谷歌发布Gemini Omni 1.2 Flash：支持15秒视频生成，价格直降30%

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

视频生成模型长期受制于两大瓶颈：单次生成时长与跨镜头一致性。Gemini Omni 1.2 Flash将时长推至15秒并强化参考保持能力，意味着广告级、叙事级内容首次可在单次生成中完整闭环。多轮对话式编辑的引入，将视频生成从一次性抽卡模式转向迭代式生产流程，显著降低重生成成本，这与代码领域的Vibe Coding思路形成呼应。每秒0.07美元的定价对Runway、Sora等竞品构成直接价格压力，进一步降低中小企业批量制作视频内容的门槛。SynthID水印与预置吞吐量表明谷歌正将视频生成纳入企业级合规与安全体系，为商业化铺路。官方承认快速运动与复杂物理仍是短板，下一代模型的竞争焦点预计将集中在物理真实性、更长时长与细粒度可控性上。

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。