Google 宣布推出全新影音生成與編輯模型 Gemini Omni 1.2 Flash，並於 Gemini 應用程式介面（API）、Google AI Studio 與 Google Cloud 雲端平台正式全面開放。新版模型將單次原生影片生成長度提升至 15 秒，同時大幅下修使用資費約三成，720p 解析度每秒生成費用降至 0.07 美元。
原生長度提升至 15 秒 導入對話式局部微調
過往使用人工智慧（AI）進行 AI 影片生成時，常因單次生成時長過短或細節不符預期，導致使用者必須重新輸入提示詞重新演算。Gemini Omni 1.2 Flash 允許使用者在 3 到 15 秒之間以 1 秒為單位指定影片長度，方便直接產出結構完整的社群廣告分鏡或產品解說片段。
此外，新模型引進「多輪對話式影片修改」功能。使用者可在同一片段中透過文字對話指令調整局部畫面，例如更換背景、切換天氣、替換產品或調整長寬比。在變更背景或光線時，模型能繼續維持鏡頭構圖、角色動作與材質反光等細節的一致性，大幅減少整段影片重跑所浪費的算力與時間。
強化角色一致性與語音對嘴 工作流降低試錯成本
在商業應用表現上，Omni 1.2 Flash 支援同時導入角色定裝照、多角度產品圖、短動態與音訊樣本。即使鏡頭進行 360 度環繞或長距離推拉，人物五官、服裝剪裁與包裝字體都不易出現變形。同時，模型改進了語音對白合成與對嘴同步機制，支援多角色的流暢對話，並減少連續運鏡中的視覺跳接瑕疵。
為了幫助企業控制預算，官方建議採用「草稿快修、後續升級」的工作流程。製作團隊可先以 360p 或 720p 的低解析度快速演算草稿並透過對話微調，確認最終視覺風格後再放大至 1080p 或 4K 解析度，藉此精準鎖定製作成本。所有產出的影片均帶有肉眼不可見的 SynthID 數位浮水印。
這代表什麼
Google 這次升級的核心價值，在於將 AI 影音生成從「抽卡式的創意嘗試」，推向「可預測成本與規格的商業產線」。過去企業評估 AI 影片製作時，常因為角色風格無法保持一致、局部瑕疵難以修復而難以落地；多輪對話修改與強化的參考圖功能，剛好解決了行銷團隊「一母片多版位」的修改痛點。
對台灣的中小企業與電商創作者而言，15 秒的原生時長剛好符合主流短影音與社群廣告的標準規格。搭配 API 降價三成與草稿預覽模式，行銷人員可以用更低廉的邊際成本測試大量廣告變體，從而降低影像創作的技術門檻與資金負擔。
背景補充
Gemini Omni 為 Google DeepMind 團隊開發的多模態影音模型系列，主打可同時處理文字、圖片、影片與音訊等複合輸入。其中的「Flash」路線定位為兼顧高速度與經濟效益的輕量化模型，與主打深度推理的旗艦模型形成明確分工。
在影音生成領域，過往模型多半僅能處理 5 至 10 秒的單點視覺生成，且難以進行二次編修。Google 透過本次改版強化了對話互動機制，並將影片與音訊對嘴一併整合，顯示出科技巨頭正加速將影音生成技術深度整合至雲端企業服務與自動化行銷工具中。
常見問題
Gemini Omni 1.2 Flash 產生的影片長度上限是多少？
新版模型支援原生生成 3 到 15 秒的影片，使用者可以以 1 秒為單位彈性指定所需時長。
Gemini Omni 1.2 Flash 的 API 計費方式為何？
相較前代 Omni 1.1 降價約 30%，以 720p 規格計算，API 呼叫費用為每秒 0.07 美元。
如果生成出的影片背景不滿意，需要整段重新生成嗎？
不需要。新模型支援多輪對話式影片修改，使用者可以透過文字指令直接替換背景、調整光線或換裝，同時保留原本角色的動作與鏡頭構圖。