Google 推出 Gemini Omni 1.1 Flash：支持 40 秒场景延展与 4K 超分

玩过 AI 视频的人都知道，以前生成视频就像开盲盒：不仅镜头只要一长就容易画面崩溃，想让角色从指定位置走到另一个位置，也全凭模型心情。

Google 宣布推出视频生成模型 Gemini Omni 1.1 Flash。这次升级虽然版本号只跳了「0.1」，但带来的变化很实在，核心就是把原先飘忽不定的生成效果，变成可以精细控制的生产工具。新模型已经通过 Google AI Studio 中的 Gemini API 正式上线，付费订阅用户也能在 Google Flow 和 Gemini 应用里直接体验。

给 AI 视频装上记忆与方向盘

这次最核心的改进，是解决了长镜头断裂和失控的问题。

以往大多数视频模型在延长画面时，往往只能参照最后一秒甚至最后一帧的画面，镜头一拉长，背景里的建筑和人物长相就完全变了样。Gemini Omni 1.1 Flash 引入了更强大的场景延展功能，能够直接分析前 10 秒的上下文。你可以以 10 秒为一个步长递增延长，累计最长能一口气延展到 40 秒，同时保证画面风格和叙事逻辑不穿帮。

另一个很实用的功能是首尾关键帧控制。创作者可以明确指定画面的起始帧和结束帧，让模型自动计算并生成中间的平滑过渡。这在做复杂的镜头环绕、快速变焦推进或者制作无缝循环动画时非常管用，再也不用反复抽卡去碰运气了。

此外，模型还支持在多模态输入中加入最多 3 秒的视频作为参考。比如给它一段舞步参考视频，模型就能让指定的角色完美复刻动作，这对保持角色动作一致性帮助很大。

360p 先打草稿，4K 再出成片

除了控制力，Google 这次还在成本和画质两端下了功夫。

做视频生成，最大的痛点之一就是反复尝试耗时又费钱。Omni 1.1 Flash 专门增加了一个 360p 草稿模式。相比标准的 720p 渲染，360p 模式的生成速度提升了最多 60%，调用成本更是直接砍到了原本的三分之一。创作者和开发者可以先在手机或本地工作流里用极低成本快速生成低清小样、验证分镜构图，满意之后再一键导出。

到了最终交付环节，模型则支持直接超分生成 1080p 甚至 4K 分辨率的高清成片，直接衔接专业影视和社交媒体的剪辑流程。目前包括 Adobe Firefly、Figma Weave 以及 Runway 在内的团队，都已经在生产环境中接入了该模型。

为什么重要

我们认为，Gemini Omni 1.1 Flash 标志着 AI 视频正在从单纯的「炫技玩具」走向真正的「工业化管线」。

对于个人创作者和独立开发者来说，这是个非常值得上手的工具。过去做一条几十秒的连贯短片，要在不同软件之间反复折腾拼接，还要承担极高的算力账单。现在用 360p 低成本试错、用首尾帧固定关键构图、再延展到 40 秒并超分至 4K，整套流程闭环且可控，试错成本被大幅拉低。

对整个行业而言，Google 这一步走得很务实。它没有去拼噱头更足的超大参数，而是把重点放在了吞吐效率、API 接口调用和长上下文连贯性上。当头部大厂开始在视频模型上打出「低成本草稿 + 高清超分」的组合拳，其他竞争对手势必也要加速跟进这种工程化体验。

不过也要看到，40 秒的累计上限对于严肃长视频制作依然只是起步，复杂多主体互动的物理规律也还有优化空间。但就目前的日常创作和广告制作而言，它已经足够好用。