15秒成片、价格降三成：Gemini Omni 1.2 Flash 把 AI 视频从「抽卡」推向「可剪辑生产」

AI 视频工具过去一年的痛点，其实不在画质，而在「可控性」。你输入一段提示词，等几分钟，出来一条片子——好的话算中奖，不好的话只能整段重来，很难像剪片子那样在一个镜头上做微调。Google DeepMind 这次放出的 Gemini Omni 1.2 Flash，改动看起来只有三条，但正好都压在这个痛点上。

这次到底更新了什么

按官方博客的说法，可以浓缩成三句话：

• 原生 15 秒片段：不用再靠拼接多个短镜头去凑时长，模型本身就能一次生成更长的连续画面；
• 参考依从性提升：你给的角色、产品、风格参考图或描述，被更忠实地带进成片，而不是「大致像」；
• 多轮对话式编辑：不满意的地方可以接着聊着改，不必推翻重来重写提示词；
• 价格下调 30%：官方明确说这是为了让高质量视频能以更低成本规模化生产；
• 落地渠道：Gemini API、Google Cloud、Google Vids，以及面向企业的 Gemini 版本，均已开放使用。

单看每一条都不算石破天惊，但组合起来，工作流变了。

从「写提示词」到「对话剪辑」

我认为多轮编辑是这次最被低估的一项。以前做 AI 视频，人的精力大量花在「猜模型的心思」——反复调整措辞、加限定词、重开新会话。本质上是在做提示词工程，而不是在做内容。

支持多轮修改之后，流程更接近真实的剪辑：先生成一个能用的底片，然后一句一句地提要求——「把镜头拉近一点」「换掉背景里的路人」「保持这个角色的发型」。改动是增量式的，前面已经满意的部分不必承担被重抽的风险。

这对做系列内容的人意义更大。当同一个人物、同一套视觉风格需要在十几条视频里保持统一，参考依从性就是生死线。风格漂移一次，观众对账号的辨识度就掉一格。

降价 30% 的账，怎么算才不亏

成本这件事，要放到「有效产出」里看，而不是只看单次调用的单价。

也就是说，真正的节省不是那 30%，而是「少试几次」。单价降三成、重试次数砍一半，两者相乘才是实际账单的变化。

需要提醒的是，官方公告里并没有列出具体单价，只给了降幅。真要排预算，还是得去 Gemini API 的定价页按你所在地区的计费口径核一遍，别拿别人截图里的数字做财务模型。

谁最该现在动手

• 跨境卖家与独立站运营：15 秒刚好是信息流广告和商品详情页视频的黄金长度，做变体测试时，多轮改稿比重新生成快得多。
• 短视频与口播账号：适合做固定人设的系列更新，风格统一比单条惊艳更值钱。
• 教程与知识类内容：需要「同一个场景换个角度再讲一遍」，对话式修改省下的时间很实在。

别急着 all in，这几个坑要清楚

1. 15 秒仍然是短片段。长视频还是要靠分镜和后期组装，指望一条提示词出三分钟成片，现在还不现实。
2. 一致性是「更好」，不是「绝对」。涉及人脸、品牌 Logo、文字标牌这类高精度元素，仍然建议人工过一遍。
3. 音频、字幕、配乐通常还得另做。视频生成模型解决的是画面，不是成片交付。
4. 合规别忽略。商用素材的版权、肖像授权、平台对 AI 生成内容的标注要求，都是你自己要背的责任，不是模型背。

一个务实的上手路径

先用一个真实的小项目试水，而不是拿它练手玩概念：挑一条你本来就要做的 15 秒广告或片头，走完「生成 → 多轮修改 → 后期配字幕配乐 → 投放」全流程，记录每一步的实际耗时和废片次数。跑通三条之后，你才有资格判断它值不值得进你的常规生产线。

AI 视频这一年的竞争焦点，正在从「画得像不像」转向「改得动不动」。这一次的更新，方向是对的。

参考来源

• Gemini Omni 1.2 Flash: Fast and cost-effective with longer clips（Google DeepMind 动态）