Google 于当地时间 11 月 5 日宣布推出 AI 影片生成模型 Gemini Omni 1.2 Flash,该模型支持原生生成最长 15 秒的影片,并新增多轮对话式编辑能力。与上一代模型相比,其影片时长上限从 10 秒提升至 15 秒,增加了 50%。用户可按 1 秒为单位,将生成时长设置在 3 秒至 15 秒之间。
Google 表示,新模型提升了对参考内容的遵循能力,能在多个镜头中更好地保持角色、物体、道具、场景和环境的一致性,减少运动及镜头切换过程中出现的视觉漂移或形态变化。这项能力也适用于首尾关键帧之间的插值,以及在原有片段基础上继续延长影片。
在编辑方面,Gemini Omni 1.2 Flash 允许用户通过多轮对话逐步修改现有结果,无需重新提交完整需求或从头生成影片。在修改过程中,模型会尽量保留用户未要求调整的元素,便于针对不同受众制作多个版本。
Gemini Omni 1.2 Flash 提供多轮对话式编辑功能
Google 还表示,新模型改善了语音生成效果,能输出更流畅、自然的对话并匹配口型,同时增强了对第一视角飞行镜头、拉远镜头等画面形式的控制能力。在使用范围方面,Google AI Ultra 订阅用户可通过 Gemini 应用生成 15 秒影片;开发者可通过 Gemini API 调用该模型,企业用户则可在 Google Cloud 控制台中使用。
免费用户可在 Flow 中尝试场景控制和多轮编辑功能,但 Google 未明确其是否能够使用全部新功能。此外,Google Vids 也将免费提供 15 秒影片生成能力,其他改进是否面向免费用户开放尚未明确。
H
关于作者
Henderson

