设置 3 到 15 秒的长度，以 1 秒为步长。
参考遵循性： 您可以将角色、产品或风格图像与最长 3 秒的运动片段结合。
一致性： 脸部、服装、包装文本和品牌颜色在相机角度之间保持一致，变形更少。
语音： 对话听起来更自然，唇同步更清晰，多说话者调节更明显。
相机控制： FPV 飞越、缩放和轨道显示更少的意外跳跃剪辑。

草稿、编辑、升级工作流程如何工作？

Google 将成本控制描述为工作流程，而不仅仅是价格。您可以在 360p 或 720p 下草稿。您可以通过后续编辑修复细节，而不是重新生成整个片段。然后您将最佳结果升级到 1080p 或 4K。

多轮对话编辑现在可以在完整的 15 秒片段中工作。实际上，您可以逐轮更换产品、背景、照明或宽高比。通过文档中的 previous_interaction_id 显示这一点，因此先前的视频不会被重新上传。

Gemini Omni 1.2 Flash 的费用是多少？

Google 将 Omni 1.2 Flash 定价在 720p 视频每秒 0.07 美元。其他分辨率的节省类似。为了参考，定价页面将 Omni 1.1 Flash 计费在 720p 视频每秒大约 0.10 美元。在 1.2 上，一个完整的 15 秒 720p 片段大约为 1.05 美元。

Google Vids 用户可以免费生成 15 秒片段。已提供吞吐量，输出带有 SynthID 水印。

与其他视频模型相比如何？

功能	Gemini Omni 1.2 Flash	Gemini Omni 1.1 Flash	Veo 3.1	Seedance 2.0
开发者	Google DeepMind	Google DeepMind	Google	ByteDance
参数	未公布	未公布	未公布	未公布
最大单片段	15 s	10 s	8 s	15 s
时长选项	3 到 15 s, 1 s 步长	未公布	4, 6 或 8 s	4 到 15 s
输出分辨率	360p, 720p; 1080p 和 4K 放大	360p, 720p; 1080p 和 4K 放大	720p, 1080p, 4K	480p, 720p 原生
原生音频	是	是	是	是
多轮编辑	是，最长 15 秒	是	未列出	未披露
720p 价格	$0.07/秒	约 $0.10/秒	未在源页面上列出	基于令牌，变化
权重	封闭，仅 API	封闭，仅 API	封闭，仅 API	封闭，仅 API

它在基准测试中的表现如何？

Google 没有发布 1.2 版本的基准分数。它的主张基于与 Omni 1.1 的对比演示。在 DeepMind 模型页面上报告了 Omni Flash 系列的人类评分结果，包括 1,003 个 MovieGenBench 提示。6 月份，一个较早的 Omni Flash 版本在 #1 在 Arena 文本到视频板上。这些排名早于 1.2，因此只能将其视为家族背景。

早期合作伙伴反馈积极，但具有自我选择性。根据 Google 的发布页面，invideo 的工程副总裁说该模型遵循提示，并且物理和声音感觉真实。QuickFrame AI 表示，1080p 的 15 秒可以让用户在 1 次生成中构建一个完整的 CTV 广告。

开发者可以在哪里使用它？

Gemini API：在 Google AI Studio 中原型设计并使用开发者文档构建。
Google Cloud：使用 Agent 平台 API 并提供企业 SLA。
Google 应用：Flow、Google Vids、Google Ads 和 Gemini 应用（正在推出到 AI Ultra）。

关键要点

Gemini Omni 1.2 Flash 生成和编辑原生 15 秒片段，从 10 秒提升。
价格下降 30% 至每秒 720p 视频 $0.07。
多轮编辑现在涵盖完整的 15 秒片段，无需重新生成。
1.2 的基准分数尚未发布。
Google Cloud 上的音频参考仍然受白名单控制。

查看 发布帖子、Google Cloud 宣布 和 开发者文档。此外，请随时关注我们在 Twitter 上的动态，并加入我们的 15k+ML SubReddit 并订阅我们的 新闻简报。等等！你使用 Telegram 吗？现在你也可以加入我们使用 Telegram。

需要与我们合作推广您的 GitHub 仓库 OR Hugging Face 页面 OR 产品发布 OR 网络研讨会等？联系我们

帖子 Google 发布 Gemini Omni 1.2 Flash：每秒 0.07 美元的 15 秒 AI 视频首次出现在 MarkTechPost。