Gemini Omni 1.2：15秒视频降价30%

Google 在 11 月 5 日上线 Gemini Omni 1.2 Flash，把单次原生视频生成时长提升至 15 秒，并将价格下调 30%。新模型同时强化了多轮编辑中的人物、场景和动作一致性，正在向 Gemini、Google Flow 等产品推送，开发者与企业客户的 API 访问则按地区和账号逐步开放。

**Gemini Omni 1.2 Flash 是 Google 面向快速视频生成与对话式编辑推出的原生多模态模型。**它可以同时理解文字、图片、音频和视频素材，再直接生成或修改带有连续画面与声音的视频，而不是把语言模型、图像模型、视频模型和剪辑工具简单串在一起。

这次更新最值得关注的并不是单纯“多生成了几秒”，而是 Google 正在把 AI 视频从一次性抽卡，变成一种可以持续修改的内容对象。15 秒仍然拍不了完整广告，但已经足够覆盖大部分 Shorts、Reels、产品演示、教育片段和分镜预览；再叠加 30% 的降价，Omni 1.2 Flash 的实际生产价值明显高于一次画质跑分。

这次更新了什么

**Gemini Omni 1.2 Flash 的核心变化可以概括为更长、更稳和更便宜。**Google 在官方发布信息中确认，新版本支持原生 15 秒视频生成与编辑，提升跨镜头和多轮修改的一致性，并将使用价格降低 30%。

| 项目 | Gemini Omni 1.1 Flash | Gemini Omni 1.2 Flash | 实际影响 | |---|---|---|---| | 单次原生片段 | 以较短片段生成、再通过续写延长为主 | 最长 15 秒 | 减少拼接和续写次数 | | 视频延长 | 每次可续写约 10 秒，最长可扩展至 40 秒 | 保留长片段工作流，起始素材更长 | 更容易制作连续叙事 | | 编辑方式 | 支持有状态的多轮对话编辑 | 延续该机制并增强一致性 | 修改背景时更不容易改坏人物 | | 一致性 | 多轮后可能出现人物和细节漂移 | 重点强化角色、场景和动作连续性 | 降低返工概率 | | 定价 | 作为上一代价格基准 | 下调 30% | 更适合批量生成和反复迭代 | | 产品定位 | 快速生成与对话编辑 | 更长片段、更低成本的生产型模型 | 与 Veo 的专业影视定位进一步区分 |

**原生 15 秒视频是指模型一次生成完整的 15 秒时空序列，而不是把多个短片段在客户端拼接起来。**两者看起来都能得到 15 秒成片，但生成机制带来的结果并不相同：原生生成可以在更长的时间窗口内统筹镜头运动、人物动作、环境声音和事件顺序，拼接则容易在接缝处出现服装变化、空间跳变和音频断裂。

举个更实际的例子，一段“人物走进咖啡馆、坐下、打开信封并露出惊讶表情”的镜头，8 至 10 秒通常只能完成其中两三个动作。15 秒则足以容纳完整的进入、落座、交互和反应链条，创作者不必让每个动作都像短视频转场一样急促。

对话式编辑才是 Omni 的真正卖点

**有状态视频编辑是指模型能够记住上一轮生成结果，并在后续指令中只修改被点名的部分。**传统视频模型更像一台老虎机：提示词改一个词，整个视频都可能重新抽样；Omni 则试图像一名剪辑师那样，在同一段素材上持续工作。

一个典型流程可以是：先生成咖啡馆里读信的人物，再要求模型把场景换成屋顶露台，随后拉远镜头、增加城市环境声，最后把人物外套从灰色改成深藏青色。理想情况下，人物面孔、动作节奏、构图关系和没有被提及的物体都应保留，只改变用户指定的内容。

**这种局部修改能力比单次画质领先几个百分点更有商业价值。**广告和社媒团队最常见的需求不是从零生成一条完全不同的视频，而是调整背景颜色、产品位置、服装、镜头距离、字幕留白或地区版本。只要每次修改都要重新生成整条片子，审核成本就不会真正下降。

Google 此前在 Gemini API 的 Omni 工作流中使用 previous_interaction_id 维持会话和视频状态，开发者不必在每一轮重新上传完整视频。这个机制类似云端剪辑工程的版本引用：后一轮操作指向前一轮结果，模型据此保留上下文，再执行增量修改。

**Omni 1.2 Flash 强调的一致性，主要解决的是视频模型在时间轴上的“失忆”问题。**角色一致性不仅是面孔相似，还包括服装纹理、身高比例、手持物体、视线方向和动作因果；场景一致性则包括门窗位置、光源方向、桌面物品以及前一镜发生过的变化。

这类增强必须放到多轮任务里评价。第一轮生成一张漂亮画面并不难，难的是第四轮修改背景后，人物仍然是同一个人，杯子仍在原来的手里，信封没有凭空消失，环境声也能与新场景对应。Google 没有为此次一致性提升公布统一百分比，因此“更稳”目前更适合作为产品方向判断，而不是可直接横向比较的跑分结论。

降价30%，15秒片段成本接近此前10秒

**价格下调 30% 会直接改变多轮视频编辑的可用边界。**视频生成的成本并不只发生一次，真实项目往往需要四到十轮尝试，任何单轮价格变化都会被迭代次数放大。

上一版本公开使用成本通常被折算为每秒 720p 视频约 0.10 美元，10 秒片段约 1 美元。若按此次统一下降 30% 估算，新版相当于每秒约 0.07 美元，一段 15 秒视频约为 1.05 美元。

| 使用方式 | 上一代估算成本 | 降价30%后估算成本 | 节省金额 | |---|---:|---:|---:| | 生成10秒视频 | 1.00美元 | 0.70美元 | 0.30美元 | | 生成15秒视频 | 1.50美元 | 1.05美元 | 0.45美元 | | 15秒视频迭代4轮 | 6.00美元 | 4.20美元 | 1.80美元 | | 15秒视频迭代10轮 | 15.00美元 | 10.50美元 | 4.50美元 |

**新版最巧妙的地方，是把时长增加 50% 与单价降低 30% 同时推出。**按照上述估算，一段 15 秒的 Omni 1.2 Flash 视频约为 1.05 美元，只比此前约 1 美元的 10 秒片段贵 5%；用户花接近相同的钱，获得的原生时长却从 10 秒扩展到了 15 秒。

这些数字属于基于上一代公开折算成本和 30% 降幅的估算，而不是所有地区、分辨率和企业合同都适用的固定报价。正式使用前仍需核对 Google AI Studio 或 Google Cloud 控制台中的实时价格、配额、输出规格和地区政策，尤其不要把消费级订阅额度与开发者侧按量计费混为一谈。

它不是 Veo 3.1 的便宜版

**Gemini Omni 与 Veo 是 Google 内部两条定位不同的视频模型产品线。**Veo 继续面向影视级画面、复杂摄影语言和高保真生成，Omni Flash 更看重生成速度、素材混合、连续对话和低成本迭代。

| 模型 | 主要定位 | 强项 | 相对短板 | 更合适的场景 | |---|---|---|---|---| | Gemini Omni 1.2 Flash | 快速生成与对话编辑 | 多模态输入、状态保留、15秒原生片段、成本低 | 极致画质不是首要目标 | 社媒短片、概念验证、教育内容、产品演示 | | Veo 3.1 | 专业视频生成 | 影视感、镜头质感、视觉细节 | 通常成本和等待时间更高 | 品牌广告、电影预演、高规格视觉内容 | | Seedance 2.0 | 高质量视频生成 | 动作表现和物理效果具有竞争力 | 与 Google 工作流整合较弱 | 动作镜头、创意短片、独立生成任务 |

**如果目标是交付一条最终质感最高的品牌广告，Veo 3.1 仍然更像正确选择。**如果目标是在一小时内做出十个方向、逐轮修改镜头，并把结果快速送进 Shorts 或 Flow，Omni 1.2 Flash 的工作流效率更高。

这种差异很像专业摄影机与可随时修改的动态设计工具。前者追求单次拍摄上限，后者追求从想法到版本的周转速度。Google 把 Flash 放在模型名称里，也说明它并没有把自己包装成最高画质旗舰。

**Omni 1.2 Flash 对第三方视频平台的压力主要来自交互方式，而不是单帧画质。**大多数平台已经能够完成文生视频和图生视频，但不少所谓编辑功能，本质上仍是用新提示词重新生成。真正保留人物、镜头和场景状态的连续修改，会明显提高用户迁移成本，也会让单纯聚合多个模型的产品更难建立差异化。

15秒并不等于可以直接交付

**15 秒只是让模型进入可用区间，并没有消除生成视频的审片成本。**手部动作、快速运动、镜面反射、细小文字、品牌 Logo 和多人物交互依然是高风险区域，任何商业发布都需要逐帧检查。

此前 Omni Flash 的体验反馈还包括多轮编辑后的细节漂移、非拉丁文字生成不稳定，以及画质上限不及专业模型。1.2 的一致性升级可能缓解前两个问题，但在 Google 公布更完整的评测集和分辨率说明前，不应直接推断这些问题已经全部解决。

**企业使用时还需要把版权、肖像和音乐清权放在生成质量之前。**真人面孔、近似知名 IP 的角色、带有商标的产品和特定音乐风格，都可能引发额外的权利风险；用于付费广告时，团队还应保存输入素材来源、编辑记录和人工审核结论。

Google 会继续为生成内容加入 SynthID 水印。SynthID 是 Google 用于在媒体内容中嵌入机器可识别标记的技术，它不等同于肉眼可见的角标，也不能替代平台要求的 AI 内容披露。

谁现在最值得用

**Gemini Omni 1.2 Flash 当前最适合高频迭代、对15秒以内叙事有需求的内容团队。**产品经理可以用它制作交互概念片，电商团队可以快速替换背景和商品陈列，教师可以把静态示意图变成短动画，短视频创作者则可以在同一角色上测试多个版本。

以下场景会直接受益：

• 需要在同一人物和场景上连续修改四轮以上；
• 需要把文字、参考图片、音频和已有视频混合输入；
• 成片主要投放到 Shorts 等竖屏短视频渠道；
• 更看重版本周转速度，而不是每一帧的电影级质感；
• 需要将10秒左右的创意扩展为完整的15秒叙事单元。

以下场景则不应只依赖 Omni 1.2 Flash：

• 需要稳定生成可读的复杂中文文字；
• 需要大量高速动作、群体运动或精确物理交互；
• 需要严格还原真实人物、品牌产品和受版权保护角色；
• 需要一次生成即可直接投放的高预算商业广告；
• 项目要求固定分辨率、色彩空间或专业后期交付标准。

上线范围与使用判断

**Gemini Omni 1.2 Flash 正在 Google 自有内容生态内逐步铺开。**按照 Google 本次说明，Google AI Plus、Pro 和 Ultra 订阅用户可通过 Gemini 应用与 Google Flow 体验相关能力，YouTube Shorts 和 YouTube Create 则会向符合条件的成年用户逐步提供部分免费功能。

开发者和企业客户需要注意，产品界面已经上线并不代表所有地区的 API 配额会同步开放。模型标识、速率限制、输入格式和视频编辑能力应以 Google AI Studio 与 Gemini API 控制台当日显示为准，不宜根据旧版预览模型名称硬编码生产流程。

**Gemini Omni 1.2 Flash 是一次比参数看起来更重要的更新。**15 秒解决了短片叙事过于局促的问题，30% 降价抵消了更长视频带来的成本增长，而更强的一致性则决定它能否从演示工具进入实际制作流程。

它可能仍不是画面最精美的视频模型，但目前更接近一名响应快、费用可控、能够听懂修改意见的 AI 剪辑师。对于真正需要每天产出内容的团队，这种工作流优势往往比赢下一张静态截图的画质对比更有用。

参考来源

• Google Gemini Cookbook：Google 官方维护的 Gemini 示例与多模态工作流资料，可用于核对 Gemini 模型能力和开发方式。
• Google Gen AI Python SDK：Google 官方生成式 AI SDK 仓库，可用于跟踪 Gemini API 支持范围、版本变化与兼容性说明。

本文核心发布信息依据 Google DeepMind 与 Google 于 2026 年 11 月 5 日发布的 Gemini Omni 1.2 Flash 官方公告整理；价格换算部分为基于上一代公开成本和官方所述 30% 降幅的估算。