Gemini Omni 1.1 Flash 发布：视频生成更可控

谷歌 DeepMind 今天正式推出 Gemini Omni 1.1 Flash，为开发者带来一组新的创意控制与生成视频能力。Gemini Omni 本身主打真实世界推理，而这次更新让 Omni 1.1 通过 Gemini API 在 Google AI Studio 中达到专业生产级水准。

无论是构建生成视频工作流、创意工具还是媒体编辑软件，这些更新都让生成视频更可控、迭代更快，也更接近真实部署的要求。具体来看：

场景扩展：讲更长的故事

场景扩展功能允许你接续现有视频，从结尾处无缝生成后续画面。Omni 1.1 现在可以分析最多 10 秒的先前上下文——此前模型只能参考最后 1 秒，因此在视觉一致性和叙事连贯性上有了明显提升。你可以按 10 秒增量扩展视频，累计最长 40 秒。

通过 Gemini API 扩展场景的示例：

from google import genai

client = genai.Client()

interaction = client.interactions.create(
    model="gemini-omni-1.1-flash",
    previous_interaction_id=previous_video_interaction.id,
    input=[
        {"type": "text", "text": "Continue the scene."}
    ],
    response_format={
        "resolution": "360p",
    },
)

指定首尾帧：平滑转场与运镜

通过指定一段镜头的起始帧和结束帧，Omni 1.1 能在两个关键帧之间生成连续视频。这个功能非常适合复杂的相机环绕、缩放转场或无缝循环片段。示例提示词包括：穿米色西装鼓手的低角度特写，镜头快速横摇至吹萨克斯的老者和旋转中的芭蕾舞者；或者镜头推近电视屏幕，看到相同的人物与场景，全程无跳切。

360p 快速草稿：更快迭代

开发者可以先生成 360p 分辨率轻量预览，速度最高提升 60%（基于360p与720p系统吞吐量对比），成本只有 Omni 1.1 标准 720p 输出的三分之一。这特别适合快速原型、分镜迭代和开发平台内的快速渲染。示例提示词是一段微观视角下的海洋硅藻，玻璃般的硅质外壳呈现琥珀、铜、绿松石和紫色调，背景干净，保持显微镜镜头效果。

4K 超分：直接用于专业制作

Omni 1.1 可以生成 1080p 或 4K 高分辨率输出，满足专业制作要求。示例包括鱼群游弋的跟踪镜头、从树林中窜出的小花栗鼠，以及秋日枫叶的微距特写等。

视频参考输入：多模态上下文更丰富

你可以在创作场景时引用最多三秒的视频参考，以保持视觉上下文和角色一致性。例如，上传三段舞者视频和一组角色图片，让狗角色跳经典舞蹈、章鱼角色跳嘻哈、熊角色跳霹雳舞，最终合成一个无剪辑的连续镜头。

应用思路与客户实践

这些新能力可以组合使用，开发者可以基于它们构建自定义工具和创意工作流。目前已有客户通过 Agent Platform API 将 Gemini Omni Flash 投入实际生产，探索视频生成在真实场景中的落地。

定价与可用性

Omni 1.1 正在向谷歌开发者生态全面开放：

• Google AI Studio：可直接在 Google AI Studio 中体验 Omni 1.1。
• Gemini Enterprise Agent Platform：企业可通过 Agent Platform API 直接构建应用。
• 开发者文档：查阅官方文档、Cookbook和提示词指南，了解如何集成场景扩展、视频参考和超分功能。

此外，全球所有 Google AI Plus、Pro 和 Ultra 订阅用户今天起可以在 Google Flow 中使用 Omni 1.1；场景扩展功能则在 Gemini 应用 中向上述订阅用户开放。