发生了什么
谷歌DeepMind于8月27日正式发布面向开发者的视频生成与编辑模型Gemini Omni 1.1 Flash，经Gemini API在Google AI Studio中提供。作为初代Gemini Omni的升级版本，官方称此次更新让AI视频生成达到可投入专业制作的水平，重点补强了控制力与制作效率两端。
关键更新
- 场景延长：可在已有视频结尾继续生成画面，模型能分析最多10秒前文（初代仅参考最后1秒），每次延长10秒、累计最长40秒，画面一致性与叙事连贯性明显改善
- 首尾帧插值：开发者可指定一组镜头的起始帧与结束帧，由模型在两个关键帧之间生成连续画面，适用于环绕运镜、缩放转场与无缝循环素材
- 360p草稿模式：比标准720p生成快最多60%，成本约为后者三分之一，用于快速打样与分镜迭代，定稿后再放大至1080p或4K
- 多模态引用：支持引用最多3秒的参考视频，以保持角色形象与画面上下文一致
定价与可用性
模型按秒计费：360p每秒0.03美元、720p 0.10美元、1080p 0.15美元、4K 0.30美元，其中4K价格与Veo 3.1 Fast一致。Omni 1.1已上线Google AI Studio与Gemini Enterprise Agent Platform；Google AI Plus、Pro、Ultra订阅用户即日起可在Google Flow中使用，场景延长功能已在Gemini应用中开放。Adobe已将模型集成进Firefly，Figma Weave、GMI Cloud与Runway也已接入。
为什么重要
视频生成正从能生成走向可导演。此前AI视频工具的主要短板在于不可控：画面一致性差、无法精确衔接、迭代成本高。Omni 1.1 Flash通过首尾帧约束、长上下文场景延长与低成本草稿模式，把生成式视频推进到接近生产级工作流的阶段。对企业而言，广告素材、电商展示、影视预演等内容生产环节，可直接用自然语言描述镜头语言并批量迭代，显著降低制作门槛与成本。
尚存的不确定
谷歌官方同时提示了局限：单次生成时长仍以10秒为主，更长时长将陆续支持；Gemini API中暂不支持上传音频参考，场景延长与视频参考能力在API内也尚不完整；角色一致性在场景切换或运镜时仍有短板。此外，视频生成涉及的版权、深度伪造与内容溯源（SynthID水印）问题，仍是企业规模化应用前需要评估的合规因素。