延長影片時長並降低生成成本

Gemini Omni 1.2 Flash 將原生影片生成長度從前一代的 10 秒提升至 15 秒，使用者可指定 3 至 15 秒之間的任意整數秒數。這使得單一生成任務能涵蓋更完整的敘事結構，例如產品解說或社群廣告片段。

在成本方面，Google 將每秒 720p 影片的生成價格調降至 0.07 美元，較 Gemini Omni 1.1 降低 30%。除了直接降價，新模型支援分階段工作流程：使用者可先以 360p 或 720p 快速生成草稿，透過後續編輯修正細節，最後僅將滿意的片段升級至 1080p 或 4K，以此降低整體製作開銷。

多輪對話式編輯與一致性改進

新版本引入多輪對話式編輯功能，允許使用者透過連續的指令調整影片內容，例如更換背景、改變光照或天氣條件、切換長寬比等。這種方式避免了傳統生成模型中因微小修改而需重新生成整段影片的浪費，特別適用於為不同受眾製作廣告變體。

在視覺一致性方面，Omni 1.2 Flash 強化了對參考圖像（如角色、產品或風格圖片）、短動態片段及音訊線索的遵循能力。模型能在鏡頭切換與運鏡過程中，維持臉部特徵、服裝剪裁、包裝文字及品牌色彩的穩定性，減少從首幀到尾幀的視覺漂移或變形現象。

強化語音同步與電影級運鏡控制

該模型提升了對話生成的自然度，提供更清晰的唇形同步（lip-sync）及多角色聲音區分能力。這使得在 Flow、Gemini for business 或 Google Vids 等工具中製作包含多個角色的對話場景或虛擬化身影片時，能呈現更自然的喜劇節奏與語氣變化。

在鏡頭控制上，Omni 1.2 Flash 能執行更複雜且連續的運鏡動作，如 FPV 穿越飛行、戲劇性的縮放或環繞拍攝，並顯著減少不必要的跳切（jump cuts）。測試案例顯示，模型能根據建築參考照片生成無縫連接的長鏡頭，保持比例穩定與電影級質感。

企業應用現況與技術限制

Gemini Omni 1.2 Flash 已透過 Gemini API、Google Cloud 及 Google Vids 全面開放（Generally Available），並提供 Provisioned Throughput 選項以滿足企業級負載需求。所有輸出影片均帶有肉眼難以察覺的 SynthID 浮水印，以標示其為 AI 生成內容。

Google 指出，目前開發工作仍持續進行中，旨在進一步改進快速運動場景（如體育賽事）、劇本快速切換及複雜物理模擬的處理能力。該模型適用於企業、開發者與創作者大規模製作影片。