Google 宣布推出由 Google DeepMind 开发的视频生成模型 Gemini Omni 1.2 Flash。官方称其生成更快、成本降低 30%：可先生成 360p 或 720p 草稿（0.07 美元/秒），再放大至 1080p 或 4K。该模型支持 3 至 15 秒时长（最长 15 秒），并可通过对话逐轮修改背景、主体或光照；Google 还称多说话人语音与唇形同步更自然、镜头运动更可控且跳切更少。上述性能与价格均为 Google 的发布说法，尚缺独立验证。
背景
草稿到高分辨率放大的工作流，核心是先在较低分辨率下生成视频草稿，再通过放大步骤得到 1080p 或 4K 成片；对话式编辑则指在已有视频上逐轮修改背景、主体或光照，而不是每次从头重新生成。