Google DeepMind 正式宣布推出 Gemini Omni 1.1 Flash，这是一款专为开发者打造的生成式视频模型更新，现已通过 Google AI Studio 和 Gemini Enterprise Agent Platform 向企业用户开放。该模型旨在解决生成式视频在实际工作流中的可控性与成本问题。核心功能方面，新模型支持将现有视频片段无缝扩展，最长可生成 40 秒的连续内容，并能分析长达 10 秒的前文语境以确保视觉与叙事的连贯性。同时，开发者可以指定视频的首帧和尾帧，由模型自动生成中间过渡画面，从而实现专业的电影级运镜效果。为了降低开发门槛，该模型引入了 360p 分辨率的快速预览模式，生成速度比标准 720p 提升 60%，成本降低约三分之二，最终成品支持升级至 4K 分辨率。此外，新版本还支持上传最长 3 秒的视频参考素材以维持角色一致性。目前，Adobe Firefly、Figma Weave 和 Runway 等创意平台已宣布集成该技术。
事件分析
本次更新的核心价值在于将生成式视频从“单一提示词生成”推向了具备工程精度的“可控生成”阶段。首尾帧插值技术填补了动态运镜的技术空白，使得 AI 视频能够适应专业的影视制作管线。引入低分辨率快速迭代机制（360p 预览）是对开发者工作流的深刻理解，显著降低了试错成本与算力消耗。通过与 Adobe Firefly 和 Runway 等行业标杆工具的深度集成，谷歌正试图将 Omni 模型确立为创意软件的基础设施，推动 AI 视频从实验室演示走向工业化生产环境。
核心观点：视频生成正从“玩具”变为“工具”，首尾帧控制与分层渲染是通向专业化生产的关键一步。
原文链接：Hacker News
评论前必须登录！
立即登录 注册