人工智能视频生成与编辑领域迎来重要更新。Google DeepMind 正式发布了全新的多模态视频生成模型——Gemini Omni1.2Flash。该模型在生成时长、画面一致性、多轮对话修改以及 API 价格上均带来了全方位的重大升级。
核心性能升级:时长翻倍、一致性优化与多轮对话编辑
在核心功能方面，Gemini Omni1.2Flash实现了多项技术突破:
生成与编辑时长提升: 原生视频生成与编辑片段的上限从上一代的10秒正式延长至15秒，并支持在3秒到15秒之间由用户指定任意时长。
画质与草稿策略: 模型支持先以360p 或720p 的草稿规格进行快速生成，确认无误后再无缝放大至1080p 或4K 高清分辨率。
场景一致性与口型同步: 相比前代版本，新模型在角色、物体和场景随时间推移的视觉一致性上表现更强，有效减少了跳切等瑕疵，同时大幅提升了多说话人的口型同步精准度以及镜头运气的连贯性。
对话式渐进修改: 引入了强大的多轮对话编辑能力。用户无需每次都从头重新生成，而是可以直接在对话中逐轮对现有视频的主体、背景或光照进行精准替换与调整。
在发布当天，Gemini Omni1.2Flash便实现了全生态的大规模铺开:
官方平台矩阵: 该模型已同步登陆Gemini API、Google Cloud、Flow、Google Vids、Google Ads 以及 Google AI Studio。在移动端与网页端的Gemini App中，模型面向所有 Google AI 订阅用户开放，其中最长15秒片段的生成权限由 Ultra 订阅者专属享有;谷歌同时确认，在 Google Vids 中生成15秒视频将不产生额外附加费用。
第三方平台同步上线: 包括fal、OpenRouter、Krea和Higgsfield在内的多家主流第三方平台也于同日上线了该模型。其中，OpenRouter按照分辨率分档计价，360p 每秒0.023美元、720p 每秒0.070美元、1080p 每秒0.104美元、4K 每秒0.209美元，承诺与官方直连价格保持一致。
大幅降价让利: 整体来看，720p 视频的 API 价格较上一代 Omni1.1下降了约30%，调整至每秒0.07美元，折算下来制作一段15秒的720p 视频成本约合1.05美元。
权威测评首秀:强势登顶文生视频与图生视频双榜首
在第三方权威盲测平台Arena随后公布的测评成绩单中，Gemini Omni1.2Flash在首秀中便惊艳全场，一举摘下 Text-to-Video（文生视频）和 Image-to-Video(图生视频)双榜第一的桂冠。
其中，其在文生视频领域的得分达到了1541分，比上一代 Gemini Omni1.1Flash 高出27分。随着该模型的正式亮相与全线贯通，谷歌的 Omni 系列成功包揽了文生视频排行榜的前三名，进一步巩固了其在多模态生成领域的领先地位。
谷歌正式发布全新AI视频生成模型Gemini Omni1.2Flash，被视为推动AI视频迈向大规模商业制作的关键进展。该模型为前代升级版，在生成时长、场景一致性、多回合对话编辑及API定价上全面优化。单次视频生成最大时长由10秒提升至15秒，缓解长视频创作对多步拼接的依赖，并得益于底层效率提升。
字节跳动内测多模态视频生成模型Seedance2.0，整合图像、视频、音频和文本处理能力，提供“导演级”控制精度，显著提升内容创作效率与质量。
北京朝阳法院近日审结一起劳动争议，聚焦“用AI办公”边界。2024年7月，保险公司员工吴女士将自行整理的公司稽核问题数据表上传第三方AI平台，辅助制作PPT。此前其部门及直属领导多次推荐此类工具，称能提升效率。一个月后，公司以“严重违反信息安全规定”将其解雇，吴女士起诉。
11月4日，Perplexity推出“队友”功能，将个人AI代理从单次任务推进至复杂持续的工作管理。该功能基于Perplexity Computer的多模型与精准度，继Comet浏览器助理后，可在营销、销售、客服与运营中主动监控项目、跨工具和团队协调、处理后续跟进，并在多次执行间记住项目目标与上下文。
淘宝MNN团队开源手机端轻量化大语言模型MNN-Pocket-0.3B，参数约3亿，专为移动设备资源与任务设计。其以极低内存和能耗实现媲美云端的高速响应与综合能力，并采用极致轻量化设计，体积缩减近半，峰值内存控制在300MB以内，推动大模型在手机端落地。
关注 “悠AI” 更多干货技巧行业动态
相关文章
