每秒 0.07 美元、改稿不用重生成:Gemini Omni 1.2 Flash 全面開放,AI 影片開始比迭代成本
Google 將影片生成模型 Gemini Omni 1.2 Flash 推向全面可用,本文從每秒單價、先草稿後升級的流程設計與企業級配套,整理這次更新真正壓低的是哪一種成本,以及後續可依序核對的訊號。
降價三成只是帳面數字;先用低解析度草稿、逐輪編輯、最後一次升級 4K 的流程,才是這次更新真正壓低成本的設計。
720p 解析度、每秒 0.07 美元,一支 15 秒的生成影片,帳單大約 1.05 美元。11 月 6 日,Google 發布 Gemini Omni 1.2 Flash 影片生成模型,同步在 Gemini API 與 Gemini for business 開放使用,這也是 Gemini Omni 系列首次進入全面正式可用的狀態。降價三成是焦點,但採購端與創作者端更該留意的是包在降價旁邊的一整套流程:影片生成的比較單位,正從單支素材的價格,移向一次專案要迭代幾輪的總成本。
這一版實際改了什麼
把規格攤開,最直接的變化是長度。原生支援的片段從 1.1 版的 10 秒延長到最長 15 秒,並可在 3 到 15 秒之間以 1 秒為單位自訂。這代表一支完整的故事短片、產品講解或社羣廣告可以一次生成到位,不必再把多段 10 秒素材接起來修接縫。
其次是參考遵循與一致性。使用者可提供角色、產品或風格圖片,搭配最長 3 秒的動態片段與音訊線索引導生成,官方說明強調在不同鏡頭角度下維持臉部、服裝、包裝字體與品牌色彩的一致。這幾個項目正是商業委案最容易翻車的地方,目標客羣寫得相當明白。首尾關鍵幀之間可以做插值,也可以延長片段組成長序列,減少運動與切鏡時的漂移和變形。
聲音與運鏡也跟上了。新版可生成較自然的對話與更清晰的口型同步,支援多說話者條件控制,對應 Flow 裡的多角色對話導演、Gemini for business 的講解影片,以及 Google Vids 裡結合數位人、音樂與旁白的成品。鏡頭端則支援全景 FPV 穿越、戲劇化拉遠、環繞運鏡等連續動作,減少跳接。
多輪對話式編輯是另一個重點。使用者可針對同一段 15 秒片段逐輪調整:替換產品或背景、改光照或天氣、切換畫面比例,不必每次重寫提示詞、整段重生成。對需要為不同受眾與投放位產出變體的廣告流程來說,這項能力的重要性不亞於降價本身。
降價三成是帳面,工作流才是省錢的地方
回到價格。720p 每秒 0.07 美元,按降幅回推,1.1 版約為每秒 0.10 美元;同樣 15 秒的片段,支出從約 1.50 美元壓到 1.05 美元,IT 之家並註記換算約合人民幣 0.47 元/秒。數字有感,但幅度仍屬漸進。
真正的成本設計藏在流程裡。官方建議的路徑是:先用 360p 或 720p 快速起草,透過後續編輯修正細節,不重新生成整段素材,最後才把定案成品升級到 1080p 或 4K。生成式影片過去最燒錢的環節,往往不是第一次生成,而是第七次、第十次的推翻重來;把迭代留在低解析度階段、把最貴的高解析度輸出留到最後一步,等於把花錢的位置整批後移。降價影響每一次生成的單價,工作流決定的是總共要生成幾次。
這也給出一個採購上的實際判斷:比較各家模型時,單價之外先看兩件事,迭代是否需要重新計費生成,以及高解析度輸出能不能只在定案時做一次。
從生成到投放:通道全開的平臺優勢
產品之外,這次更新的另一半是通路。開發者走 Google AI Studio 做原型驗證與查價,企業在 Google Cloud 控制臺使用;一般使用者在 Flow 裡導演場景與多輪編輯,Google Vids 免費提供 15 秒片段生成,Gemini App 對 Google AI Ultra 訂閱者逐步推送,Google Ads 則支援把生成素材直接推向規模投放。模型被放進既有產品鏈,從發想到投放不必離開 Google 體系。
這是獨立模型供應商與平臺型業者的差別:前者賣 API,後者連客戶的下一站都先準備好了。Google 把 AI 功能收進既有工具的打法並不新鮮,先前在YouTube 從美國推向全球的 AI 配樂工具上已經演過一輪,先處理權利與流程,再推向規模,這次換到影片生成,節奏相同。
誰的製作預算會被改寫
影響會先落在高度格式化的影片工作上。電商的產品旋轉展示、虛擬試穿、品牌廣告的多版本變體,以及代理商為不同投放位產出素材的流程,都是官方展示裡直接點名的場景。中小團隊的前期草稿成本會先降下來,相對地,基礎商品攝影與接案型的簡單廣告製作,議價空間會被擠壓。
內容供給的型態也會跟著工具走。我們先前整理過的AI 短劇朝代選單就是同方向的例子:生成工具擅長什麼、單價降到哪裡,很快會反映在平臺上實際被大量產出的內容類型。影片生成進入每秒幾毛美元的區間後,可以預期格式化短素材的供給量還會再往上抬一波。
水印與預留產能:企業採購的兩張門票
面向企業的配套有兩項值得記下。其一是 SynthID 水印,所有生成內容自帶肉眼不可感知的浮水印;在深偽爭議與內容標示要求逐步收緊的環境裡,這是素材進入正規投放流程的基本門檻。其二是預留吞吐量(Provisioned Throughput),企業可購買固定生成產能,避免量大時排隊。可追溯的輸出加上可預測的供給,向來是把玩票工具換成生產工具的兩道關卡,這次一併補上。
後續可以依序核對的訊號
- 1.1 版的價格與供應安排:跟進降價、維持價差,還是逐步退場,會透露 Google 對這條產品線的定位。
- 競品的反應重點:OpenAI、快手可靈、Runway 等對手是否跟進「編輯優先於重生成」的流程設計,這比跟進單價更有指標意義。
- 一致性的第三方實測:品牌色與包裝字體在多輪編輯後是否守得住,官方說明與實際產出的落差歷來存在,需要獨立驗證。
- SynthID 的配套進度:平臺端的偵測與標示工具何時跟上,決定水印從合規文件變成實際防線的時程。
- Google Ads 端的設計:生成式影片素材的格式、額度與投放整合方式,會顯示這條生產線打算開到多大的規模。
對需要產出影片的人,無論品牌端、代理商或自媒體,這次更新給的判斷基準相當實際:比價時別只看每秒單價,先算一次專案會迭代幾輪、每輪是否重新計費,以及高解析度輸出做幾次。單價會繼續往下走,15 秒很快會變成各家模型的基本配備;接下來真正拉開差距的,是讓改稿不必付全額重來的流程設計。