5 月 2026 日，Google 推出 Gemini Omni 1.2 Flash——这是用于视频创建与编辑的模型的更新版本。公司官方博客和 Cloud Blog 证实，该模型现已通过 Gemini API、Gemini for Business 以及一系列消费级产品提供。
关键变化包括：片段长度从 1.1 版本的 10 秒增加到 15 秒；价格降低 30 %，降至 720p 分辨率视频每秒 0,07 美元；以及引入多步对话式编辑。用户可以逐轮细化细节，而无需将整段视频重新生成。
对话式编辑机制允许在同一片段内更改背景、光照、物体或视角。这与以往每次修改都需要从零重新生成的做法有本质区别。在使用参考素材——图像、短视频和音频——时，该模型能更好地保持人物、物体和品牌元素的一致性。
Google 的方法论强调工作流：先以低分辨率生成草稿，在对话中修改，然后放大至 1080p 或 4K。这一方案降低了成本并加快了迭代速度，这对于广告片、虚拟试穿和讲解视频的大规模制作十分重要。然而，官方材料中缺少与竞争对手对比的详细基准测试或第三方独立评估。
在视频生成领域，这是朝着摆脱早期 Sora 或 Luma Dream Machine 等单步模型迈出的一步。Google 押注于与 Gemini 生态系统的集成和对话式控制，这使生成过程更接近熟悉的剪辑流程。与 Omni 1.1 相比，在遵循参考素材以及语音与唇形同步的自然度方面都有明显进步。
对开发者和企业而言，降价以及从 3 到 15 秒的精确长度控制能力开辟了新的场景。此前 10 秒的上限限制了复杂的叙事；现在可以一次生成完整的广告片或产品讲解视频，随后再进行修改。
在更长的连续序列上保持长期一致性，以及泛化到包含大量运动物体的复杂场景，仍是未解的问题。独立测试尚未公布，实际生产环境中的表现将取决于具体用例。
此次更新表明，Google 不仅关注生成质量，也关注与工作流程的实际集成，使视频 AI 更接近日常使用的工具。
