谷歌推出Gemini Omni 1.2 Flash，支持15秒视频生成

谷歌宣布发布Gemini Omni 1.2 Flash，这是其多模态视频生成和对话编辑平台的更新，现在可以通过Gemini API和Google Cloud使用。新版本引入了本地15秒视频创建、多轮对话编辑，并改进了参考的一致性，同时与前身Gemini Omni 1.1 Flash相比，成本降低了30%。

主要功能和改进

Gemini Omni 1.2 Flash使用户能够生成和编辑最长达15秒的视频，比之前的10秒限制增加了50%。用户可以在3到15秒之间以每秒一秒的增量指定时长，从而在叙事、产品解释和社交媒体广告中提供更多灵活性。720p视频输出的定价为每秒$0.07，使得15秒的短片在额外费用之前成本为$1.05。

该平台还增强了参考的一致性，在不同的镜头角度之间保持面孔、服装、排版和品牌颜色的一致性。例如，谷歌演示了生成15秒虚拟试穿序列，保持了模特的身份和服装细节，跨越了360度的转角和剪接。

多轮对话编辑允许用户迭代地完善片段，而无需从头开始。此功能支持诸如交换背景、改变光照或调整宽高比等调整，使得为不同受众和平台制作广告变体更加容易。在一次演示中，谷歌展示了如何逐次修改单个片段，以特征设定不同的场景，同时保持角色和场景的一致性。

增强的电影和对话能力

Gemini Omni 1.2 Flash引入了更流畅、自然的对话，改进了口型同步和清晰的多讲者条件。在一个例子中，该平台使用声音和角色参考生成了一个15秒的动画场景，具有生动的口型同步和喜剧时机。此外，更新支持复杂的相机移动，例如连续的FPV飞行和电影级的变焦，减少了跳切并提供更稳定的过渡。

谷歌强调了该平台在较长片段和过渡中保持一致性的能力。例如，一个单独的15秒宏观科学解释视频创建了运动跟踪的标注，并保持了文本和相机移动的一致性。

应用和企业功能

企业和开发者已经将Gemini Omni 1.2 Flash集成到他们的工作流程中。该平台以谷歌云的企业级基础设施为支持，提供诸如预置吞吐量和不可察觉的SynthID水印等功能。QuickFrame AI的首席技术官Richard Girges表示，在一次性生成完整的15秒连接电视广告方面的能力是广告工作流程的一项重大进展。

开发者可以通过Gemini API访问Gemini Omni 1.2 Flash，Google AI Studio和Google Cloud控制台中提供资源。该平台旨在支持可扩展的视频制作，非常适合企业、初创公司和创作者。