谷歌视频新模型双榜第一，力压Grok、Seedance，价格再砍三成

智东西11月6日报道，今天，谷歌DeepMind正式推出新一代视频生成与编辑模型Gemini Omni 1.2 Flash。这一新模型带来三大核心升级：原生15秒视频生成、多轮对话式编辑、更强的参考图遵循能力。

同时Gemini Omni 1.2 Flash价格较上一代Omni 1.1 Flash直降30%，720p视频生成价格降至每秒0.07美元（约合人民币0.46元）,仅为Seedance 2.5生成同等质量视频价格的不到1/3。

在大模型竞技场上，Gemini Omni 1.2 Flash在文生视频和图生视频两个榜单上都拿下第一的成绩，并在视频编辑榜单拿下第三的成绩，超过FLUX3 Video、Grok Imagine Video 1.5、Seedance 2.0、Seedance 2.5等模型。

Gemini Omni是谷歌在Veo视频生成模型之外开辟的一条新产品线，定位是“从任意模态创建和编辑视频”的统一模型，Omni Flash于今年6月底在Gemini API开启公开预览，8月底Omni 1.1 Flash接棒，并取代Gemini API中的Veo 3.1预览版。

谷歌分享了不少Omni 1.2 Flash的生成结果。这一模型原生支持最长15秒的视频生成与编辑，较Omni 1.1 Flash的10秒上限提升50%，且支持以1秒为步进、在3到15秒之间自由指定时长。

模型的参考遵循能力也明显增强。用户可以混合使用角色图、产品图、风格图、最长3秒的动作片段以及音频线索来引导生成，Omni 1.2 Flash能从头到尾在不同镜头角度下保持细节的一致。

官方演示中，仅凭一张模特照片加三套服装的正反面图，模型就生成了一段15秒虚拟试穿视频，涵盖360度转身和匹配剪辑，模特身份与每件服装的剪裁、垂感均保持一致。

在同题对比中，Omni 1.1 Flash对参考图的还原度明显不及Omni 1.2 Flash。

编辑方式上，Omni 1.2 Flash支持对话式多轮精修：换产品、换背景、改光线天气、切换画幅比例，都可以对同一段视频逐轮调整，而不必推倒重来，且支持完整的15秒片段。

演示中，通过多轮对话依次将背景从条纹帐篷换成橡树林、马厩、集市和石头城堡，两名角色的表演、盔甲反光和镜头构图始终不变。对需要为不同受众批量产出广告变体的团队来说，这一点尤其实用。

语音和运镜两个维度也有升级。Omni 1.2 Flash生成的对白更流畅自然，口型同步更清晰，并支持多说话人区分。

运镜方面，FPV穿越、大幅拉远、环绕等复杂连续镜头均可实现。官方演示完成了一次穿越广场、直上万神殿穹顶天窗的连续FPV飞行，全程零跳切。

目前，要使用这一模型，企业用户可通过Gemini API接入，或是在Google AI Studio、谷歌云控制台试用；普通用户可在谷歌的Gemini App、AI视频工具Flow、Google Vids中体验。

结语：画质差距逐渐缩窄

拼成本与工作流的时候到了

Gemini Omni 1.2 Flash的发布，折射出AI视频生成赛道竞争重心的改变。当各头部模型在画质上的差距逐渐收窄，单纯比拼生成质量的阶段正在过去，时长、价格、可编辑性与工作流整合成为新的竞争焦点。

而随着成本不断下探，像是广告素材的大规模A/B测试、电商SKU级的视频覆盖这些此前因成本而难以成立的场景，正在被视频生成模型逐一变为现实。

本文来自微信公众号“智东西”（ID：zhidxcom），作者：陈骏达，编辑：云鹏，36氪经授权发布。