Loading...
← AIPG News
新闻 86 / 100 08-29 23:13

谷歌更新 Gemini Omni 1.1 Flash:支持首尾帧控制、场景延展到 40 秒和 4K 升频

这次更新把视频生成从“单次出片”推进到“可对话式迭代”。Gemini Omni 1.1 Flash 支持首帧/尾帧补全、最多 10 秒前文感知、3 到 10 秒分段延展,并可叠加到 40 秒,同时提供 360p 草稿到 4K 成片的工作流。

核心变化

据源文,Gemini Omni 1.1 Flash 的重点不只是“能生成视频”,而是把视频制作往可指挥、可续写、可反复编辑的方向推进。谷歌强调它具备原生多模态能力、对话式编辑能力,以及继承自 Gemini 的世界知识。

  • 场景延展(scene extension)现在可读取最多 10 秒前文,不再只看最后 1 秒。
  • 每次延展可生成 3 到 10 秒,并可层层叠加到 40 秒。
  • 系统会对输入视频末尾若干帧做调整,让接续更平滑。

具体怎么用

这版模型支持直接给首帧和尾帧,让中间视频补全,因此适合做环绕镜头、推拉变焦、无缝循环等效果。提示词里也支持 ``、``、``、`` 这类标签来指定不同素材的角色。

  • 最多可接收 3 个视频参考片段。
  • 每个参考片段最长 3 秒,主要用于保持人物外观一致。
  • 源文说明视频参考中的音频会被忽略。
  • 同时理解多个视频不是强项,可能降低效果。

编辑与迭代

编辑是有记忆的。传入 `previous_interaction_id` 后,模型会基于上一轮结果继续修改,并保留未被提及的内容,这意味着不必每次都重新上传旧视频。

成本和输出

源文把这套流程描述为“先低成本试错,再高质量出片”。草稿可先用 360p 跑,谷歌称这比 720p 快 60%,成本约为三分之一;最终可再升到 1080p 或 4K。

对于做视频生成工具、创作工作流或 AI 内容平台的人,这次更新的价值在于把生成、接续和升格合并成一条更可控的生产链,而不是单次生成结果。

可用性与限制

源文称该能力已可通过 Gemini API、Google AI Studio 和 Gemini Enterprise Agent Platform 使用,也已出现在 Google Flow,并面向 AI Plus、Pro、Ultra 订阅用户;Gemini 应用中也能使用场景延展。

  • 已点名的生产用户包括 Adobe、Figma Weave、GMI Cloud、Runway。
  • 支持 SynthID 水印。
  • 不支持 system instructions、temperature、top_p、stop sequences,也没有独立的负向提示词参数。
  • 不支持语音编辑、音频参考,YouTube 链接不能作为素材来源。

来源