谷歌近日推出最新 AI 视频生成模型 Gemini Omni 1.2 Flash。该模型在保持高性价比的同时，显著提升了视觉一致性、指令遵循度、语音自然度及多轮对话编辑能力，支持生成长度为 3 至 15 秒的视频片段。

核心升级：更长时长与精准控制

相比上一代 Omni 1.1 Flash 仅支持 10 秒视频，新版模型将生成上限提升至 15 秒，增幅达 50%。用户无需强制生成满额时长，可在 3 至 15 秒区间内以 1 秒为增量精确自定义视频长度。

在视觉表现上，新模型强化了跨场景的一致性。无论是角色、道具还是环境，在镜头转换或运动过程中均能保持稳定，有效减少视觉漂移或形变。谷歌表示，这在构建多片段叙事或扩展视频序列时尤为关键，能确保从首帧到尾帧的元素统一。

编辑体验方面，Omni 1.2 Flash 引入了更深层的多轮对话式编辑功能。用户可在无需从头重来的情况下进行逐轮修改，并保留不希望更改的元素。这一改进使得制作面向不同受众的视频变体更加高效，无需重新提供简报或从零生成。

此外，该模型在语音生成上实现了更流畅自然的对话效果及准确的口型同步，并赋予用户对广角 FPV 穿越镜头、戏剧性拉远镜头等电影级画面的更多控制权。

可用性与访问权限

目前，Gemini Omni 1.2 Flash 正逐步上线多个谷歌应用，不同平台的访问权限存在差异：

Gemini 应用：仅限 Google AI Ultra 订阅用户使用，可创建完整的 15 秒视频。

Flow 与 Google Vids：免费用户可通过这两款应用体验部分新功能。其中，Flow 支持 " 直接指导场景并进行多轮编辑 "，Google Vids 开放了 15 秒视频生成功能。但其他高级改进是否惠及免费用户，谷歌尚未明确说明。

开发者与企业：开发者可通过 Gemini API 访问该模型，企业用户则可在 Google Cloud 控制台中试用。

谷歌透露，该模型未来有望向 Google AI Plus 和 Pro 用户开放，但具体时间表尚未确定。

【星途科讯 图文丨伊贝 首发于 ZAKER 科技，转载请注明出处】