Gemini Omni 1.1 Flash 将 AI 视频延长至 40 秒并支持 4K 超分

新闻摘要

谷歌已推出 Gemini Omni 1.1 Flash，这是其原生多模态视频生成与编辑模型的更新生产版本，新增三项核心能力：场景延长至 40 秒、通过两帧关键帧控制首尾帧以引导镜头运动，以及 4K 超分输出。此次更新于太平洋时间 2026 年 8 月 28 日至 29 日发布，将 Omni 从一次性视频生成器推向谷歌所称的"可导演"创作工具，让开发者和工作室能够逐镜头地掌控创作。

Omni 1.1 Flash 的新功能

核心功能是场景延长。此前版本的 Omni 在延续片段时只能参考片段的最后一帧，而 1.1 Flash 更新在用户要求模型延续场景时，每次都会分析最多 10 秒的前置上下文。每次调用生成的延长片段约为 3 到 10 秒，并可按 10 秒为一块进行堆叠，直到片段达到 40 秒的上限。延长只能追加到片段末尾——模型无法在开头之前添加画面，也无法在现有序列中间插入新素材。

首尾帧控制允许用户提供一张起始图像和一张结束图像，在提示词中以 <FIRST_FRAME> 和 <LAST_FRAME> 标记，让模型生成两者之间的所有内容。谷歌表示，这是实现环绕镜头运动、推拉变焦和无缝循环等效果的预期方式，因为模型是在求解一个明确的视觉终点，而不是从单一起点自由外推。

另一项相关功能是视频参考，允许将最多三段短视频参考片段（每段上限为三秒）输入生成过程，帮助模型在不同镜头之间保持角色外观或场景视觉风格的一致性。参考片段中嵌入的音频会被模型忽略。

4K 超分与草稿工作流

输出分辨率可配置为 360p、720p（默认）、1080p 和 4K。谷歌已明确表示，1080p 和 4K 输出是从模型的原生生成结果超分而来，而非以这些分辨率原生渲染。为支持更快的迭代，360p 草稿预览的渲染速度最高可提升 60%，成本约为标准 720p 档位的三分之一，让创作者可以低成本地先粗剪出序列，再投入全分辨率渲染。

定价与技术限制

Gemini Omni 1.1 Flash 按 token 计费：输入 token 为每 100 万 1.50 美元，文本输出为每 100 万 9.00 美元，视频输出为每 100 万 17.50 美元，谷歌将其换算为大约每秒 720p 视频 0.10 美元。没有免费层，也没有预留吞吐量选项——只能通过 Gemini API 的付费层访问。

该模型目前缺少其他生成系统中常见的若干控制项：没有系统指令、temperature 或 top_p 采样控制、停止序列或负面提示词。不支持语音编辑和音频参考。谷歌指出，英文提示词已获得充分支持和测试，而其他语言的表现尚未经过正式评估。

模型生成的每个片段都会打上 SynthID 水印，这是一种不可见的标记，观众无法看到，但可以通过程序检测来验证视频是否为 AI 生成。

可用性与发布计划

Gemini Omni 1.1 Flash 现已通过 Google AI Studio 中的 Gemini API 以及 Gemini Enterprise Agent Platform 提供。它还在 Google Flow 中面向 AI Plus、Pro 和 Ultra 层级的订阅用户全球推出，场景延长功能将专门面向这些订阅用户直接在 Gemini 应用中上线。

行业反响与早期采用者

谷歌表示，多家公司已在公开发布前集成或测试了更新后的模型。Adobe 已将其集成到 Adobe Firefly 中，Figma 旗下 Weave 产品的创意总监表示，此次更新"让团队从生成视频走向真正导演视频"。GMI Cloud 强调了该模型在教育内容制作方面的可靠性，Runway 的首席创意官则指出新控制项能多么顺畅地融入现有制作工作流。谷歌列出的用例涵盖创意制作工具、媒体编辑软件、房地产展示视频和教育内容平台，作为开发者基于该模型构建应用的目标场景。