⚡ 前沿动态
Google 的多模态大模型 Gemini Omni 1.1 Flash 详解
Google Gemini Omni Flash最初于2026年5月19日发布。Omni 1.1是其新一代视频生成AI模型与8月27日发布，主打面向开发者与专业内容创作者的可控性、迭代效率提升，核心目标是让生成式视频从"演示级"进入"专业创意工作流级"。
一、核心视频生成能力
- 支持文本直接生成视频
- 支持指定首尾帧图片生成过渡视频
- 支持输入最长3秒的参考视频生成新内容
- 支持分析最长10秒的现有视频，生成无缝续拍内容，单段扩展时长10秒，最高可累计扩展至40秒
二、画质与效率特性
- 提供多档分辨率选项：360p快速预览、720p标准输出、最高支持4K超高清最终画面输出
- 360p预览模式相比标准720p版本，生成速度最高提升60%，生成成本仅为原来的1/3
- 适配“低费快速出草稿→迭代调整提示词→最终生成高清成片”的专业创作工作流
三、特色控制功能
- 镜头运动控制：通过指定首尾帧画面，即可快速实现专业级的平滑转场、自定义镜头运动效果
- 画面一致性保障：导入3秒参考视频后，可精准维持新生成场景中的上下文、角色形象完全统一
- 场景扩展能力：直接从现有视频的末尾帧无缝延续生成新画面，无需额外补全提示词
四、参数与对比
| 能力 | 详情 |
|---|---|
| 场景延伸 | 10秒增量续写，累计最长40秒；可分析最多10秒前置上下文（此前仅1秒） |
| 首尾帧控制 | 指定起始帧和结束帧，生成中间连续运动 |
| 草稿模式 | 360p分辨率，速度提升60%，成本为720p的1/3 |
| 输出分辨率 | 720p（默认）、1080p、4K上采样 |
| 视频参考 | 支持引入最长3秒参考视频片段维持角色/场景一致性 |
| 原生音频 | 生成语音、音乐、音效；输出含SynthID水印 |
| Arena排名 | Video Arena文本到视频排名第一（1515分），图生视频排名第二（1488分） |
和Sora对比
1. Gemini Omni 1.1 Flash：
- 原生深度集成在Gemini多模态体系中，单API调用即可同时完成文本、图像、音频、视频的全链路处理，无需跳转多个独立端点，支持首尾帧生成、短参考视频续拍、长视频无缝扩展等多类混合生成模式。
- 依托谷歌全栈生态，原生打通Google Drive、Docs、Workspace、Maps等服务，支持直接调取谷歌实时网络信息与位置数据，面向企业级多模态内容生产场景做深度适配。
2. Sora：
- 是OpenAI体系下独立的专用视频生成API，仅聚焦纯视频生成能力，不支持与其他多模态能力的原生联动，整体功能边界更单一。
- 此前仅作为OpenAI生态中的独立视频工具存在，无配套的全链路办公、数据服务生态支撑，更偏向纯C端内容创作者的单一视频生成工具。
五、本版优化
- 时序一致性：10秒上下文窗口让40秒视频的叙事连贯性大幅提升，直接解决时序漂移（temporal drift）问题——此前模型仅能参考最后1秒，导致长片段叙事断裂
- 可控性：首尾帧控制首次在视频生成模型中提供了类似关键帧动画的控制粒度，让开发者能用语言描述（指定首尾帧）来控制镜头运动，而非依赖随机生成
- 成本效率：先低成本迭代，再高精度输出，草稿模式让创意迭代成本降低约67%
六、价格策略
| 分辨率 | 价格 |
|---|---|
| 360p | 0.03美元/秒（约0.2元人民币） |
| 720p | 0.10美元/秒（约0.67元人民币） |
| 1080p | 0.15美元/秒（约1元人民币） |
| 4K | 0.30美元/秒（约2元人民币） |
- 开放渠道：Google AI Studio、Gemini Enterprise Agent Platform、Google Flow
- 覆盖人群：全球Google AI Plus/Pro/Ultra订阅用户，开发者与专业内容创作者
声明：文中数据及部分观点来源于网络，部分观点来源于个人分析和推理，仅供参考，不构成投资或商业决策建议。
资料来源
- 搜索
- 新浪财经