谷歌DeepMind正式发布视频生成模型Gemini Omni 1.2 Flash,并首次在Gemini API和Google Cloud上全面开放。新模型将原生视频生成时长从上一代的10秒提升至15秒,支持3到15秒、以1秒为增量自由设定时长,可一次性完成完整叙事、产品讲解或社交广告制作。价格方面较Omni 1.1下调30%,720p视频生成价格为每秒0.07美元。工作流上支持以360p或720p快速起草、通过多轮对话式编辑修正细节,再将成品放大至1080p或4K,无需重新生成整段视频。模型对参考图的还原度显著提升,面部、服装、包装字体和品牌色彩可在不同机位与镜头转换中保持一致,适用于虚拟试穿、产品目录和品牌广告制作。语音方面实现更自然的对话、更清晰的口型同步和多说话人条件控制;镜头控制支持FPV穿越、变焦拉远等连续运镜,减少跳剪。所有输出均带有不可感知的SynthID水印,并提供预置吞吐量服务。用户可在Google AI Studio、Google Cloud控制台、Flow、Google Vids、Gemini应用及Google Ads中使用,其中Google Vids订阅用户可免费生成15秒视频。官方同时表示,快速运动捕捉和复杂物理模拟仍是后续待改进方向。
事件分析
核心观点:长时长、强一致性与对话式编辑三者兼备,AI视频生成正从演示玩具迈向可量产的商业制作管线,价格战将加速内容行业洗牌。
原文链接:Hacker News

评论前必须登录!
立即登录 注册