谷歌视频模型支持15秒生成并降价

Google 把 Gemini Omni 1.2 Flash 的视频时长上限从 10 秒提高到 15 秒，720p 单价降至每秒 0.07 美元，并加入可连续修改画面的对话式编辑。更值得关注的是它提出的制作流程：先出低分辨率草稿，逐步修正细节，最后再放大成片。

对需要反复改商品视频、人物展示片的开发者，这条流程可能比单次生成效果更有用。不过，原文里的质量提升主要来自 Google 的声明和演示，没有独立测试或成本对照。

降价之外，关键是减少改一次就重做一次

这次更新支持生成 3 到 15 秒的视频，此前最长为 10 秒。720p 视频价格降低 30%，来到每秒 0.07 美元。这个价格限定了分辨率，不能直接当成所有输出规格的统一报价。

更影响工作流的是「Conversational Editing」，即通过连续对话编辑已生成的视频。用户可以逐步调整背景、光线或宽高比，无须重新生成整段内容。Google 表示，这种编辑覆盖完整的 15 秒时长。

它要解决的问题很实际：视频整体可用，只有一个细节不满意时，不必重新抽一遍结果。但原文没有说明编辑如何计费，也没有展示连续修改多轮后，其他画面元素能否保持稳定。

Google 推荐的分级流程是：先用 360p 或 720p 生成草稿，通过后续编辑修正细节，确认后再放大到 1080p 或 4K。

每秒价格下降，不等于拿到一条可用成片的总成本也下降 30%。

生成次数、编辑费用和最终放大的费用都会影响账单。原文没有给出完整核算，这套流程能省多少钱，目前还算不出来。

参考素材能否让人物和商品少走样

Google 宣称，新模型更能遵循参考素材，支持输入人物图片、产品照片、最长 3 秒的短动作片段，以及音频提示。它希望在切换拍摄角度时，仍然保住人脸、服装、包装字体和品牌配色。

这里的「一致性」，就是同一个人转身后仍像同一个人，同一件商品换个角度后，外观细节也没有被模型重新设计。

Google 给出的例子是虚拟试穿：输入一张模特照片和三套服装的产品图，生成一段 15 秒视频，包含 360 度转身，同时保留模特身份，以及衣服的剪裁和垂坠效果。这个例子能说明产品想解决什么，但不能证明任意模特、服装和动作组合都能达到同样效果。

其他改进也围绕连续性展开：运动和镜头切换时减少画面漂移、变形；对白更自然，口型同步更清晰，并能区分多位说话者；处理 FPV 无人机飞行、大幅拉远等连续运镜时，减少不需要的跳切。

这些都是 Google 的质量声明。原文没有提供评测集、成功率，或与上一代逐项对照的数据。

我的判断

我认同先确认内容、再追求输出分辨率的做法。对需要多轮调整的视频任务，把草稿、修改和最终交付分开，成本更容易控制，也更方便确认每一步是否可用。

对话式编辑则需要和「重新生成整段视频」比较：前者有机会保留已满意的部分，但关键在于修改是否准确、会不会影响其他内容。原文没有给出这组对照，因此省时省钱的判断仍属于厂商提出的工作流预期。

这款模型正在通过 Gemini API、Google AI Studio、Google Cloud Console、Flow、Google Vids、面向 Google AI Ultra 订阅用户的 Gemini app，以及 Google Ads 推出。渠道很多，但原文没有逐一说明功能是否同步开放，也没有交代各渠道的限制。

所有生成视频都会带有不可感知的 SynthID 水印，用于标识来源。接入应用时应了解这一输出属性。

能拿来做什么

• 如果要把视频生成接进前端产品，可以按「生成草稿、对话修改、确认后放大」组织操作流程，让用户先确认内容，再选择最终清晰度；具体编辑和放大能力仍需核对接入渠道。
• 做商品展示或虚拟试穿验证时，可以围绕包装字体、品牌色、人物身份和服装细节验收，尤其检查转身、换角度后的变化，别只看第一帧。
• 评估 Node 服务端调用成本时，应记录每条可用成片的生成次数、修改次数和最终费用。每秒 0.07 美元可以作为 720p 生成的报价依据，不能替代整条制作链路的成本统计。