Gemini Omni 1.2 Flash 增强参考素材遵循能力，PixPix 首发接入

一件夹克的上新视频，既要让人看清上身效果，也要交代背面的设计，最后还想给领口和面料留个特写。镜头太短，这几个信息点容易挤在一起。PixPix 首发接入 Google DeepMind 新一代视频生成与编辑模型 Gemini Omni 1.2 Flash。新版将单段原生视频从最长 10 秒延长到 15 秒，增强了对参考素材的遵循，并支持在同一条视频上进行多轮对话式编辑。对电商团队来说，多出来的时间可以用来讲清商品细节，已经选中的镜头也可以作为后续改稿的基础

Gemini Omni 1.2 Flash 支持在 3 至 15 秒之间按秒设置时长。以夹克为例，开头可以让模特正面停留，交代衣长和肩线，中段安排缓慢转身，展示背面的剪裁，最后给领口或袖口留出近景。如果这条素材只想展示拉链开合，一个短镜头就够了。时长可以跟着卖点走，商品细节也有时间被看清。

价格方面，谷歌公布的 720p 视频生成价格为每秒 0.07 美元，较上一代下降 30%。按这一标准估算，生成一段 15 秒的 720p 视频约需 1.05 美元。

服装视频可以从一组正背面图开始。制作团队可以先用 PixPix 的商品套图、产品精修或模特穿戴准备候选素材，检查颜色、版型、印花和口袋位置，再挑出轮廓清楚、遮挡较少的画面作为参考。正面图用来交代上身效果，背面图补充转身后露出的设计。如果有动作参考片段，也可以单独用它说明转身的速度和幅度。

谷歌的虚拟试穿演示用了一个更复杂的组合。一张模特照片搭配三套服装的正反面图，生成了一段包含转身和换装衔接的 15 秒视频。实际制作时，可以先用一件商品完成「正面停留、缓慢转身、背面展示」，再逐帧看印花、纽扣和口袋在动作中有没有变形或移位。

多轮对话式编辑适合处理初稿通过后的修改。比如一条咖啡机视频已经拍清了机身和出杯过程，团队想测试厨房早餐版和办公室茶水间版，可以从同一条片段出发，先调整背景，再视需要修改光线或画幅。第一轮可以这样写：「把背景换成办公室茶水间，保留咖啡机的外观、位置、出杯动作和镜头节奏。」每轮只改一项，审稿时更容易看出变化，也方便发现机身标识或杯子位置有没有跟着跑偏。

对于准备批量制作上新或投放素材的团队，可以先选一个熟悉的商品，在 PixPix（入口pixpix.art） 走完备图、生成和修改的流程。确认商品细节在连续镜头里保持一致，再记录导出尺寸和任务消耗，作为制作后续版本的依据。