全面开放:谷歌亮出视频生成新底牌
2026年11月05日,谷歌正式宣布Gemini Omni 1.2 Flash视频生成模型进入GA(General Availability)阶段,在Gemini API及面向企业的Gemini for Business平台全面开放。这意味着开发者、广告代理、品牌团队不再需要申请内测资格,即可直接调用该模型进行视频内容的批量生成与编辑。
从行业背景来看,视频生成赛道在2025至2026年间竞争异常激烈。Sora、Runway、Pika、Kling等模型相继刷新能力边界,而谷歌选择以"全平台开放+显著降价"的组合拳切入,将竞争焦点从单纯的技术能力比拼转向商业可用性与规模化成本。此次1.2 Flash的GA发布,是谷歌DeepMind团队对视频生成"从实验到生产"这一关键拐点的正式回应。

15秒原生生成与30%降价:搅动市场格局的利刃
新版模型最直观的两个变化是:原生视频时长从10秒提升至15秒,以及720p视频生成价格从上一代Gemini Omni 1.1 Flash下调30%,降至每秒0.07美元。
这一价格调整并非小修小补。一条15秒的720p视频生成成本约为1.05美元,折合人民币不足8元。对于需要日产出数百条广告素材的电商平台或短剧公司而言,这一价格意味着单条内容的生成成本几乎可以忽略不计。相比之下,部分竞品模型每秒定价仍在0.10至0.15美元区间,谷歌的30%降幅直接拉开了成本差距。
从市场竞争格局看,降价叠加时长扩展,相当于"多给25%的内容、少收30%的费用",这对中小团队和长尾开发者极具吸引力。可以预见,视频生成工具的用户门槛将进一步下探,"人人都能产出可用视频"的时代加速到来。
多轮对话编辑与参考遵循:让角色和品牌"不崩脸"
此前视频生成模型的一大痛点是:同一角色在不同镜头中面部特征漂移、服装变化、品牌配色不一致,导致商业素材无法直接使用。Gemini Omni 1.2 Flash通过两个核心能力应对这一问题。
- 多轮对话式编辑。用户不再需要一次性撰写完整prompt,而是可以像与编辑对话一样,分多轮指令逐步调整画面:"把第二段背景换成海边""第三镜头中人物的夹克改成深蓝色"。每一轮修改都基于前一轮结果进行增量调整,而非推倒重来。
- 更强的参考遵循(Reference Following)能力。用户可输入产品图、角色设定图或品牌色板作为参考,模型在生成时严格保持面部特征、服装细节及品牌色彩在不同镜头间的一致性。对于需要跨多个镜头展示同一虚拟模特穿着同一品牌服装的场景,这一能力直接决定了成片是否可用。

虚拟试穿与广告片段:图片与音频线索驱动的创意灵活性
在实际商业场景中,图片与音频线索的引导能力让创作流程变得极为灵活。以虚拟试穿为例:设计师上传一张服装平铺图和一张模特参考图,再附上一段品牌调性背景音乐作为音频线索,模型即可生成模特穿着该服装的15秒试穿视频,且服装颜色、材质纹理与参考图保持高度一致。
广告制作流程中,品牌方提供一组产品静物摄影和一段15秒的品牌Jingle(品牌音效),AI即可据此生成带有匹配节奏感的广告片段,省去传统制作中分镜、拍摄、配音、剪辑的多个环节。创作者无需具备专业影视技能,只需提供"图片+音频"两类素材,即可驱动出风格统一的商业级视频内容。
先低清起草、后高清升级:避免重新生成的新工作流
Gemini Omni 1.2 Flash引入了一套分阶段工作流:创作者可先以360p或720p快速起草视频片段,确认构图、节奏和叙事无误后,再对细节进行精修,最终升级至1080p甚至4K分辨率。
关键区别在于,这一升级过程无需重新生成整个片段。模型基于已确认的低清草稿进行分辨率和细节增强,而非从头推理。这意味着创作者可以在低成本阶段反复迭代创意,将昂贵的4K生成留给最终定稿,大幅减少"生成后不满意、整段重来"的浪费。
成本压缩与规模化生产:从"能不能用"到"能不能量产"
将价格与工作流结合来看,实际成本压缩效果更为显著。假设一条15秒广告最终需要4K输出,但创作过程中在720p阶段进行了5轮草稿迭代,每轮成本仅为最终4K生成的一小部分。按720p每秒0.07美元计算,15秒草稿成本约1.05美元,5轮迭代总成本不过5.25美元,而最终4K升级仅需一次额外调用。
对于需要日产数百条素材的电商运营团队,这一流程将单条素材的综合制作成本压至几元人民币级别,同时把"从创意到成片"的周期从数小时缩短至数分钟。规模化生产效率不再受限于人力和场地,而是受限于算力配额和创意输入速度。

对比传统制作:AI生成在商业落地中的成本与周期优势
传统商业广告制作涉及脚本、分镜、选角、拍摄、灯光、录音、剪辑、调色、后期合成等环节,一条30秒TVC(电视广告)的市场报价通常在数万至数十万元,周期从数周到数月不等。即便是短视频平台上的"快消型"广告素材,传统制作一条15秒横版视频也需数千元、数天时间。
而借助Gemini Omni 1.2 Flash,同一规格的15秒720p视频生成成本约为1美元出头,修改迭代可在分钟级完成。行业分析数据显示,AI视频生成相关市场在2025至2026年间正经历爆发式增长,多家机构将其规模预期推向百亿美元量级。谷歌此次降价与全面开放,进一步加速了这一趋势的商业落地节奏,让中小企业和独立创作者也能以极低成本获得接近专业水准的视频产出。
技术局限:长视频逻辑与复杂物理模拟仍是短板
尽管1.2 Flash在15秒时长内表现稳健,但当前AI视频生成模型在两个维度仍存在明显局限。
一是长视频的逻辑连贯性。15秒是原生上限,若拼接为60秒甚至更长的叙事视频,跨片段的人物行为逻辑、情节因果链仍可能出现断裂。模型缺乏真正的"故事理解"能力,更多是在视觉风格层面保持一致,而非在叙事语义层面维持连贯。
二是复杂物理模拟。涉及液体飞溅、布料自然垂坠、多物体碰撞等场景时,当前模型的物理引擎表现仍不够稳定,容易出现穿模、形变异常或运动轨迹不合常理的情况。对于需要高度物理真实感的工业模拟或体育类内容,AI生成尚无法完全替代专业VFX团队。
民主化与未来:AIGC内容创作的新起点
谷歌将Gemini Omni 1.2 Flash以GA形式在API和商业平台全面开放,本质上是AIGC内容创作民主化进程中的又一关键节点。当视频生成的边际成本趋近于零、创作门槛降至"上传图片加写几句话"时,内容生产的主导权正在从专业影视公司向品牌方、营销团队乃至个人创作者转移。
展望未来,视频生成技术的演进方向将集中在三个维度:一是时长与叙事能力的持续扩展,从15秒向1分钟、数分钟的连贯叙事迈进;二是多模态深度整合,将3D资产、实时物理引擎与生成模型结合,解决物理模拟短板;三是交互性与实时性,支持用户边看边改、实时驱动角色与场景,最终走向"AI导演+人机协作"的全新创作范式。谷歌此次以降价和开放为策略,正在为这一愿景铺设最关键的商业基础设施。
© 本文著作权归作者所有,并授权 迈科智能 独家使用,未经许可不得转载使用。