美东时间11月5日，谷歌正式发布新一代视频生成与编辑模型Gemini Omni 1.2 Flash，公告把三件事列在一起：原生15秒视频创作、多轮对话式编辑、增强的参考遵循能力。 同时，720p视频生成价格较上一代直降30%，降到每秒0.07美元，约合人民币0.46元。 标题这个问题的答案要拆成两半：靠参考图决定"人和东西长什么样"的静态细节漂移，这代明显管住了；高速运动带来的形变和脸崩，还没解决。 更实质的变化在返工成本：改一处瑕疵，不再需要把整条片子重新抽一遍。谷歌官方博客36氪The Decoder
“脸崩物歪"不是新话题。6月底初代Gemini Omni Flash刚对开发者开放时，一次只能生成10秒视频，切换场景、移动镜头，人物还容易变形。 创作者为此发展出一整套绕路打法：角色近景好好的、一到远景就崩，用去头四联图锁脸还行，但又冒出大小头的新问题，于是要做六视图、人物板来稳住五官发型和头身比例。 1.2这次升级的"参考遵循”，瞄准的正是这类"提前锁素材"的工作流。知乎哔哩哔哩
参考图到底能锁住什么
官方给出的参考输入包括角色图、产品图、风格图、最长3秒的动作片段和音频线索，并承诺从头到尾保住这些细节。 同题对比下，上一代Omni 1.1 Flash对参考图的还原度明显不及1.2，这是这代和"抽卡时代"最直观的分界。谷歌官方博客36氪
官方试穿演示里，仅凭一张模特照片加三套服装的正反面图，模型就生成了一段15秒虚拟试穿视频，涵盖360度转身和匹配剪辑，模特身份与每件服装的剪裁、垂感均保持一致；3D创作者的实测也反馈，输入Blender白模的运镜视频、用文字补充纹理光照，1.2的following效果比1.1好了很多。 盲测榜单给出了同样的方向：Arena文生视频榜它拿到1541分、图生视频榜1502分，双双暂列第一。36氪小红书知乎
对话式编辑让"锁住"变得可用：整段15秒可以一轮一轮接着改，这轮换背景、下一轮换光线天气、再下一轮换画幅比例，都不用重新生成；官方演示把背景从条纹帐篷依次换成橡树林、马厩、集市和石头城堡，两名角色的表演、盔甲反光和镜头构图始终不变。 画面前后一致性也在提升：用一张店外首帧、一张吃面尾帧，1.2一个镜头从店外推进到店内，还补上了老板端面上桌的过程，一镜到底、急速拉远这类复杂运镜里的莫名跳切少了很多。 改片也有技巧：开发文档建议每轮只写简短的修改要求，并说明其他内容保持原样，过度描述反而会带来意外变化。36氪知乎小红书
没解决的部分：高速动作和音频参考还在门外
但厂商演示和"稳定可用"之间还隔着一层。参考图提供的是约束，不是把素材直接贴到每一帧上——人物转身后衣服的背面、杯柄的位置这些参考里没有的角度，仍然要模型自己在变化中保持一致，所以对照前后版本检查脸、手、物品形状，依然是创作者的基本功。 高动态场景的实测则泼了冷水：同一支GTA VI预告片复刻，四个镜头同样要求"夜里迈阿密、警灯、手持跟拍、不切镜"，Gemini Omni 1.2 Flash花了$1.42，Seedance 2.5花了$4.66，便宜那版的问题也被同时点出：变形太多，镜头里人一跑、车一冲，脸和轮廓就糊。 这笔省下来的差价不写在账单上，就写在返工次数里——不过该测试样本只有一条片子，结论得先存着。小红书哔哩哔哩
操作上的边界也要拆开看：单次生成上限15秒，但用首尾帧生成视频时最长还是10秒；片尾延长只读取输入末尾10秒，每轮续3到10秒、总长最多30秒，不能把"最长15秒"套到每种操作上。 公告里列出的"音频线索"参考，目前也只停留在模型能力层面：当前API不支持上传音频参考，也不能编辑声音。知乎小红书
一秒7毛钱的账，怎么用才划算
官方给出的省钱路径和参考遵循是配套的：先用360p或720p出草稿，360p每秒只要0.023美元，哪里不满意就改那一处，都满意后再提升到1080p或4K；按720p每秒0.07美元算，一条15秒成片约1美元、合7块钱人民币。知乎
接入面基本全开：Gemini API、Google AI Studio、谷歌云控制台、Flow、Vids、Gemini App和谷歌广告都在列表里，15秒成片在App侧目前只有Ultra订阅可用；普通谷歌账号每月最多可免费生成3条15秒视频，API则没有免费档。The Decoder知乎
还在调用1.1的开发者不用改代码，12月3日起请求会自动切换到1.2并按新价格计费。知乎
值得留意的是行业开始给"参考遵循"装标尺了。发布同天，腾讯开源了34万条参考生视频样本的Omni-R2V数据集，配套基准把模型该不该学参考，拆成保留、解耦、路由三个可检查的动作，配上千条逐条打分项，专门检查模型是不是只学了该学的那部分。 拿这把尺子回看1.2：它锁住的是角色身份、产品外观、品牌元素这类"静态一致性"，剩下的脸崩集中在高速运动与复杂物理交互——那正是各家下一版真正要拼的部分。对电商、广告创作者，现阶段的合理用法是把多机位产品图、人物正反面图这些素材喂成参考输入，把"重抽"换成"改片"，逐轮打磨。知乎
