- Gemini Omni 1.2 Flash 支持生成最長 15 秒的影片。
- 新模型提升了對參考內容的遵循能力,減少視覺漂移。
- 用戶可通過多輪對話逐步修改現有結果,無需重新生成影片。
- 免費用戶可在 Flow 中嘗試部分新功能,但未明確所有功能的可用性。
Google 於當地時間 11 月 5 日宣佈推出 AI 影片生成模型 Gemini Omni 1.2 Flash,該模型支持原生生成最長 15 秒的影片,並新增多輪對話式編輯能力。與上一代模型相比,其影片時長上限從 10 秒提升至 15 秒,增加了 50%。用戶可按 1 秒為單位,將生成時長設置在 3 秒至 15 秒之間。
提升內容一致性
Google 表示,新模型提升了對參考內容的遵循能力,能在多個鏡頭中更好地保持角色、物體、道具、場景和環境的一致性,減少運動及鏡頭切換過程中出現的視覺漂移或形態變化。這項能力也適用於首尾關鍵幀之間的插值,以及在原有片段基礎上繼續延長影片。
在編輯方面,Gemini Omni 1.2 Flash 允許用戶通過多輪對話逐步修改現有結果,無需重新提交完整需求或從頭生成影片。在修改過程中,模型會儘量保留用戶未要求調整的元素,便於針對不同受眾製作多個版本。
多輪對話式編輯功能
Google 還表示,新模型改善了語音生成效果,能輸出更流暢、自然的對話並匹配口型,同時增強了對第一視角飛行鏡頭、拉遠鏡頭等畫面形式的控制能力。在使用範圍方面,Google AI Ultra 訂閱用戶可通過 Gemini 應用生成 15 秒影片;開發者可通過 Gemini API 調用該模型,企業用戶則可在 Google Cloud 控制枱中使用。
免費用戶可在 Flow 中嘗試場景控制和多輪編輯功能,但 Google 未明確其是否能夠使用全部新功能。此外,Google Vids 也將免費提供 15 秒影片生成功能,其他改進是否面向免費用戶開放尚未明確。
新模型對影片生成的影響
Gemini Omni 1.2 Flash 的推出標誌著 Google 在 AI 影片生成技術上的一大步進。支持更長影片時長及多輪對話編輯,讓用戶能更靈活地創作內容,這對於需要快速生成多版本影片的行業尤為重要。隨著語音生成效果的改善,影片的整體質量也將提升,這對於提升用戶體驗和滿足市場需求非常關鍵。Google 的策略似乎是希望在競爭激烈的 AI 影片生成市場中,透過這些新功能吸引更多用戶。

