Gemini Omni 1.1 Flash 发布，为开发者提供更强生成式视频控制

事件核心：发生了什么

Google DeepMind 在 8 月 27 日正式发布 Gemini Omni 1.1 Flash，这是一款面向专业开发者的生成式视频模型更新。与上一代相比，Omni 1.1 的关键提升在于“控制力”：开发者现在可以基于已有视频无缝延伸画面，模型能分析最长 10 秒的上下文（此前模型仅参考最后一秒），以 10 秒为增量将视频累计延长至最长 40 秒，并保持视觉一致性与叙事连贯性。

此外，新版本支持开发者指定首帧和尾帧，实现平滑的镜头运动和场景过渡；提供 360p 低分辨率预览模式用于快速迭代与成本控制；最终成片可一键升级至 4K 分辨率。开发者可通过 Google AI Studio 或 Gemini Enterprise Agent Platform 访问该模型。

为什么重要

此前生成式视频最大的瓶颈并非“能生成”，而是“不可控”——创作者难以精确指定镜头运动、场景衔接与叙事走向，导致视频工具只能停留在创意原型阶段，无法嵌入专业的影视或编辑工作流。Gemini Omni 1.1 Flash 通过首尾帧插值、10 秒上下文理解和分阶段扩展机制，将生成式视频从“随机创作”推向“按指令制作”，这是该领域走向商业化落地的关键一步。

从竞争格局看，Google 选择以 API 形式开放这一能力，并同步提供低成本预览模式，明显意在吸引开发者生态。相比闭源的全托管视频生成服务，这种“低分辨率试错 + 高分辨率成片”的组合降低了实验门槛，短期内有望在 AI 视频工具链中抢占开发者心智。

对用户/开发者/创作者的影响

对于应用开发者：360p 预览模式直接降低了 API 调用成本，可以在创意验证阶段快速产出多个候选版本，只在最终环节花费 4K 超分的算力。这意味更快的原型迭代和更可控的预算。

AI 工具推荐

想把多个 AI 模型放在一个入口？

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。

对于视频创作者与影视团队：场景延伸功能可以处理最长 10 秒的上文信息，解决了此前长镜头生成中常见的角色漂移和剧情断裂问题；首尾帧设定则让镜头运动具备“摄影师思维”，适合广告、短剧、动态分镜等需要精确构图的场景。

对于企业用户：通过 Gemini Enterprise Agent Platform 接入，可在内部工作流中整合视频生成能力，但具体计费方式和 SLA 目前公开信息显示尚未披露，企业采购需关注后续定价策略。

值得关注的后续

一是价格透明度——4K 输出与 10 秒上下文推理的算力消耗显著高于文本模型，API 定价将直接影响开发者是否大规模采用。

二是竞品跟进——OpenAI Sora、Runway 与国内视频生成厂商均在高可控方向发力，首尾帧插值和长上下文是否是行业公认的解法，值得持续观察。

三是模型是否开源——目前 Gemini Omni 系列延续闭源 API 路线，若后续出现轻量开源版本，可能对本地化部署和私有化视频工作流产生实质影响。

来源：Google DeepMind