用AI生成视频,最让人头疼的是什么?
有时候画面已经挺满意了,就是背景不对。想换个场景,重新生成后,人物的脸变了,动作也跟着变了。
为了改一个小地方,只能反复抽卡。
11月5日,Google发布了新视频模型 「Gemini Omni 1.2 Flash」,这次就重点改进了这个问题。
新模型支持生成最长15秒的视频,还能直接通过对话修改已有画面。比如换背景、调整光线、改变天气,不必每次都从头生成。
价格也降了。720p视频每秒0.07美元,比上一版便宜30%。
对于经常制作AI短视频的人来说,这次更新有不少值得关注的地方。
01|视频生成后,不满意的地方可以接着改
以前用AI做视频,最常见的操作就是修改提示词,然后重新生成。
比如你想做一个骑士站在城堡前的视频。
第一次生成,人物动作很好,但背景不够理想。于是重新写提示词,想把城堡换成森林。
结果森林是有了,骑士的盔甲、动作甚至长相也变了。
Omni 1.2 Flash支持多轮对话式编辑,可以围绕同一段视频继续修改。
Google在官方演示中,用同一段骑士视频,连续把背景换成了树林、马厩、集市和城堡等场景。
在演示结果里,两名角色的动作、盔甲反光和镜头构图基本保留了下来。
这意味着,制作不同版本的宣传视频时,可以先生成一个满意的主体画面,再根据需要调整背景、天气、光线,甚至画面比例。
例如,同一个商品广告,可能需要适配不同的季节或投放场景。过去每换一个版本,都可能要重新生成整条视频,现在可以尝试直接修改已有结果。
当然,这不代表每次修改都能完美保留原片。尤其涉及复杂动作、人物遮挡或大幅改变场景时,仍然可能出现画面不一致的问题。
但至少从官方演示来看,「修改视频不再只能依赖重新生成。」
02|从10秒到15秒,人物和场景也更稳定了
Omni 1.1 Flash最长支持10秒视频,新版将时长提高到了15秒。
用户可以在3秒到15秒之间选择生成时长,以1秒为单位调整。
多出来的5秒,看起来不算多,但对制作短视频很实用。
比如拍一段商品展示,镜头可以先从正面推进,再绕到侧面,最后停留在商品细节上。
如果只有几秒钟,可能还没展示完整,画面就结束了。
Google这次还改进了参考素材的使用效果。
除了角色、商品和风格图片,模型还支持结合最长3秒的动作参考片段,以及音频线索来指导生成。
其中,部分音频参考能力存在额外的访问限制,并非所有用户都能直接使用。
Google展示了一段虚拟试衣视频:通过模特照片和多套服装的正反面图片,生成15秒的换装展示。
在官方案例中,模特转身时,服装的版型、颜色和背部细节都能较好地保留下来。
对于商品广告、角色动画和系列短视频来说,这类一致性很重要。
毕竟,同一个角色在不同镜头里突然换了张脸,或者商品包装上的文字发生变化,视频再精美也很难直接交付。
运镜方面,新版也有所改进。
Google演示了通过两张建筑参考图,生成连续穿越建筑空间的第一人称飞行镜头。从广场进入建筑内部,再向上穿过穹顶,整个过程没有明显的镜头切断。
不过,官方也承认,快速运动、复杂物理场景等任务仍然有待改善。
这些演示可以说明模型的能力方向,实际制作时能否稳定复现,还得看具体素材。
03|人物说话更自然,口型同步也有改进
这次更新还有一个容易被忽略的地方:声音。
Omni 1.2 Flash改进了人物对话的自然程度、口型同步,以及多角色之间的声音区分。
Google展示了一段15秒的多角色动画。
画面中有几个不同的角色,通过场景图片、人物参考和短语音样本,模型生成了带对白的动画片段。
每个角色说话时,声音和口型能够对应起来,角色之间的对话节奏也更加自然。
以前制作AI动画,经常会遇到几个问题:
人物已经张嘴了,声音还没跟上;两个角色轮流说话,口型却对不上;或者配音听起来很生硬,与人物表情不搭。
这次升级尝试改善的正是这些细节。
对于制作AI短剧、动画和数字人口播的人来说,如果画面、动作和对白能够在一次生成中配合好,就能减少后期单独处理声音和口型的工作。
不过,Google演示中使用的语音参考条件,不代表普通用户目前都能自由上传声音样本并指定角色音色。具体还要看使用入口和权限。
实际制作中,长对白、多人抢话和复杂表情能达到什么效果,也需要进一步测试。
04|15秒只要1.05美元,反复生成能省多少?
价格是这次更新最直接的变化之一。
按照Google公布的API价格,Omni 1.2 Flash生成720p视频,每秒收费0.07美元,比上一版降低30%。
算下来:
「生成一段15秒的720p视频,基础费用是1.05美元。」
如果需要反复生成10次,每次都是15秒,那么单纯按生成时长计算,费用就是10.50美元。
当然,这只是一个固定用量的计算例子,不包含其他可能产生的费用。
对于实际制作来说,问题往往不是生成一次多少钱,而是最终完成一条能用的视频,要生成多少次。
假设一条15秒的广告,需要反复调整人物动作、商品外观和场景细节。
如果每次修改都要重新生成整段视频,试错成本就会不断增加。
新版支持对已有片段继续编辑,理论上可以减少一些不必要的重做。
Google还提供了另一种制作方式:先用360p或720p生成初稿,确认内容满意后,再将选中的版本放大到1080p或4K。
这样就不用每次测试创意,都直接使用高分辨率生成。
不过要注意,「每秒0.07美元是720p视频的API生成价格,不等于所有编辑、放大和其他产品入口都按这个价格收费。」
真正能省下多少钱,还是取决于修改成功率,以及最终需要多少次生成和编辑。
05|现在可以在哪里使用?
Omni 1.2 Flash已经通过Gemini API和Google Cloud向开发者及企业开放。
开发者可以在Google AI Studio中进行测试,企业用户也可以通过Google Cloud接入。
普通用户则有几个不同的使用入口。
Google Flow支持使用相关的视频生成和多轮编辑能力。
Google Vids已经接入Omni 1.2 Flash。根据11月5日公布的安排,拥有Google账号或Google Workspace订阅的用户,每月可以免费生成最多3条15秒视频。
Gemini App也在逐步向Google AI Ultra订阅用户开放15秒视频生成能力。
不过,不同产品提供的功能、免费额度、订阅要求和地区限制并不完全相同。
如果只是想体验新模型,可以先看看Google Vids是否已经提供相关功能;如果需要批量制作视频,或者接入自己的制作流程,再考虑API。
这次发布还有一个值得留意的细节:Google表示,Omni生成的视频会带有不可见的SynthID水印,用于标识AI生成内容。
AI视频现在已经不难做出一段看起来不错的画面。
难的是把它改到能用。
人物动作满意了,背景却不对;场景改好了,角色又变样了;画面终于确定,声音和口型还得重新处理。
这些问题,对真正做过AI视频的人来说应该不陌生。
Omni 1.2 Flash这次更新的15秒时长、连续修改、角色一致性和语音表现,基本都围绕这些制作问题展开。
至于效果到底有多稳定,还需要拿实际项目测试。
比如同一个角色连续生成多个镜头,会不会变脸?修改背景后,原来的动作还能保留多少?做完一条15秒的广告,究竟需要花多少钱?
如果这些问题能解决得更好,AI视频制作确实能少走不少弯路。
「毕竟,做出第一版只是开始,能少改几遍,才是真正省事。」

