谷歌视频模型升级：15 秒生成与低成本编辑

Google 这次更新视频模型，重点不只是把片段从 10 秒拉长到 15 秒。按 IT之家的报道，Gemini Omni 1.2 Flash 把参考素材、多轮编辑和分辨率升级串成了一套工作流：先生成草稿，再修改细节，最后输出高清成品，价格较 1.1 版本降低 30%。

对开发者来说，更值得看的是「修改同一段视频」能否减少反复生成的成本。不过，原文是一篇发布消息，没有实测样片、成功率或完整计费示例，功能承诺与实际效果还需要分开看。

降本不只看单价，还要看能否少重做

报道给出的价格是：720p 视频每秒 0.07 美元，约合人民币 0.47 元，人民币金额采用报道中的汇率折算。按这个单价计算，一段 15 秒视频的生成费用为 1.05 美元；这只是单次生成的算术结果，没有包含编辑、升级分辨率等可能产生的费用。

另一条降本路径是调整制作顺序。用户可以先用 360p 或 720p 起草，通过编辑修正细节，确认成品后再升级到 1080p 或 4K。这样，尚未确定的内容可以先在较低分辨率下迭代。

真正影响总成本的，是拿到一段可用视频需要生成和修改多少次。

原文没有提供编辑费用、高清升级费用，也没有给出这套流程相比反复生成能省多少。因此，「降价 30%」可以作为报道中的价格信息保留，但还不能据此推算整个项目的预算降幅。

从生成片段，走向围绕同一片段持续修改

Gemini Omni 1.1 原生支持 10 秒视频，1.2 Flash 将上限提高到 15 秒，并允许在 3 到 15 秒之间，以 1 秒为单位指定时长。对产品讲解和社交广告来说，这提供了更灵活的片段长度，但能否讲清一个故事，仍取决于内容密度和生成效果。

比时长更关键的是编辑能力。报道列出的操作包括替换产品或背景、调整光照和天气、切换画面比例，而且多轮对话编辑可以覆盖完整的 15 秒片段。用户可以围绕已有结果继续提出修改要求，不必每轮都从头生成。

参考输入也更丰富：角色、产品或风格图片，最长 3 秒的动态片段，以及音频线索，都能参与引导。报道声称，模型能在不同镜头角度下保持面部、服装、包装字体和品牌色彩的一致性。

这里需要区分两个问题：参考遵循，是生成结果是否符合给定素材；时间一致性，是人物和物体在运动、切镜后会不会变样。报道对两者都给出了正面描述，还提到首末关键帧插值和延长片段，但没有提供对照样片。

语音与镜头控制也在更新范围内，包括更自然的对话、更清晰的口型同步、多说话人条件控制，以及全景 FPV 穿越、拉远、环绕等连续镜头运动。这些能力的目标是让片段内部更连贯，减少突兀跳切和视觉漂移。

我的判断

我更看好「草稿、编辑、高清输出」这条工作流。它贴近实际制作过程，也给产品集成提供了清晰方向：用户提交素材后，可以保留已有成果，围绕具体问题继续修改。

但「支持修改」与「只改指定部分且保住其他细节」，中间还有质量差距。尤其是包装字体、品牌色彩、角色面部这些要求，不能仅凭发布描述就认定稳定可用。原文没有展示作者实测，也没有与 1.1 或其他模型做对照，相关效果应视为待验证的能力声明。

与重新生成整段相比，局部编辑可能减少返工；与人工剪辑或模板化制作相比，它是否更省时，则取决于修改成功率和审核成本。原文没有回答这些问题。

接入层面，报道说模型已在 Gemini API 与 Gemini for business 全面开放，并支持预置吞吐量（Provisioned Throughput），生成内容带有肉眼不可感知的 SynthID 水印。不过，具体接口参数、配额和吞吐量价格都没有展开，暂时不足以直接制定生产接入方案。

能拿来做什么

• 如果正在评估视频生成接口，可以先用 Google AI Studio 做原型，把同一组产品图用于生成、替换背景和切换比例，检查修改后产品外观与文字是否仍然准确。
• 如果要做前端视频制作流程，可以围绕「低分辨率草稿、逐轮修改、确认后升级」组织交互，并保留每轮结果供用户比较；预算应分别记录生成、编辑和高清输出的费用。
• 如果目标是快速制作讲解或广告素材，可以按报道提供的入口试用：Flow 用于导演场景和多轮编辑，Google Vids 可免费生成 15 秒片段；Gemini App 则面向 Google AI Ultra 订阅用户逐步推送，不能把各入口视为同等开放。