Gemini Omni 1.2 Flash 上線，十五秒影片與多輪修改如何改變製作流程？
Google 推出 Gemini Omni 1.2 Flash，原生影片最長十五秒、720p 每秒 0.07 美元。本文拆解參考素材、多輪修改、帳號入口與驗收方式，保留高速動作、語音與素材權利限制。
影片生成能否實際交件，往往取決於片長、修改次數與預算能否一起控制。
Google 在二〇二六年十一月五日推出 Gemini Omni 1.2 Flash，把原生影片長度提高到十五秒，並調降指定輸出規格的價格。
對需要製作商品短片、社群素材與分鏡草稿的人，這次更新提供了值得重新評估的工作方式。
更新同時涵蓋圖片、動態與聲音參考，以及對已生成影片進行多輪修改的能力。官方希望透過局部修改降低重做成本，但實際效果仍要看素材、題材與每次修改的要求。可用產品入口、帳號方案及不同解析度的用量，也需要分別確認。
我會先用低解析度草稿固定角色與鏡位，再用一次明確修改檢查模型保留了什麼。這樣比較容易知道新功能是否真的節省製作時間。十五秒先改變鏡頭能容納的動作，再影響素材與修改安排。
Gemini Omni 1.2 Flash 的十五秒影片能解決什麼問題？
片長上限增加，首先影響的是一個動作能否在同一鏡頭完成。根據 Google 公告，Gemini Omni 1.2 Flash 支援三至十五秒影片，可以一秒為單位設定長度。
前一代 Omni 1.1 的原生上限為十秒，因此這次增加的是一次生成可容納的時間。
例如要拍攝一段商品示範，畫面可能需要先呈現包裝，再讓人物拿起產品，最後停留在使用結果。若把三件事全部塞進很短的鏡頭，模型需要在有限時間快速轉場，觀眾也可能還沒看清楚就結束。
十五秒提供較多安排空間，創作者可以讓動作開始、進行與結束有比較完整的節奏。
片長增加仍然需要分鏡設計。十五秒指令若同時要求多個地點、多人對話、快速移動與精密手部操作，難度也會一起上升。比較可控的起點，是先讓一個主體完成一件事，再決定是否需要換鏡。
官方展示的連續移動鏡頭有助於理解方向，卻不能直接當成每次生成都能穩定成功的證據。
Google 特別介紹第一人稱移動、縮放與環繞鏡位的改善，並展示持續鏡頭的範例。對創作者來說，這代表可以測試相機移動是否更自然。驗收時仍應看主體有沒有突然改變、背景是否跳動，以及鏡頭走過遮蔽物後角色是否維持原貌。
鏡頭時間能容納故事之後，下一步就要讓角色與商品有穩定的參考。
introducing gemini omni 1.2 flash, now available in ai studio and the gemini api
— Google AI Studio (@GoogleAIStudio) November 5, 2026
what's new:
- fast & 30% lower cost
- longer clips
- edit in conversation
- more natural speech
- more controllable shots pic.twitter.com/ipHJr5hYnN
參考圖片、動態與聲音如何共同約束畫面？
不同參考素材分別提供外觀、動作與聲音線索。官方表示，模型可以利用參考圖片維持人物、產品與視覺風格，也能接收最長三秒的動態片段作為動作參考。聲音提示則協助描述說話者或聲音表現。
這些資料的共同作用，是讓文字以外的細節有更具體的依據。
商品影片尤其適合先處理外觀參考。包裝上的色塊、瓶身比例、衣物圖案與人物配件，都是觀眾容易辨認的特徵。準備素材時可以選擇清楚、遮擋少的圖片，並在提示詞寫出必須保留的部分。
這是依功能設計提出的製作建議，效果仍須以生成結果確認。
動態參考解決的是另一個問題。即使人物長相相同，文字描述的「轉身」也可能對應多種速度、幅度與方向。短片參考能提供動作輪廓，但創作者仍要檢查新場景裡的重心、接觸關係與時間安排。
參考影片中的運動方式，也不等於模型保證遵守所有物理條件。
官方範例還包含多人說話與嘴形配合，顯示團隊正在改善語音自然度和說話者控制。製作對話時，應分別聽每一句是否清楚、辨識畫面中的說話者是否正確，以及背景聲會不會蓋過內容。
角色外觀一致與聲音一致是兩項驗收工作，可以分開記錄，避免只因畫面好看就忽略語音問題。
參考素材也涉及使用權。照片、商品設計、音樂與可辨識的聲音都應確認有適當權限。模型能讀取素材，並不自動擴大原素材的使用範圍。參考條件確定後，後續修改才能清楚比較保留了什麼。
把商品示範拆成可比較的三個時間段
以一支十五秒的商品短片為例，可以先安排開頭辨識產品，中段完成主要動作，最後留時間展示結果。這是示範性的分鏡規劃，並非 Google 保證的最佳配置。
它的用途是讓團隊看得出哪一段沒有完成任務，也能在修改時說清楚希望調整的位置。
若中段動作過於倉促，就先調整動作與時間，暫時保留已接受的開頭和結尾。若最後產品標示不清楚，則另一次處理鏡頭距離與停留。透過這種方式，片長上限的改善才能轉成具體的製作選擇，而不是每支影片都填滿十五秒。
驗收也可以對應相同三段。開頭檢查觀眾能否認出主體，中段檢查動作是否完整，結尾檢查結果是否清楚。聲音則從頭聽到尾，確認台詞節奏和畫面一致。當同事提出修改時，指向特定時間段，比籠統要求「更有質感」更容易形成下一輪指令。
如果短片最終要搭配剪輯、字幕或另外錄製的旁白，也應先確認需要模型負責的範圍。生成階段與後製階段的工作分配清楚，才比較容易估算實際節省了哪些時間。
多輪修改應如何安排驗收？
修改指令越具體，就越容易檢查這一輪的變動範圍。Google 表示，使用者可以在對話中修改背景、商品、光線、天氣或畫面比例，並對十五秒影片持續調整。這讓工作流程有機會從「重寫整份提示詞」改成「針對已接受的草稿繼續修」。
比較適合的做法，是先建立一份簡單的保留清單。例如目前人物、衣服與鏡頭節奏已經接受，這一輪只希望把背景從室內換成戶外。修改後除了看新背景，也要回頭檢查人物、衣服與動作是否維持。
若另一處跟著改變，就應記錄為需要再處理的差異，而非只看指定修改有沒有出現。
一次修改太多條件會增加比較困難。若同時改時間、鏡位、人物服裝與台詞，最後就算結果不符預期，也很難知道哪項要求造成影響。我會先處理會決定整段內容的事項，例如主體與動作，再處理光線與環境，最後確認聲音和輸出規格。
這種排序是製作上的判斷，並非官方提供的成功率保證。
完整觀看比只看第一格更重要。局部修改可能在開頭看起來正常，卻在後半段出現物件變形或聲音銜接問題。十五秒並不長，仍值得從頭看到尾，再挑人物遮擋、手部接觸與鏡頭轉向的位置停下來檢查。
若要把多段影片接成較長作品，還應比較不同片段的角色、色溫與音量。
多輪修改也需要保留版本。至少記下本輪使用的素材、要求改變的內容、接受或退回的理由，以及最後選中的輸出。當團隊需要回到上一個版本時，這些紀錄會比一串沒有標註的影片檔更容易使用。
這套修改節奏也會決定實際使用量，因此預算必須連同重試一起估算。
價格與不同產品入口怎麼看？
官方每秒報價對應指定的七二〇畫質，不等於所有輸出流程的總價。
Google 在公告中列出，Omni 1.2 Flash 透過可供程式呼叫的 Gemini API 介面與 Google Cloud 的七二〇解析度影片，價格為每秒〇點〇七美元，較 Omni 1.1 降低百分之三十。
這項比較應保留版本與規格，避免把折扣套用到所有功能。
若只依這個單價計算，一次十五秒的七二〇影片為一點〇五美元。這是單次生成、指定解析度的算式，尚未涵蓋重試、額外編輯或升頻等可能用量。正式估價時，應把「要交付幾支成片」與「可能需要生成幾次」分開。
若團隊只記最後輸出的秒數，往往無法解釋實際使用量為何增加。
Google 建議可從三六〇或七二〇解析度草稿開始，再經過修改，最後升頻至一〇八〇或四Ｋ。這種安排適合把早期選片與最終交付分開。
草稿階段先檢查故事、角色和動作，確認後才處理較高解析度，有助於避免在尚未接受的片段上持續投入製作時間。不同階段的實際價格仍要依所用入口的定價確認。
入口也不只一個。公告提到 Gemini API、Google AI Studio、Google Cloud，以及 Flow、Google Vids 和 Gemini 應用程式。
各入口的帳號資格、額度與推出進度並不相同。Gemini 應用程式的更新是逐步向 Google AI Ultra 使用者推出，不能因此推論所有免費或其他方案已同步開放。
Google 另提供 Provisioned Throughput，供有穩定容量需求的企業評估。一般創作者可先確認自己的帳號是否有該模型，再以少量素材測試。
選定能使用的入口之後，才適合規劃固定產量與自動化流程，避免先建立整套製作安排，最後才發現帳號限制不同。
哪些場景仍要保留逐格檢查？
官方仍把高速動作與複雜物理列為持續改善方向。這類限制會直接影響運動、舞蹈、碰撞與精密商品操作等題材。若影片需要正確呈現一個技術動作，創作者應先確認細節是否合理，再把它放進教學或產品說明。
語音也有獨立風險。自然的音色不代表文字一定讀對，嘴形接近不代表說話者永遠對應正確。對有品牌名稱、數字或專有名詞的影片，我會先對照台詞逐句聽，再檢查字幕與畫面。
需要可靠傳達資訊的內容，可以把口白驗收設成與影像驗收同樣明確的一步。
Google 表示影片包含 SynthID 不可見浮水印。這有助於辨識內容來自生成工具，但素材授權與資訊正確性仍需要各自處理。對外使用前，應保留生成紀錄與原始素材來源，並依作品情境清楚標示生成內容。
Omni 1.2 Flash 值得注意的地方，是把片長、參考與修改放進同一個工作循環。真正適不適合自己的任務，可以從一支十五秒短片驗證。
先確認畫面、聲音與一次局部修改都符合需求，再估算產量與預算，會比直接依官方展示推估整套工作效率更有依據。
交件前也可以保留一份最終規格紀錄，包含採用的片長、解析度與聲音版本。若同一素材還要裁成不同社群比例，就分別檢查主體是否被裁掉、字幕是否有足夠空間，避免原片合格但實際投放版本看不清楚。
常見問題
Gemini Omni 1.2 Flash 一定要生成到十五秒嗎？
不必。官方支援三至十五秒、以一秒為步長的設定。可依動作需要安排長度，讓片段有足夠時間完成任務即可。較長時間也代表更多內容需要驗收。
每秒〇點〇七美元包括四Ｋ輸出嗎？
公告列出的單價針對七二〇解析度。升頻、其他解析度與不同產品入口的總用量，應另依當前定價與帳號規則確認，不能直接沿用同一個單價。
可以保證修改背景後人物完全不變嗎？
官方介紹了多輪修改與一致性改善，但沒有提供可適用所有題材的成功率保證。修改後仍應完整觀看，確認人物、商品、動作與聲音是否符合原先接受的版本。
