谷歌发布Gemini Omni 1.1 Flash视频生成模型:场景续接最长40秒,4K输出支持3秒参考片段

据IT之家报道,当地时间8月27日,谷歌正式发布Gemini Omni 1.1 Flash视频生成AI模型,进一步丰富了其在多模态生成领域的产品线。

这款视频生成模型具备多项实用能力,覆盖了从创意验证到成品输出的完整链路。首先是视频场景扩展功能,用户可以在现有视频末尾无缝接续生成新画面,每次可扩充10秒内容,单条视频累计最长能够达到40秒;其次是自定义首尾帧,用户输入起始与结束画面后,模型便可生成过渡自然的转场以及镜头运镜效果。

为了适配快速迭代的需求,模型支持输出360p预览版本。对比Gemini Omni 1.1标准720p模式,预览模式生成速度最高提升60%,使用成本仅为原先的三分之一,非常适合原型快速验证、分镜脚本反复调试等工作场景。

画质方面,模型最高支持4K输出,可生成细节完整的1080p与4K成品视频;同时提供视频参考能力,允许导入最长3秒的参考片段,在生成过程中保持背景环境、角色形象的前后统一,这对于系列化内容创作尤为重要。

在调用定价上,Gemini Omni 1.1 Flash采取按秒计费模式:生成360p视频每秒0.03美元,720p每秒0.1美元,1080p每秒0.15美元,4K每秒0.3美元。

从行业格局来看,视频生成赛道竞争日趋激烈,谷歌凭借Gemini系列模型的多模态能力持续加码。此次推出的Flash版本主打高性价比与快速迭代,明显瞄准了内容创作者与广告制作等高频使用场景,有望进一步拉低AI视频创作的门槛。

横向对比来看,当前主流视频生成模型普遍在生成时长、分辨率与成本三者之间取舍,谷歌此次将预览模式与成品模式分层定价,思路颇具针对性:需要快速验证创意的用户可以先用低成本的360p预览版本跑通流程,确认效果后再以720p乃至4K规格输出成品,既控制了前期试错成本,也保证了最终交付质量。

场景扩展与自定义首尾帧两项功能,则补足了叙事连贯性的短板。以往生成式视频的痛点是片段之间难以衔接,角色与场景在多次生成后容易出现漂移;参考片段功能允许用户导入最长3秒的既有素材,相当于给模型提供了锚点,有助于在多段生成之间维持视觉一致性,这对于短剧、广告、游戏过场等需要系列化产出的场景尤为重要。

从商业角度看,按秒计费的方式让成本变得更加透明可控,4K每秒0.3美元的定价在同级产品中处于较有竞争力的水平。随着模型迭代加速与算力成本下降,AI视频生成正在从尝鲜工具逐步走向真正的生产力工具,Gemini Omni 1.1 Flash的发布有望加速这一进程。文章与图片内容转载网络,如有侵权请联系平台删除