故事创作者
规划有对白且起承明确的短篇人物场景。
Gemini Omni 1.2 Flash 可根据参考素材生成场景与对话,支持更长的视频片段,并通过后续指令调整同一场景,无需从头再来。
浏览这些视频案例,再用起始提示词创作自己的版本。
Gemini Omni 1.2 Flash
动态时尚展示
Gemini Omni 1.2 Flash
同一场景,不同世界
Gemini Omni 1.2 Flash
动画角色对话
Gemini Omni 1.2 Flash
飞越万神殿
Gemini Omni 1.2 Flash
走进蜂巢
Gemini Omni 1.2 Flash
从海岸到整座岛屿
Google DeepMind 推出的视频模型,可生成场景并通过对话进行修改。
Google 于 2026 年 11 月 5 日发布 Gemini Omni 1.2 Flash,将原生视频生成时长扩展至 15 秒,并改善了参考素材遵循度、场景一致性和语音对白。
该模型将生成与修改结合在同一流程中:
高速体育动作、突然的剧情变化和复杂物理效果,仍是 Google 正在改进的方向。
用于生成和优化视频的六项能力。
一次生成即可构建短片段,时长可在 3 至 15 秒之间按 1 秒递增选择。
通过对话修改同一片段的背景、产品或光线。
结合图片、简短动作参考和音频提示来引导结果。
此次更新旨在减少帧与帧之间人物、物体和环境的变化。
改进的语音和口型同步有助于编排多角色对话。
引导连续的镜头路径、拉远和环绕运动,减少非预期切镜。
通过明确的创作指引,探索故事、解释想法并优化视觉概念。
规划有对白且起承明确的短篇人物场景。
根据场景描述和参考素材制作简短的视觉讲解。
探索视觉概念动态呈现的效果,并继续调整场景。
围绕产品参考素材生成不同版本,无需重写整份创作说明。
只需三步,将清晰的场景构想变成视频。
写明主体、动作和镜头方向,添加参考图片以引导视觉风格或构图。
在生成器中选择模型,再设置视频的宽高比、时长和分辨率。
生成视频、检查结果,再调整提示词制作下一版。分享前核对人脸、文字和动作。
Gemini Omni 1.2 Flash 的主要能力和技术参数。
| 开发方 | Google DeepMind |
| 发布日期 | 2026 年 11 月 5 日 |
| 模型类型 | 视频生成与对话式编辑 |
| 原生时长 | 3–15 秒,按 1 秒递增 |
| 草稿分辨率 | 360p 或 720p |
| 超分辨率放大 | 1080p 或 4K |
| 参考输入 | 图片、最长 3 秒的动作片段及音频提示 |
| 音频 | 支持多说话人条件控制的对白 |
| 来源标识 | SynthID 水印 |
更新日期: 2026年11月10日
聚焦 Google 在 1.2 发布公告中描述的变化。
| 能力 | Gemini Omni 1.1 Flash | Gemini Omni 1.2 Flash |
|---|---|---|
| 最长原生片段 | 10 秒 | 15 秒 |
| 参考素材遵循度 | Google 对比中采用的早期版本 | 在 Google 对比中遵循度有所提升 |
| 覆盖 15 秒片段的编辑 | 未列明 | 多轮对话式编辑 |
Gemini Omni 1.1 Flash 的优势: 适合较短场景的上一代选择;发布公告并未表明它在每项任务上都优于 1.2。
Gemini Omni 1.2 Flash 的优势: 更长的片段和更好的参考遵循能力,为场景构建与修改提供更多空间。
如果重视片段时长和迭代编辑,可以考虑 1.2。请比较实际场景的输出,不要假定某个版本总能生成更好的视频。
为视频项目选择合适的套餐。生成器会在创作前显示所选模型和设置对应的积分消耗。
了解视频创作、参考素材、编辑、输出质量和积分。
在 Picir AI 打开 Gemini Omni 1.2 Flash AI 视频生成器 页面,输入场景描述,在生成器中选择模型和设置,即可开始创作。
Gemini Omni 1.2 Flash 由 Google DeepMind 开发。Google 于 2026 年 11 月 5 日发布了这一版本。
Google 公布的原生生成和编辑时长最长为 15 秒,可在 3 至 15 秒之间按 1 秒递增选择。
该模型支持后续对话式编辑。你可以要求调整场景环境或光线等细节,无需重新撰写创作说明。
Google 描述的流程是先以 360p 或 720p 生成草稿,再将选中的结果放大至 1080p 或 4K。超分辨率放大不等于原生 4K 生成。
积分消耗取决于生成器中选择的模型和设置,包括时长、分辨率等。生成前查看显示的消耗,并选择适合项目的套餐。
不能。请检查生成的语音、文字、人物一致性和动作。Google 将高速动作和复杂物理效果列为仍需改进的方向,输出也带有 SynthID 水印。
按清晰的顺序描述主体、动作、环境和镜头运动。需要视觉一致性时使用参考图片,优化结果时每次只调整提示词的一部分。