Google DeepMind 於 2026 年 11 月 5 日宣布推出 Gemini Omni 1.2 Flash，這是其影片生成模型的更新版本，新增原生 15 秒影片創作、更佳的參考一致性，以及多輪對話式編輯功能。該公司同時將模型價格較 Gemini Omni 1.1 調降 30%，720p 影片價格降至每秒 0.07 美元。

該模型自今日起在 Gemini API 與 Google Cloud 上正式供應，適用於正式環境需求，也可透過 Gemini for business 使用。根據 Google DeepMind 產品經理 Anish Nangia 的公告，此次更新降低了成本，同時為專業專案提供更好的一致性，且這些功能可在 Gemini API、Google Vids 與 Gemini for business 上使用，以規模化方式製作高品質影片內容。

本次發布的重點變更如下：

• 原生支援 15 秒影片創作，較 Gemini Omni 1.1 的 10 秒上限提升
• 多輪對話式編輯，可快速調整而無需從頭開始
• 改善角色、產品與風格的參考一致性
• 價格調降 30%，720p 影片為每秒 0.07 美元
• 於 Gemini API 與 Google Cloud 正式供應

大規模應用下快速且具成本效益

除了每秒價格調降之外，Google 表示周邊工作流程的設計也有助於壓低成本。使用者可以 360p 或 720p 解析度快速產生草稿影片，透過後續編輯修正個別細節，而無需重新生成整段影片，再將最佳作品放大至 1080p 或 4K。該公司將調降價格與優先編輯工作流程的組合，定位為以較低整體成本製作高品質影片內容的方式。對於需要為產出編列預算的團隊而言，這些數字可直接換算：30% 的降幅意味著 Gemini Omni 1.1 的價格為每秒 0.10 美元，即在 1.1 版下，最長 10 秒的影片成本為 1.00 美元，而 1.2 版 15 秒的上限現在成本為 1.05 美元——在上限處多支出 5% 即可獲得多 50% 的片長。由於計費依輸出長度計算，Google 指出另一個壓低總製作成本的方式，是透過後續編輯來修飾現有影片，而非重新生成。

影片長度最長可達 15 秒

Gemini Omni 1.2 Flash 可原生生成與編輯最長 15 秒的影片，較 Omni 1.1 的 10 秒上限有所提升。時長可用 3 至 15 秒、以一秒為單位指定，Google 表示這讓使用者有足夠空間講述完整故事、製作產品解說影片，或在單次生成中產出完整的社群廣告素材。

更佳的參考一致性

使用者可結合角色、產品或風格圖片、最長三秒的短動態片段以及音訊提示來引導生成。根據 Google 的說法，Omni 1.2 Flash 能從頭到尾保留這些細節：臉部、服裝、包裝字體與品牌色彩在各種鏡頭角度下都保持一致。該公司表示，這使得將現有產品攝影或角色設定圖轉換為虛擬試穿影片、型錄旋轉展示與品牌影片廣告變得更加容易。

在文中描述的一個範例中，結合單張模特兒照片與三套服裝的正反面產品照，模型可生成一段 15 秒的虛擬試穿序列，涵蓋 360 度轉身與匹配剪輯，同時保持模特兒的身分特徵以及每套服裝的剪裁、垂墜感與背面細節的一致性。

更一致的結果

Google 表示，該模型從第一幀到最後一幀都能維持更強的角色、物件與場景一致性，在動態與鏡頭轉換間的視覺漂移或形變更少。無論是在首尾關鍵影格之間進行插值，還是延伸影片以建構更長的序列，產品、角色、道具與場景都能在鏡頭之間保持一致。

該公司以相同的靜態攝影棚燈光展覽海報與五層動畫提示進行比較，說明兩者的差異。根據文章內容，Gemini Omni 1.1 Flash 對參考圖像的還原度不如 1.2 版。Gemini Omni 1.2 Flash 在灰粉色環景幕上逐層依序建構海報，升起六角形基座，組裝 HALO、GLOW 與 LUMEN 字樣的肋紋玻璃、暖色燈絲、切面水晶與螺旋線材字形，並在最終影格之前一致地鎖定每個材質、陰影與排版細節。

更輕鬆的對話式編輯

使用者可以逐輪修飾同一段影片——例如替換產品或背景、更改光線或天氣，或切換長寬比——而無需從頭開始。多輪對話式編輯適用於完整的 15 秒影片，Google 表示這讓針對不同受眾與投放位置製作廣告變體變得輕鬆，無需重新撰寫需求或重新生成。

在公告中引用的一項示範中，從一段生成的影片開始，一系列對話式提示逐輪更換背景——從條紋涼亭帳篷到橡樹林、有白馬的馬廄、市集，再到石造城堡——同時保持兩位角色的表演、盔甲反光與鏡頭構圖完好無損。

更自然的語音

根據 Google 的說法，該模型可生成更流暢自然的對白、更清晰的唇形同步，以及明確的多說話者條件控制。該公司表示，無論使用者是在 Flow 中指導多角色對話、在 Gemini for business 中製作影片解說，還是在 Google Vids 中以虛擬替身、音樂與旁白製作精緻的專業影片，都能感受到這些改進。

在其中一個範例中，基於單張溫室場景圖像，搭配四個角色與嘴部參考以及一秒鐘的語音參考，Gemini Omni 1.2 Flash 在 15 秒的動畫場景中將每個取樣語音分配給正確的角色，並呈現生動的唇形同步與自然的喜劇節奏。

更可控的電影感畫面

Google 表示，使用者可指導複雜且連續的鏡頭運動——從大幅的 FPV 穿越飛行到戲劇性的拉遠與環繞——不必要的跳接明顯減少，尺度更穩定，電影感也更強。

在一項展示範例中，模型在兩張建築參考照片的引導下，指導一次連續的 FPV 穿越機飛行，橫越廣場、穿過青銅大門，並向上穿越萬神殿的藻井穹頂直達圓孔，全程零跳接。

更長的影片、更流暢的動態與更緊密的一致性

Gemini Omni 1.2 Flash 可生成最長 15 秒的影片，且對參考細節的保留比以往更好。Google 表示，在更長的鏡頭、多輪編輯與轉場中，角色、文字與鏡頭運動都能保持一致且無剪接，並重點展示了以下幾項示範：

• **15 秒長影片：**將單一風格影格轉換為四個鏡頭、15 秒的微距科學解說影片，具備拼寫準確且具動態追蹤的標註。
• **多輪動態轉移：**模型在第一輪生成一隻起伏波動的章魚，接著在第二輪將其替換為一位舞者，其禮服裙襬精確呼應原本的流體動態。
• **首尾影格一致性（1.1 與 1.2 對比）：**1.2 Flash 以一次連續的推鏡將室外起始影格與室內結束影格連接起來。Google 指出仍有細微差異可見，例如屋頂上的貓，以及湯杓變成筷子等。
• **不中斷的急速拉遠：**鏡頭在單一 10 秒鏡頭內從緊貼的海岸線特寫連續拉遠至空拍島嶼景觀，尺度自然且零剪接。

實際應用成果：從創作者到全球品牌

根據 Google 的說法，企業、新創公司與創作者已在其工作流程中使用 Gemini Omni 1.2 Flash。Gemini Omni 也首次正式供應，背後有 Google Cloud 企業級基礎架構與安全性的支援。Provisioned Throughput（Google Cloud 為持續性工作負載確保預留模型容量的選項）現已可用，且輸出內容帶有不可見的 SynthID 浮水印——這是 Google DeepMind 用於標記 AI 生成內容的技術。

開始使用

Google 表示，開發工作仍在持續進行，以進一步改進快速運動賽事畫面、快速劇本變更與複雜物理等領域——這是該公司自身對仍需改進之處的說明，也為團隊在嚴苛製作情境下評估該模型提供了具體參考。該公司將 Gemini Omni 1.2 Flash 定位為非常適合以規模化方式製作影片的企業、開發者與創作者，並正逐步在 Google 的產品與開發者平台上推出：

• 使用 Gemini API 的開發者可在 Google AI Studio 中進行原型開發、探索互動式入門應用程式，並查閱開發者文件與定價。
• 企業可在 Google Cloud 控制台中試用該模型，並透過 API 建構企業級解決方案。
• Google 應用程式使用者可在 Flow 中指導場景與多輪編輯、以 Google 帳號或 Google Workspace 訂閱在 Google Vids 中免費生成 15 秒影片、在 Gemini 應用程式中製作 15 秒影片（正逐步向 Google AI Ultra 訂閱者推出），並在 Google Ads 中擴大影片廣告活動規模。

完整公告請見 Google DeepMind 部落格：Gemini Omni 1.2 Flash: Fast and cost-effective with longer clips。