Google Gemini Omni 1.2 Flash登場 AI影片生成效能與成本再進化

Google 於週四宣布，其最新的 AI 視訊生成模型 Gemini Omni 1.2 Flash 現已全面開放給開發者與企業使用。這款模型在速度、成本效益和影片生成長度方面均有顯著提升，並整合了更精細的編輯功能，對需要高效能 AI 影像工具的創作者及開發者來說，是一大進展。

Gemini Omni 1.2 Flash（AI 模型能根據文字描述或圖像生成影片，這類模型的性能與成本是關鍵考量）現在支援原生生成長達 15 秒的影片片段，相較前一代 Gemini Omni 1.1 的 10 秒有所增加，且使用者可精確設定 3 至 15 秒間的影片長度。此模型最大的亮點之一在於其成本效益，價格較 Gemini Omni 1.1 調降 30%，以每秒 0.07 美元的價格提供 720p 影片生成服務。使用者能先以 360p 或 720p 解析度快速生成草稿，透過後續編輯修改細節，再升級至 1080p 或 4K 解析度。

新模型在影片生成品質上有多項改進。它能夠在整個影片中保持角色、物品和場景的高度一致性，減少畫面漂移或變形。例如，在虛擬試穿情境中，Gemini Omni 1.2 Flash 能在 360 度旋轉及多個鏡頭剪輯下，維持模特兒身分和服裝細節的一致性。此外，它還能透過結合人物、產品圖片、短暫動態片段（最長 3 秒）及音訊提示來引導影片生成。

Gemini Omni 1.2 Flash 的多輪對話式編輯功能，讓使用者得以針對同一片段進行逐輪精修，例如更換元素、調整燈光或改變長寬比，無需重新開始。該模型還能精準地將取樣音訊分配給影片中的角色，呈現富有表現力的唇形同步和自然的喜劇時機。在複雜的攝影機運鏡方面，如無人機穿越先賢祠圓頂的流暢飛行畫面，模型能減少跳接，呈現更具電影感的視覺效果。

目前，Gemini Omni 1.2 Flash 已透過 Gemini API 和 Gemini for business 全面推出，並整合至 Google Cloud 的企業級基礎設施。諸如哈瓦仕（Havaianas）運用此模型於虛擬試穿、特效製作公司 Monks 進行視覺特效與可控影片生成，以及時尚科技公司 Whering 導入其虛擬試穿功能等，均顯示其在多產業的應用潛力。開發者可在 Google AI Studio 進行原型設計，企業用戶則能透過 Google Cloud 控制台建構解決方案。Google 也將這項技術整合進 Google Vids 和 Gemini 應用程式，並支援 Google Ads 的影片廣告活動擴展。