网通社科技快报
谷歌发布Gemini Omni 1.2 Flash 支持15秒视频生成与对话编辑
谷歌近日正式发布Gemini Omni 1.2 Flash视频生成模型，核心升级为单次生成视频时长从10秒提升至15秒，增幅达50%，并首次引入多轮对话式编辑功能。该模型在视觉一致性、参考遵循能力与语音自然度方面均有优化：用户可基于初稿以自然语言指令局部修改内容，如‘让主角转身’‘背景换为雨天’，系统将理解上下文并重绘对应片段，大幅降低试错成本。技术层面，模型通过强化时序建模与跨帧注意力机制，减少角色漂移与场景突变问题，提升帧间连贯性。
部署方面，AI Ultra订阅用户可通过Gemini App直接调用完整功能；免费用户则可通过Flow（AI工作流平台）与Google Vids（轻量视频工具）体验基础版15秒生成及简单编辑，受限于算力配额。此次更新嵌入谷歌整体AI战略——Gemini作为系统级智能体，已深度集成Search、YouTube、Maps等服务，支持生成内容一键流转至Vids剪辑或YouTube发布。硬件端亦同步推进，如XREAL AURA AR眼镜集成Gemini实现场景感知与动态生成。
谷歌延续分层模型策略：Flash定位轻量实时场景，Ultra面向专业长视频需求。对比行业，其在公开可用模型中率先实现时长扩展与对话交互结合。尽管15秒仍短于主流短视频时长，且普通用户需适应提示工程，但该模型正推动视频生产流程向‘脚本→AI生成→人工微调→发布’演进，教育、电商与独立创作者将率先受益。目前已在部分区域上线，免费通道预计数周内开放。
部署方面，AI Ultra订阅用户可通过Gemini App直接调用完整功能；免费用户则可通过Flow（AI工作流平台）与Google Vids（轻量视频工具）体验基础版15秒生成及简单编辑，受限于算力配额。此次更新嵌入谷歌整体AI战略——Gemini作为系统级智能体，已深度集成Search、YouTube、Maps等服务，支持生成内容一键流转至Vids剪辑或YouTube发布。硬件端亦同步推进，如XREAL AURA AR眼镜集成Gemini实现场景感知与动态生成。
谷歌延续分层模型策略：Flash定位轻量实时场景，Ultra面向专业长视频需求。对比行业，其在公开可用模型中率先实现时长扩展与对话交互结合。尽管15秒仍短于主流短视频时长，且普通用户需适应提示工程，但该模型正推动视频生产流程向‘脚本→AI生成→人工微调→发布’演进，教育、电商与独立创作者将率先受益。目前已在部分区域上线，免费通道预计数周内开放。