Google DeepMind 开放 Gemini Omni 1.2 Flash，视频时长延至 15 秒、价格降 30%
Google's Gemini Omni 1.2 Flash stretches AI video clips to 15 seconds and cuts pricing by 30 percent
Google DeepMind 将视频生成模型 Gemini Omni 1.2 Flash 正式开放使用，单段视频时长从最长 10 秒延长到 3 至 15 秒，720p 视频价格降至每秒 0.07 美元，比前代低 30%。新模型支持对话式编辑，用户可逐步修改背景、光线或画幅比例而无需重新生成整段视频，并可按 360p 或 720p 出草稿、再放大到 1080p 或 4K 的分级流程控制成本。Google 还称其在参考图一致性、多说话人对话与口型同步、连续运镜方面有所改进。
推荐理由
AI 评分 74
原文列出时长、价格和对话式编辑三项变化，读者可据此判断视频生成成本与工作流会怎么变。
主题
正文 · AI 翻译
Google DeepMind 正在将其 Gemini Omni 1.2 Flash 视频生成模型正式开放使用。更新后的模型可生成最长 15 秒的片段，支持对话式编辑，且价格比前代低 30%。
片段时长现在可在 3 到 15 秒之间，此前最长为 10 秒；720p 视频的价格下降 30%，降至每秒 0.07 美元。生成的片段还可以通过持续对话进行编辑。
一项突出功能是 Google 所称的“对话式编辑”。用户可以逐步调整生成的片段，更改背景、光线或画幅比例，而无需重新生成整个片段。Google 表示，该功能可在完整的 15 秒时长内生效。配合分级工作流，该功能旨在降低成本。草稿首先以 360p 或 720p 生成，随后通过后续编辑修正个别细节，只有最终结果才放大到 1080p 或 4K。
Google 承诺参考图像能带来更一致的结果
Google 还承诺显著提升参考一致性。根据公告，该模型可以接受角色图像、产品照片、最长三秒的短运动片段以及音频提示作为输入。人脸、服装、包装字体和品牌颜色应当在不同摄像机角度下保持一致。
例如，Google 展示了一段虚拟试穿片段。仅凭一张模特照片和三套服装的产品图，该模型便生成了一段 15 秒、包含 360 度转身的序列，同时保持模特身份以及每件服装的剪裁和垂坠感。
整体视觉一致性据说也有所提升。Google 表示，与上一代相比，在运动和镜头转场中的视觉漂移或变形更少。
除此之外，Gemini Omni 1.2 Flash 应当能生成更流畅、更自然的对话，口型同步更清晰，并能区分多个说话人。该模型还能处理复杂、连续的镜头运动，例如 FPV 无人机飞行或戏剧性的拉远镜头，且不想要的跳切显著减少。