Gemini Omni 1.1 Flash 正式开放 API,支持低清试稿与镜头续接 | AGIDaily
AGI Daily
资讯日报词条论文人物新创

Gemini Omni 1.1 Flash 正式开放 API,支持低清试稿与镜头续接

2026-09-01 / 共 2,026 字

Google

8 月 27 日,Google 发布 Gemini Omni 1.1 Flash,并将这款视频生成与编辑模型的 API 转为正式可用。创作者可以用较低分辨率试镜头,指定镜头的起止画面,再延长已有片段;确定方向后,还可以输出高清版本。

这些功能覆盖了从构思到修改的几个环节。以商品广告为例,创作者通常先试构图和运镜,再改动作,最后检查商品细节。Omni 1.1 让前期尝试可以使用更便宜的低清输出,选定镜头后再处理高清版本。

360p 草稿每秒 0.03 美元,降低前期试稿费用

这次最直接的成本变化是 360p 草稿。Google 发布时的价格表列出,360p 输出每秒 0.03 美元,720p 为 0.10 美元;更高的 1080p 和 4K 分别为 0.15 和 0.30 美元。发布公告

低清草稿适合先看位置与节奏:主体是否在合适的位置,镜头有没有切得太早,人物是否按预期走进画面。小字、商品纹理和面部细节,则留到高清阶段检查。这样,尚未确定的构图就可以先用较低成本比较。

Google Flow 同日公布了相应流程:先用较少积分生成 360p 视频,选中满意片段后下载 720p 版本,也可选择更高清的导出。这方便用户在手机上连续比较几个方向,再决定继续制作哪一个。Flow 功能说明

按 API 发布价做一笔示意计算:三段各 10 秒的 360p 草稿,输出费共 0.90 美元;随后再安排一次 10 秒、720p 的输出,合计 1.90 美元。若三次尝试全部使用 720p,输出费为 3 美元。前一种安排多了一次输出,但把三次选镜头的尝试放在了较便宜的档位。

这笔示意账只计算输出费,未计输入、额外修改等费用。实际能省多少还取决于返工:低清画面若遮住了重要错误,到了高清阶段重新生成,就会增加调用支出。

首尾两张图固定构图,文字描述中间的运动

只用文字描述运镜,往往要同时交代主体、背景、视角、运动方向和最终构图。少说一项,生成的镜头就可能结束在不合适的位置。

Omni 1.1 的首尾帧插值提供了更直接的约束:给出开始和结束两张图片,模型生成它们之间的运动。第一张决定从哪里出发,第二张规定最终停在哪里,文字再说明中间怎样移动。9 月 1 日更新的接口指南允许在图生视频任务中同时提供这两张图片。首尾帧接口说明

以产品展示为例,可以把正面近景设为起点、侧后方全景设为终点,再要求镜头缓慢环绕。这是一个制作方案示意:两张图固定起止构图,文字主要交代运动路径和节奏。

首尾两张图本身也会影响过渡效果。若商品结构、人物衣着或场景布局差异过大,模型就要同时处理镜头移动和对象变形。因此,参考图之间哪些变化来自视角、哪些来自素材不一致,会直接影响这一镜头的生成难度。

续接可参考此前 10 秒,累计最长 40 秒

视频续接要处理的条件比静态图生视频更多。最后一帧能够说明人物站在哪里,却很难单独交代人物刚才怎样走来、镜头往哪边移动,以及声音正在进行到哪里。

Google 介绍,Omni 1.1 延长镜头时最多分析此前 10 秒的上下文,相比仅参考最后一秒的做法,获得了更长的动作和叙事线索。官方公布的延长方式以 10 秒为单位,累计最长 40 秒;它描述的是逐段续接后的总长度。发布公告

有了前面片段作为参考,续接提示便可以集中描述接下来的变化:人物继续交谈,镜头拉远露出新空间,或背景音乐进入副歌。已有画面提供场景和动作线索,文字补充下一步意图。

接口指南还说明,为使过渡连续,模型可能修改输入片段末尾的部分帧。续接后的检查范围因此包括原片结尾与新片段的连接处,即便前一段已经确认,也可能发生变化。续接指南

对话式修改沿用上一轮结果,支持在选中版本上继续编辑

Omni 通过 Interactions API 延续上一轮结果。服务端保留交互状态后,应用传入此前结果的标识,就能继续修改视频,不必重新上传整个片段。用户的一句“把这里再改一下”,由此对应到某个确定版本。编辑接口说明

例如,用户生成了三个镜头,选中第二个,再试两种光照,就形成了从第二个镜头延伸的两条分支。只保存最后一次提示词,会丢失它们与原镜头的关系。

保存每次输出、接续版本和改动要求,可以让用户回到已经满意的镜头。场景、人物或光照出现偏移时,也能沿记录找到它发生在初次生成、返修还是续接阶段。调用费用同样可以对应到具体尝试,区分探索新方向与修复同一问题的支出。

声音功能取决于素材来源。当前 API 不支持语音编辑,也不能单独上传音频参考;续接用户上传的视频时,无法为其中的人物新增口头对白。沿模型自身生成的结果做多轮续接,则支持语音生成。声音与续接限制

1080p 和 4K 采用上采样,细节仍需检查

Google 的版本记录明确,Omni 1.1 的 1080p 和 4K 输出采用上采样。更大的画面方便后续剪辑和展示,但镜头里的动作、物体关系与叙事选择,需要在生成和编辑阶段先处理好。API 版本记录

从试稿到交付,Omni 1.1 提供了低清草稿、首尾帧约束、镜头续接和高清输出等操作。它们分别帮助创作者选择构图、控制运动、延续片段和放大画面;最终视频中的文字、商品和人物细节,仍要在高清结果中检查。

来源

  • Gemini Omni 1.1 Flash lets you build with more control · Google
  • Gemini API release notes · Google AI for Developers
  • Generate and edit videos with Gemini Omni Flash · Google AI for Developers
  • Gemini Omni Flash model documentation · Google AI for Developers
  • Google Flow brings new creative control features to enhance video editing · Google

评论

登录后即可参与评论。

加载评论中…

相关文章

  • Google 官方展示的两张宇航员场景生成图,左右分别为 Nano Banana 2 与 Nano Banana 2 Lite 的样例

    谷歌 Nano Banana 2 Lite 上线,1K 图像输出每张 0.034 美元

    2026-06-30

  • Google 官方性能与成本对比图,展示 Gemini 3.7 Flash 相对前代与竞品的位置

    Google 发布 Gemini 3.7 Flash:编程能力升级,首发半价持续至年底

    2026-08-15

  • ComfyUI 优化前后 MiniMax H3 内存占用对比图:全精度 123.6GB 降至优化后 42.5GB,降低 66%

    MiniMax 开放 H3 视频模型基础权重,2K 生成仍需调用 API

    2026-08-03

AGI Daily跟踪世界 AI 进展
邮件栏目主题RSS
定制投稿招聘广告
关于MCPTermsContact
Wan3.0 官方宣传片中的创作界面,提示词引用在线文档链接生成电梯前的动作场景

阿里 Wan3.0 支持用 PDF、PPT 生成视频,单次最长 30 秒

2026-09-02

  • BytePlus 发布 Seedance 2.5 的官方配图,蓝色星空与人物场景

    Seedance 2.5 开放 API,支持生成 30 秒视频、按片段改稿

    2026-08-19

  • Google I/O 2026 开发者亮点:Antigravity 与 Gemini API

    Gemini CLI 停止部分个人账户服务,Google 引导用户转向 Antigravity

    2026-06-20