模型發布
Google 發布 Gemini Omni 1.2 Flash 正式版:影片可生成 15 秒、單價降 30%,並支援對話式編輯
The Decoder單一來源
核實資料不足
目前依單一來源整理,這是來源數量描述,不是對消息真假的判定。
本次未取得足夠原文證據

Google DeepMind 宣布 Gemini Omni 1.2 Flash 影片生成模型正式開放使用。新版可生成 3 至 15 秒的片段,上限較前代的 10 秒提高;720p 影片每秒價格降至 0.07 美元,較前代下降 30%。使用者可透過持續對話編輯已生成的片段,例如在不重新生成整段的情況下調整背景、光線或畫面比例,Google 表示此功能可跨越完整 15 秒。搭配的分層工作流程是先以 360p 或 720p 產生草稿,再以後續編輯修正細節,最後僅對定稿升頻至 1080p 或 4K,以降低成本。
在參考影像一致性方面,Google 稱模型可接受角色圖片、商品照片、最長 3 秒的動作片段與音訊提示作為輸入,並宣稱在不同鏡頭角度下能維持臉部、服裝、包裝文字與品牌色的一致。Google 展示的虛擬試穿範例中,模型以一張人物照與三套服裝的商品圖,生成含 360 度轉身的 15 秒影片。官方亦表示,相較前代,動作與鏡頭轉場時的畫面漂移與變形有所減少;對話則更流暢、口型同步更清楚,並能區分多位說話者。此外,模型對 FPV 無人機飛行、大幅拉遠等複雜連續運鏡的處理有所改善,不必要的跳切明顯減少。
該模型透過 Gemini API、Google AI Studio、Google Cloud Console、Flow、Google Vids、Gemini 應用程式(限 Google AI Ultra 訂閱用戶)及 Google Ads 推出。所有生成影片都嵌入不可見的 SynthID 浮水印以標示來源。以上效能與一致性表現均為 Google 官方說法,目前僅見單一報導來源,尚未有獨立評測佐證。
讀原始報導背景
SynthID 是 Google DeepMind 的浮水印技術,目前已擴展到標記與辨識 Gemini 應用程式與網頁版生成的文字。Gemini Omni 是 Google DeepMind 的模型系列,其官方頁面引述評價稱 Flash 版本擅長生成與編輯具有動態鏡頭運動的畫面。