Gemini Omni 1.1 Flash 將 AI 影片延長至 40 秒並支援 4K 升頻

新聞摘要

Google 推出了 Gemini Omni 1.1 Flash，這是其原生多模態影片生成與編輯模型的更新生產版本，新增三項主要功能：場景延長至 40 秒、首尾幀控制（可在兩個提供的關鍵幀之間引導運鏡），以及 4K 升頻輸出。此次更新於太平洋時間 2026 年 8 月 28 至 29 日宣布，將 Omni 從一次性影片生成器推向 Google 所稱的「可導演」創作工具，讓開發者和工作室能夠逐鏡引導創作。

Omni 1.1 Flash 的新功能

核心功能是場景延長。早期版本的 Omni 在延續片段時只能查看片段的最後一幀，而 1.1 Flash 更新在使用者要求模型延續場景時，每次會分析最多 10 秒的先前上下文。延長內容以每次呼叫約 3 至 10 秒的增量生成，並可以 10 秒為單位堆疊，直到片段達到 40 秒的上限。延長只能附加在片段末尾——模型無法在開頭之前添加畫面，也無法在現有序列中間插入新素材。

首尾幀控制讓使用者提供一張起始影像和一張結束影像，在提示詞中標記為 <FIRST_FRAME> 和 <LAST_FRAME>，然後由模型生成兩者之間的所有內容。Google 表示，這是實現環繞運鏡、推拉變焦和無縫循環等效果的主要方式，因為模型是在朝特定的視覺終點求解，而不是從單一起點自由推斷。

相關功能「影片參考」允許將最多三段短片（每段上限 3 秒）輸入生成流程，幫助模型在不同鏡頭之間保持角色外觀或場景視覺風格的一致性。參考片段中嵌入的音訊會被模型忽略。

4K 升頻與草稿工作流程

輸出解析度可設定為 360p、720p（預設值）、1080p 和 4K。Google 明確表示，1080p 和 4K 輸出是從模型的原生生成結果升頻而來，而非以這些解析度原生渲染。為了支援更快速的迭代，360p 草稿預覽的渲染速度最高可快 60%，成本約為標準 720p 層級的三分之一，讓創作者能以低成本先粗略完成一段序列，再投入全解析度渲染。

定價與技術限制

Gemini Omni 1.1 Flash 按權杖計費：輸入權杖每 100 萬個 1.50 美元，文字輸出每 100 萬個 9.00 美元，影片輸出每 100 萬個權杖 17.50 美元，Google 換算後約為每秒 720p 影片 0.10 美元。沒有免費層級，也沒有預留吞吐量選項——只能透過 Gemini API 的付費層級存取。

該模型目前缺少其他生成系統中常見的多項控制：沒有系統指令、溫度或 top_p 採樣控制、停止序列或負向提示詞。不支援語音編輯和音訊參考。Google 指出，英文提示詞已獲得完整支援和測試，而其他語言的表現尚未經過正式評估。

模型產出的每個片段都會加上 SynthID 浮水印，這是一種觀眾看不見的隱形標記，但可透過程式方式偵測，以驗證影片是否由 AI 生成。

可用性與推出情況

Gemini Omni 1.1 Flash 現已可透過 Google AI Studio 中的 Gemini API 以及 Gemini Enterprise Agent Platform 立即使用。此版本也正在全球範圍內向 Google Flow 的 AI Plus、Pro 和 Ultra 層級訂閱者推出，而場景延長功能則會直接內建於 Gemini 應用程式中，提供給相同的訂閱者。

業界反應與早期採用者

Google 表示，已有數家公司在公開推出前整合或測試了更新後的模型。Adobe 已將其建置到 Adobe Firefly 中，Figma 旗下 Weave 產品的創意總監表示，此次更新「讓團隊從生成影片進一步走向真正導演影片」。GMI Cloud 強調了該模型在教育內容製作方面的可靠性，Runway 的創意長則指出新控制項能多麼順暢地融入現有製作工作流程。Google 列出的目標應用涵蓋創意製作工具、媒體編輯軟體、房地產展示影片和教育內容平台，供開發者在此模型上建構應用。