上线即霸榜，Omni系列包揽前三
谷歌DeepMind这次直接扔出王炸：新一代视频生成模型Gemini Omni 1.2 Flash全量上线，不需要排队申请，开发者、企业和普通创作者打开Google AI Studio或者Gemini API就能直接调用。
根据第三方平台Arena.ai的评测，新模型在文生视频、图生视频两个赛道都拿下第一，视频编辑赛道排名第三。其中文生视频项拿到1541分，比第二名的上代1.1版本高出27分，Omni系列直接包揽了该榜单的前三名。
基础能力上这次升级也相当扎实：
- 原生文生视频时长提升至15秒，自带音频，支持编辑最长15秒的源片段
- 单次调用可延长3-10秒片段，最长拼接可达30秒
- 支持360p/720p/1080p/4K分辨率，覆盖16:9横屏、9:16竖屏两种主流画幅
- 最多支持7张参考图像，还能通过videoId反复编辑已生成的内容
首创「草稿流」，每秒成本仅5毛钱
过去AI视频生成一直被创作者吐槽三大痛点：抽卡成本高、改细节等于重抽、没法批量量产。这次Gemini 1.2 Flash几乎是对着痛点精准优化，核心就是「低成本打样、按需升频」的全新工作流。
具体流程分为三步：
- 低清打样：先用360p或者720p快速出初稿，这个档位每秒生成成本只要0.07美元（约合人民币5毛钱），相比上代直接降价30%
- 局部调试：草稿阶段发现手指崩了、镜头歪了这类问题，直接针对瑕疵修改就行，不用重新生成整段视频，浪费算力
- 一键升频：等构图、运镜、节奏全部调整满意后，再把最终版本渲染成1080p甚至4K分辨率
【编辑观察】之前做15秒商业广告试错20次可能要花上百美元，现在前期验证全部走低清草稿档，总成本能压到原来的三分之一甚至更低，小团队和个人创作者也能负担得起批量试错的成本了。
除此之外新模型还加了多轮对话式编辑功能，不用跳出对话框就能快速生成适配不同平台的广告变体；多模态参考能力也全面升级，可以同时传入角色肖像、商品图、3秒运动参考片段、音频节奏点等多重锚点，生成结果可控性高了很多。
官方还专门强化了电影级运镜和三维空间理解能力，无论是无人机穿拱门还是贴地飞行的镜头，透视和光影都能保持稳定。多角色对话场景也做了优化，口型和发音精准匹配，不会再出现A角色张嘴出B声音的尴尬情况。
全网实测：这些升级真的不是PPT功能
新模型上线几小时，全球创作者就晒出了大量实测内容，几个代表性测试很能说明实力：
1. FPV运镜稳定性对比
有博主用相同提示词对比了1.1和1.2版本的罗马斗兽场穿梭镜头：上代1.1穿过立柱阴影时出现了明显的画面闪烁、立柱扭曲，而1.2版本整个穿梭过程一气呵成，石砖纹理、光影交界没有任何断裂，透视稳定性提升非常明显。
2. 单提示词野生动物纪录片测试
有创作者仅用一条自然语言提示词，就生成了完整的野生动物纪录片片段，动物动作、环境音效和真实拍摄几乎看不出差别，不少网友看完直呼逼真度不可思议。
3. 角色一致性压力测试
博主masamune_sakaki直接拿游戏《三角洲行动》的角色德尔塔蒙做测试，让角色跳舞、跑酷，全程角色设计没有崩坏，动作流畅自然，背景细节也保持了很高的水准。博主表示如果成本持续下探，未来甚至可以用来制作长篇动画。
还有创作者测试了多风格角色同框效果：定格动画风的哥斯拉、写实3D风的金刚、漫画风的蜘蛛侠、动漫风的皮卡丘在同一个场景互动，不同风格的融合非常自然，没有违和感。
AI视频告别「盲盒时代」
回顾AI视频的发展历程，最早大家拼的是「能不能动」，人物能转头眨眼就能刷屏；第二阶段拼的是画质，几秒高清镜头就能惊艳全网。 而Gemini Omni 1.2 Flash的出现，正式把行业推到了第三阶段：不再拼单一的画质炫技，而是拼成本、拼工作流适配、拼批量交付能力。当试错成本降到足够低、修改不再需要全部重抽，AI视频才真正从「抽卡玩具」变成了能落地的生产力工具。
0
评论