# 单次15秒高清连贯、价格暴降30%！Google DeepMind发布Gemini Omni 1.2 Flash：多轮对话局部重绘与Arena霸榜全景拆解

- Link: https://paooo.com/aigc-news/41570/
- Published: 2026-11-06T16:06:49+08:00
- Author: 站外新闻

> **💡 站外导读：**在 Sora、Gen-3 与 Runway 引爆的商业视频生成竞技场中，生成片段
> 过短（普遍仅 4-5 秒）、镜头跳切前后不一致、以及昂贵得令人咋舌的 API 推理费率，
> 一直是阻隔 AI 视频迈入工业级影视与商业广告流水线的最大门槛。Google DeepMind 今日
> 突然投下震撼弹，正式发布全新多模态视频生成旗舰 —— Gemini Omni 1.2 Flash。新模型
> 不仅将单次原生视频生成上限一举拉长至 15 秒，更首次引入了如“调色修图”般精准的多
> 轮对话局部编辑机制，同时将 720p 视频生成费率大降 30%。本文将全景深度解析其底层
> 架构演进与商业颠覆价值。

## 一、 告别“拼图式短片”：原生 15 秒长镜头与草稿升频策略

在现阶段绝大多数文生视频模型中，单次生成上限通常被锁死在 4 到 8 秒区间。当创作者
试图制作一条完整的 15 秒分镜头广告时，往往被迫采用“首尾相连”或“逐段外推（Video Inpainting/
Outpainting）”的拼接方式。这种拼图模式极其脆弱，极易导致第 8 秒后主角面部特征漂移、
光影突变或背景逻辑坍塌。

阅读目录

 * [一、 告别“拼图式短片”：原生 15 秒长镜头与草稿升频策略](https://paooo.com/aigc-news/41570/#%e4%b8%80-%e5%91%8a%e5%88%ab%e6%8b%bc%e5%9b%be%e5%bc%8f%e7%9f%ad%e7%89%87%e5%8e%9f%e7%94%9f-15-%e7%a7%92%e9%95%bf%e9%95%9c%e5%a4%b4%e4%b8%8e%e8%8d%89%e7%a8%bf%e5%8d%87%e9%a2%91%e7%ad%96%e7%95%a5)
 * [二、 杀手级能力：无需重抽的“多轮对话渐进式修改”](https://paooo.com/aigc-news/41570/#%e4%ba%8c-%e6%9d%80%e6%89%8b%e7%ba%a7%e8%83%bd%e5%8a%9b%e6%97%a0%e9%9c%80%e9%87%8d%e6%8a%bd%e7%9a%84%e5%a4%9a%e8%bd%ae%e5%af%b9%e8%af%9d%e6%b8%90%e8%bf%9b%e5%bc%8f%e4%bf%ae%e6%94%b9)
 * [三、 商业化降维打击：API 价格暴降 30% 与多端生态合围](https://paooo.com/aigc-news/41570/#%e4%b8%89-%e5%95%86%e4%b8%9a%e5%8c%96%e9%99%8d%e7%bb%b4%e6%89%93%e5%87%bbapi-%e4%bb%b7%e6%a0%bc%e6%9a%b4%e9%99%8d-30-%e4%b8%8e%e5%a4%9a%e7%ab%af%e7%94%9f%e6%80%81%e5%90%88%e5%9b%b4)
 * [四、 权威盲测霸榜：1541 分斩获文生与图生双料冠军](https://paooo.com/aigc-news/41570/#%e5%9b%9b-%e6%9d%83%e5%a8%81%e7%9b%b2%e6%b5%8b%e9%9c%b8%e6%a6%9c1541-%e5%88%86%e6%96%a9%e8%8e%b7%e6%96%87%e7%94%9f%e4%b8%8e%e5%9b%be%e7%94%9f%e5%8f%8c%e6%96%99%e5%86%a0%e5%86%9b)
       * [📝 站长洞察 (Editor’s Insight)](https://paooo.com/aigc-news/41570/#%f0%9f%93%9d-%e7%ab%99%e9%95%bf%e6%b4%9e%e5%af%9f-editor8217s-insight)

Google DeepMind 推出的 Gemini Omni 1.2 Flash 从底层架构上彻底重构了长视频时序表征，
带来了核心突破：

 * **原生 15 秒长镜头生成：**单次原生生成片段上限直接由上一代的 10 秒提升至 15 秒，
   并支持创作者在 3 秒至 15 秒之间任意指定持续时长，无需任何拼接触发；
 * **双阶段草稿与升频管线：**模型创新性地支持先以 360p 或 720p 极速规格产出“低成本
   视觉分镜草稿”，待导演或创作者确认运镜走位与节奏无误后，再调用无损升频模块将画面
   瞬间渲染至 1080p 或 4K 院线级分辨率；
 * **时序一致性飞跃：**通过增强的时序交叉注意力机制，彻底攻克了复杂动态下角色的跳
   切、畸变以及多主体交互时的肢体交错难题，同时在长镜头多说话人场景中实现了近乎完美
   的音频唇形同步（Lip-sync）。

## 二、 杀手级能力：无需重抽的“多轮对话渐进式修改”

对于专业后期剪辑师而言，过去生成式 AI 最令人崩溃的特性是其随机性与不可控性——只要
对视频中的背景颜色或某个人物配饰不满意，重新生成往往意味着整段画面面目全非。

  |  关键技术指标 |  Gemini Omni 1.1 Flash (前代) |  Gemini Omni 1.2 Flash (最新版) |  行业工业级影响 |  
   |  **单次原生视频时长** |  最大 10 秒 |  最大 15 秒 (支持 3~15s 任意指定) |  覆盖商业短视频、信息流广告黄金 15 秒标准镜头 |  
 |  **修改编辑工作流** |  单次盲抽，改动需整体重绘 |  多轮对话渐进重绘，局部精准锁定 |  支持定点更换背景、调整灯光色调、增删前景物体 |  
 |  **720p API 生成单价** |  0.10 美元 / 秒 |  0.07 美元 / 秒 (直接大降 30%) |  制作一条完整 15 秒 720p 视频仅需 1.05 美元 |  
 |  **Arena 盲测文生视频得分** |  1514 分 |  1541 分 (断层登顶全球第一) |  包揽盲测排行榜前三席位，确立多模态绝对话语权 |

![Google DeepMind发布Gemini Omni 1.2 Flash多模态视频生成与多轮对话编辑](https://
paooo.com/wp-content/uploads/2026/11/google-deepmind-gemini-omni-1-2-flash-video-
generation.avif)

图 3：Gemini Omni 1.2 Flash 多轮对话式局部微调与渲染控制管线

Gemini Omni 1.2 Flash 率先实装了如同与专业后期助理对话般的**多轮对话局部微调能力**：
创作者可以直接输入指令：“将背景中的阴天切换为夕阳逆光效果，同时保持主角奔跑的姿势
与衣服材质不变”，模型会在锁定主体时序潜变量的前提下，仅对背景环境光照进行渐进重构，
真正实现了影视级后期的高精度受控交付。

## 三、 商业化降维打击：API 价格暴降 30% 与多端生态合围

在发布当日，Google DeepMind 展现了令人惊叹的生态推进速度与商业侵略性：

 * **费率大幅跳水：**720p 视频的 API 价格从上一代的每秒 0.10 美元大幅下调 30% 至
   每秒 0.07 美元，一条 15 秒标准镜头成本仅约 1.05 美元（约合人民币 7.5 元），彻底
   颠覆了商业实拍与传统 3D CG 渲染的成本结构；
 * **多档分辨率梯队：**针对开发者提供了灵活的分档计费方案：360p 草稿每秒 0.023 美元、
   720p 每秒 0.070 美元、1080p 高清每秒 0.104 美元、4K 终稿每秒 0.209 美元；
 * **全矩阵平台齐发：**模型已全面上线 Gemini API、Google Cloud、Flow、Google Ads
   以及 Google Vids（在 Vids 中生成 15 秒视频完全不收额外费用），并同步登陆 fal、
   OpenRouter、Krea 和 Higgsfield 等主流第三方聚合平台。

## 四、 权威盲测霸榜：1541 分斩获文生与图生双料冠军

在第三方权威模型盲测平台 Arena 的首秀测评中，Gemini Omni 1.2 Flash 展现出统治级的
画面表现力：在 Text-to-Video（文生视频）评测中拿下 1541 分的高分，超越前代整整 27
分；同时在 Image-to-Video（图生视频）榜单中同样夺魁。随着新版本的全线实装，谷歌 
Omni 家族已经全面垄断了 Arena 视频生成榜单的前三甲。

#### 📝 站长洞察 (Editor’s Insight)

Gemini Omni 1.2 Flash 的亮相，标志着 AI 视频生成从“偶发性抽卡玩具”正式跨越到了“确定
性工业流水线”的技术分水岭。长达 15 秒的原生时长加上多轮对话编辑，直接解决了商业广告、
影视特效师最抓狂的“局部微调不可控”难题——客户提出修改意见时，创作者不再需要彻底推翻
重抽，而是能像对待人类剪辑师一样进行定向受控调优。更关键的是，720p 降至每秒 0.07
美元的定价策略，正在以极具攻击性的 Google 全球云原生基础设施规模优势，对缺乏底层
自研算力支撑的中小视频生成初创公司形成残酷的降维挤压。未来的视频内容生态中，单点
算法的微调优势将被大厂的“算力规模-低价-长时序一致性”闭环彻底抹平。