2026年11月5日，Google DeepMind宣布推出视频生成与编辑模型Gemini Omni 1.2 Flash，作为Gemini Omni 1.1的升级版本。官方将其定位为“更快、更具性价比、支持更长片段”的视频模型，这也是Gemini Omni系列首次进入正式可用（GA）阶段，开发者和企业可通过Gemini API、Vertex AI等渠道直接接入生产环境。
在技术规格方面，Gemini Omni 1.2 Flash原生支持最长15秒的视频生成与编辑，较1.1版本的10秒提升50%，并可在3秒至15秒之间以1秒为步长精确控制时长。模型提供分级工作流：用户可先以360p或720p快速出草稿，确认效果后再将成片超分至1080p或4K。参考输入方面，模型支持角色、产品和风格参考图，最长3秒的动作参考片段以及音频提示，官方表示人物面部、服装、包装文字和品牌色在生成过程中能保持一致。模型在API中的标识为gemini-omni-1.2-flash，所有输出均嵌入不可见的SynthID水印。官方此次未公布具体的基准测试分数，仅提供了与1.1版本的并排效果对比。
在应用场景上，Gemini Omni 1.2 Flash主要面向电商、广告与内容创作领域。例如，电商团队可以生成虚拟试穿片段、360度产品展示和商品目录旋转视频；品牌营销人员可以制作品牌视频广告、产品讲解短片和社交媒体投放素材，并针对不同受众和投放位置批量生成广告变体；内容创作者则可以制作多角色对话场景、数字人主讲视频，以及微距讲解和连续运镜镜头。
此次升级的重点体现在几个方面。首先是多轮对话式编辑，用户可在完整的15秒片段上连续修改，例如替换产品或背景、调整光线与天气、更改画面比例，而无需从头重新生成。其次是一致性增强，模型在从首帧到尾帧的过程中能更好地保持角色、物体与场景的统一，并支持关键帧插值和片段延长。第三是语音能力提升，对话更自然、口型同步更清晰，多说话人条件控制可以将不同声音准确分配给对应角色。第四是镜头控制，模型可完成FPV穿越、拉远、环绕等复杂运镜，跳切更少、画面尺度更稳定。官方同时坦言，快速体育动作、剧本快速切换和复杂物理效果等方面仍在持续改进中。
在可用性与定价方面，Gemini Omni 1.2 Flash已在Gemini API中正式上线，开发者可在Google AI Studio中进行原型测试；企业用户可通过Google Cloud控制台的Vertex AI Studio媒体板块及企业API使用，并可申请预置吞吐量（Provisioned Throughput）。API定价为720p视频每秒0.07美元，较Gemini Omni 1.1下降30%。在Google自家产品中，该模型同步接入Google Labs的Flow用于场景导演与多轮编辑，接入Google Vids用于结合数字人、音乐和旁白的视频创作，Google账号或Workspace订阅用户可在Vids中免费生成15秒片段；Gemini商业版可用于制作视频讲解，Gemini应用中的15秒视频功能正向Google AI Ultra订阅用户逐步推送，Google Ads用户则可通过Asset Studio规模化制作视频广告。
整体来看，Gemini Omni 1.2 Flash并非在画质上追求跨代突破，而是围绕时长、成本和可控性三个商业落地的关键指标做了务实升级。15秒的时长基本覆盖了主流短视频广告的投放需求，30%的降价与“草稿再超分”的分级工作流进一步压低了批量生产成本，多轮编辑与参考一致性则直接回应了电商与品牌方对产品细节保真的诉求。随着系列首次GA并全面打通API、云平台、办公与广告产品线，Google正把Gemini Omni从演示型模型推向可规模化部署的视频生产工具。不过，官方未提供量化评测数据，其在复杂动作和物理效果上的实际表现仍有待开发者进一步验证。