Gemini Omni
4 节点1 篇4 来源
谷歌于2026年11月5日至6日期间正式推出并全面开放视频生成模型 Gemini Omni 1.2 Flash。该模型由Google DeepMind开发，核心突破在于支持“多轮对话式编辑”，用户无需重新生成即可通过自然语言指令局部修改已生成视频的特定元素（如背景、光照或物体），显著降低了创作门槛与成本。同时，单次生成视频时长上限从10秒提升至15秒，API调用价格较前代Omni 1.1下调30%至每秒0.07美元（720p）。【背景】作为Nano Banana在图像领域的成功延伸，Omni系列旨在将Gemini的推理能力引入视频创作，目前已在Gemini API、Google Cloud及Gemini应用中对付费用户开放，但部分高级功能（如音频参考）仍受白名单限制。
事情怎么走到这一步
谷歌官方博客宣布推出Gemini Omni 1.2 Flash，介绍其原生15秒视频生成、改进的参考一致性以及多轮对话式编辑功能，并确认API价格降低30%。
blog.google ↗Google DeepMind发布Gemini Omni 1.2 Flash模型卡，详细说明其基于Gemini Omni Flash架构，具备物理模拟与世界知识结合的能力，并指出激进的体育动作和复杂物理表现仍在开发中。
deepmind.google ↗谷歌云博客确认Gemini Omni 1.2 Flash在Google Cloud上正式全面可用（Generally Available），面向企业用户提供生产级基础设施支持，并列举了Artlist、Picsart等合作伙伴的应用案例。
cloud.google.com ↗日本媒体PC Watch报道该模型在日本上线，强调其“那里只改一下”的对话式编辑特性，并指出Gemini应用中15秒视频生成功能仅限Ultra订阅计划用户使用。
pc.watch.impress.co.jp ↗
还没定论的部分
- 音频参考功能目前处于白名单限制状态，何时向所有开发者完全开放？
- 模型卡在安全评估中提到“改变人物语音”的功能暂时受限，具体的解锁时间表是什么？