2026年11月5日星期四，Google在官方博客上宣布，Gemini Omni 1.2 Flash正式全面上线。这是一款主打生成与编辑短视频的模型，最抓眼球的变化只有三个数字：最长15秒、720p每秒0.07美元、比上一代便宜30%。数字不大，指向却很明确，Google想把AI短片从一次性的演示，变成可以反复改、成批做、直接拿去投放的生产工具。15秒听起来不长，但对一条社交广告、一个产品试穿片段或者一段15秒的解说来说，刚好是一个完整场景的长度。这次升级真正要回答的问题不是能不能生成更长的视频，而是生成之后能不能改得动、改得准、改得便宜。
先说结论：15秒不是噱头，改得动才是重点
Gemini Omni 1.1 Flash的单条上限是10秒，1.2 Flash把它拉到15秒，而且可以在3秒到15秒之间以1秒为单位指定时长。对创作者来说，5秒的差距意味着少一次拼接，少一次画面断裂，也少一次重新对齐人物和声音的机会。Google在公告里反复强调的另一点是，多轮对话式编辑现在可以覆盖完整的15秒片段。换句话说，你不用因为想换一个背景或者换一件衣服，就把整条片子推倒重来。你可以对着同一条已经生成的视频一句一句提要求，换产品、换背景、换光线、换天气、换画幅，模型在改动指定部分的同时，尽量保持其他内容不动。
这种改法对广告和电商场景的意义，比单纯拉长时长更大。过去AI视频最让人头疼的不是第一版不好看，而是第二版完全变了样。人物换了脸，包装上的字糊了，品牌色跑偏了，镜头一转场景也跟着换了。Google这次把一致性放在了和时长、价格并列的位置，承诺在更长的片段里减少画面漂移和变形，让人物、产品、道具和环境在镜头运动和转场中保持稳定。承诺归承诺，效果仍需实际使用检验，Google这次没有随发布附上独立的第三方评测，以下涉及质量的说法，都应理解为Google方面的表述。
这次到底改了什么：时长、价格、一致性、对话编辑
先把官方公告里可以确认的变化列清楚。第一是时长。原生生成和编辑都支持最长15秒，上一代是10秒，时长可以在3秒到15秒之间按秒选择。Google的说法是，这样一次生成就能讲完一个完整故事、做一段产品讲解，或者产出一条完整的社交广告。第二是价格。720p视频每秒0.07美元，比Gemini Omni 1.1 Flash低30%，其他分辨率也有类似幅度的下调。按这个价格粗算，一条15秒的720p片段大约是1.05美元，一条10秒大约是0.70美元。第三是一致性。模型对参考图的跟随能力增强，人脸、服装、包装文字和品牌色在不同机位下更稳定，首尾关键帧之间的插值和片段延长也更连贯。
第四是多轮对话编辑。这也是1.2 Flash和1.1 Flash在使用方式上差别最大的一点。用户可以用自然语言连续修改同一条视频，比如把帐篷背景换成橡树林，再换成集市，最后换成石头城堡，而画面里的人物表演、盔甲反光和镜头构图尽量保持不变。Google还提到，生成时可以结合人物、产品或风格图片、最长3秒的短动态片段和音频提示来引导模型。举例来说，把一张模特照片和三套服装的正反面照片交给模型，可以生成一段15秒的虚拟试穿序列，模特在360度转身和跳切中换装，服装的剪裁、垂坠感和背面细节尽量保持一致。这类例子来自Google官方公告的演示描述，实际效果会因输入图片质量和提示词写法而有差别。
第五是声音和镜头。Google称，新模型生成的对话更流畅自然，口型同步更清晰，还能区分不同说话者的声音，适合多人物对话、视频讲解，以及带虚拟形象、音乐和旁白的成片。镜头控制方面，模型支持更复杂的连续运镜，比如第一人称视角的穿越飞行、大幅拉远和环绕镜头，并且减少了不必要的跳切。Google在公告里承认，快速体育动作、快速改脚本和复杂物理效果仍在持续改进中，这句话值得留意，它等于告诉用户，1.2 Flash并不是在所有题材上都同样可靠。
工作流变了：先低分辨率起草，再挑最好的放大
价格下降之后，真正省钱的其实是工作流的变化。Google建议先用360p或720p快速起草，改到满意之后，再把最好的版本放大到1080p或4K。这个顺序很重要，因为AI视频的成本大头从来不是最后那一条成片，而是前面被丢掉的几十条试验品。如果每一次小改动都要重新生成整条高清视频，账很快就会失控。多轮编辑的价值就在这里，改背景不必重算整条片子，改一句台词不必重新生成全部画面，至少在Google的描述里是这样。
对中小商家和内容团队来说，这套流程的吸引力很直接。手里已有的产品照片可以直接变成产品旋转展示、生活化片段、虚拟试穿视频和品牌广告，不必先搭摄影棚。同一条母版可以快速改出不同受众和不同投放位置的版本，比如横屏改竖屏、换一句文案、换一个背景。Google Cloud的公告还提到，模型已经进入企业级基础设施，支持预置吞吐量，输出带有不易察觉的SynthID水印。这意味着它不只是给个人创作者尝鲜的工具，也在为批量生产和正式投放做准备。
在哪里能用：API、Flow、Vids、Gemini应用和广告
根据Google的官方公告，Gemini Omni 1.2 Flash已经在Gemini API和面向企业的Gemini服务上全面上线。开发者可以在Google AI Studio里做原型，查看开发文档和定价，企业用户可以在Google Cloud控制台里试用，并通过API把能力嵌进自己的应用和智能体。普通用户接触它的入口则分散在几个产品里。Google Flow支持直接导演场景和多轮编辑，Google Vids里用Google账号或Workspace订阅就能生成15秒片段，官方说法是不额外收费，Gemini应用里的15秒视频正在向Google AI Ultra订阅用户逐步开放，Google Ads则可以用来规模化投放视频广告。
需要注意的是，不同入口的开放程度并不完全一致。Google在公告里写明，Gemini应用的15秒功能是逐步向Ultra订阅用户推出，不是所有人同一天都能看到。音频参考输入目前仍需加入白名单才能使用，这是Google Cloud公告里明确写的一条限制。换句话说，看到发布消息就默认所有功能立刻全量开放，是会踩坑的。不同地区、不同订阅等级、不同产品入口的实际体验可能有差别，使用前以产品内的实际提示为准。
谁已经在用：从广告平台到创作工具
Google在发布时列出了一批已经在用的客户，包括Artlist、FLORA、invideo、Krea、Picsart、Runway、Photoroom和QuickFrame AI。这些名字覆盖了素材平台、创意工具和广告制作等不同环节。Photoroom表示，1.2版本带来的15秒视频是用户呼声很高的需求，它用这个模型驱动视频广告制作器和产品动画工具。QuickFrame AI则提到，15秒生成支持1080p之后，一条完整的联网电视广告可以在一次生成里完成。invideo的评价更直接，称模型在内部评测中对提示词的跟随不错，物理效果和声音感觉真实，15秒意味着一个完整场景可以一次做完。
这些评价都出自Google官方公告引用的客户表述，不是独立评测机构的结论，引用时需要保留这个限定。它们的共同点在于，没有人把15秒本身当成终点，真正被反复提到的是参考图跟随、只改指定部分、一次生成一个完整场景。这也说明，AI视频的竞争正在从谁能生成更惊艳的单帧，转向谁能稳定交付、反复修改、成批生产。对靠内容吃饭的团队来说，后者才是能不能放进日常工作流的决定因素。
冷静一点看：15秒解决不了的几件事
第一，15秒仍然是短片。一次生成能讲完一个场景，不等于能讲完一个故事。更长的成片仍然要靠拼接、延长和人工剪辑，拼接处的连贯性、节奏和叙事，仍然是人的工作。第二，一致性是相对的。Google说减少了漂移和变形，但没有给出可以独立复核的对比基准。人物在大幅度运动、快速转身或者多人物同框时，是否还能保持稳定，需要用户自己拿真实素材去试，而不是只看官方演示。第三，声音和口型有进步，但多说话者的区分、方言、情绪和长对话的稳定性，仍然是容易出问题的环节。
第四，成本要按实际用量算。720p每秒0.07美元听起来很便宜，但如果一个项目要试几十版、每个版本都要高清放大，总价并不低。不同分辨率的计价方式不同，免费额度、订阅等级和产品内计费规则也不同，动手之前先在官方定价页确认当前价格，比记住一个数字更重要。第五，版权和真实性问题没有因为技术升级而消失。AI生成的视频带有SynthID水印，但水印不等于免责。用来做广告、做产品展示或者冒充实拍，都要遵守平台规则和广告法规，涉及真人肖像、品牌和商标时尤其要谨慎。
对普通用户和创作者意味着什么
对普通用户来说，最直接的变化在Google Vids和Gemini应用里。以前想做一条15秒的产品介绍或者节日祝福，可能要学剪辑、找素材、配音乐，现在可以用一张照片加一句话先出一个版本，再一句一句改到满意。对内容创作者来说，变化在于试错成本。以前改一次等于重做一次，现在改一次可能只是改一个局部，同一条视频可以更快地改出多个版本，去适配不同平台和不同受众。对广告主和电商卖家来说，变化在于批量化。产品照片可以直接变成视频广告，同一套素材可以快速换背景、换模特、换文案，测试哪一个版本转化更好。
对开发者来说，变化在于接口的稳定性。全面上线意味着可以正式放进产品里，而不是只在预览版里试水。Google Cloud提供的企业级基础设施和预置吞吐量，也是面向批量调用的信号。但这也带来一个现实问题，模型版本会迭代，旧版本会逐步退出，接入之后要留出迁移和测试的时间。官方公告里没有承诺1.2 Flash会长期保持不变，依赖单一模型版本做核心功能，本身就是一种风险。
和OpenAI、开源模型竞争的格局里，Google在打什么牌
把Gemini Omni 1.2 Flash放回2026年11月初的AI视频竞争里看，Google打的不是参数和画质的单点牌，而是价格、时长和工作流的组合牌。15秒加降价30%，瞄准的是每天要产出大量短视频的商家和创作者。多轮对话编辑瞄准的是反复修改的真实工作场景，而不是一次生成、一次惊艳的演示。把模型嵌进Flow、Vids、Gemini应用、Google Ads和Gemini API，则是把能力送到用户已经在用的地方，而不是等用户专门打开一个新工具。
这种打法也有代价。全面铺开意味着不同产品、不同订阅等级之间的体验会有落差，功能开放节奏也不一致。用户在Flow里看到的能力，未必能在Gemini应用里立刻用上，反之亦然。对Google来说，接下来要证明的不是能不能生成15秒，而是能不能在真实的高频使用中保持稳定、保持一致、保持价格优势。发布只是一个起点，真正的检验在接下来几周的用户反馈和实际产出里。
回到最初的问题，15秒短片生成意味着什么。短期看，它意味着一条社交广告、一个产品试穿片段或者一段解说，可以一次生成、反复修改、直接投放，中间少了很多重复劳动。中期看，它意味着AI视频正在从演示走向生产，评价标准从好不好看，变成改不改得动、稳不稳定、贵不贵。长期看，它意味着视频制作的门槛继续下降，更多人可以用照片和一句话做出像样的短片，但真正拉开差距的，仍然是选题、脚本、审美和对受众的理解。模型可以把15秒做得更长、更便宜、更稳定，但它代替不了决定这15秒讲什么的人。
本文内容仅供一般信息参考，不构成投资建议或安全建议，具体价格与功能以Google官方页面和产品内提示为准。
暂无评论内容