Gemini Omni 1.2Flash发布 ！PixPix全网首发接入

近期,Google推出Gemini Omni 1.2 Flash。这是一款面向视频生成与编辑的多模态模型,能够根据文字、图像等素材创作带声音的视频,并通过对话继续调整结果。

PixPix已首发接入Gemini Omni 1.2 Flash。对于电商商家、设计师和短视频创作者,可以围绕商品展示、人物出场、服装试穿和广告素材等任务,开始探索新模型的制作方式。

一、最长15秒,让一个动作有时间完整展开

Gemini Omni 1.2 Flash将常规视频生成与编辑的单段时长上限提升至15秒,并支持在3—15秒之间按秒选择时长。

这给短片的动作安排留下了更多空间。例如,一条通勤包视频可以依次展示商品静置、人物拿起、行走携带和停步展示。动作之间有清楚的先后关系,观众也能看到商品在使用中的样子。

安排15秒内容时,可以先确定一个核心动作和一个展示重点。背景、人物和镜头都围绕这个目标变化,避免把过多转场和卖点挤在同一段里。

二、参考素材决定人物与商品的具体样子

Google将更强的参考遵循能力列为本次升级重点,涉及人物、商品和品牌细节在镜头变化中的一致性。

用于服装视频时,可以准备人物照片、服装正面图和背面图,并注明各自用途。人物参考负责明确外貌,服装参考负责说明版型与结构;镜头转到背面时,再检查衣领、衣摆和装饰是否符合真实素材。

这也让已有商品照片有了新的用途:它们可以成为视频创作的依据。对于需要持续制作同款商品素材的团队,统一参考资料有助于让每次任务拥有一致的起点。

三、对话式编辑,让首版视频能够继续修改

Gemini Omni 1.2 Flash支持通过自然语言继续编辑视频,例如修改背景、光线或画面中的商品。

如果一条产品短片的动作已经合适,只是场景不符合活动主题,可以把下一轮要求限定为场景变化:

保留商品、人物动作和镜头节奏,将背景调整为明亮的现代客厅。

首版先确认动作,再调整环境,最后处理展示重点,每一轮都有明确目标。完成修改后,再查看前一版已经满意的部分是否得到保留。

四、自然对话与连续运镜,丰富短片表达

官方此次强调了更自然的对话、更清晰的口型匹配,以及连续推拉、环绕和穿行镜头的控制表现。

人物视频可以把台词、说话顺序与动作一起写入需求;商品视频则可以通过持续推进或小幅环绕展示材质与结构。

镜头移动应当与主体动作配合。例如,人物拿起商品时,摄影机同步抬升,随后保持适当距离跟拍。画面里的动作和镜头拥有清楚的关系,生成后也更方便判断是否符合预期。

五、按制作阶段安排画质和成本

模型支持360p、720p、1080p和4K输出,并具备视频升采样能力。实际制作可以先确认动作与构图,再为选中的版本安排高分辨率输出。

Google公布的720p视频输出参考价格约为0.07美元/秒,较Omni 1.1 Flash降低约30%。这是官方API及云产品的价格口径,PixPix用户的实际费用应查看平台任务说明。

从商品参考图到第一版视频,再到背景和光线修改,Gemini Omni 1.2 Flash提供了较完整的生成与编辑路径。PixPix首发接入后,创作者可以带着已有素材尝试一条短片,把时长、动作和修改需求放在同一个制作任务中考虑。