Gemini Omni 1.1 Flash 上线：让开发者更可控地进行构建
今天，我们推出 Gemini Omni 1.1 Flash，为开发者带来一套全新的创作控制功能和生成式视频能力。Gemini Omni 将现实世界推理能力引入生成式创作，而此次更新则让 Omni 1.1 通过 Google AI Studio 中的 Gemini API 达到可用于生产环境的水准。
无论你是在构建生成式视频工作流、创意工具还是媒体编辑软件，这些更新都能让生成式视频更易于控制、更快迭代，也更适合实际部署。以下是本次更新的主要内容：
延长场景，讲述更长故事
场景延展功能可以基于现有视频无缝续写，从上一个片段结束的位置继续生成画面。
在 Omni 1.1 中，模型现在最多可以分析此前 10 秒的内容，相比只能参考最后 1 秒的旧模型有了显著提升。这样不仅能增强画面的一致性和叙事连贯性，还能帮助你讲述更长的故事，或拓展出全新的创作方向。视频每次可延长 10 秒，累计时长最长可达 40 秒。
提示词 1：镜头缓缓向一侧摇移，这时我们看到她正在和一个卷发男人交谈。画面中能看到男人的背影，他说：“我也看到了。”配上戏剧性的配乐。
提示词 2：镜头缓缓拉远，展现出一座被遗忘、积满尘土的地下墓穴，配上戏剧性的配乐。
提示词 3：镜头缓缓拉远，展现出一座宏伟的图书馆：书架和书籍在尘埃弥漫的虚空中失重漂浮，配上戏剧性的配乐。
提示词 1：继续生成视频。执行电影感的光学 dolly-zoom 镜头：摄影机向前推进，同时镜头不断拉远，让角色震惊而凝固的面孔始终保持完全相同的画面尺寸。背景中由石柱构成的长廊在强烈的光学透视畸变下急剧延伸、变深。建筑结构简洁，保持连续、不间断的镜头。
提示词 2：继续生成视频。摄影机快速执行机械式 snap-zoom，直接推进至角色睁大的双眼。采用风格化的电影级镜头控制。
提示词 3：继续生成视频。时间彻底凝固成静止的一刻：角色和被风吹起的外套都保持静止。摄影机以平滑、高速的 360 度环绕方式围绕静止的角色旋转，展现柱廊中强烈的 3D 景深和视差效果。确保画面衔接无瑕。
提示词 1：穿蓝色毛衣的男人回答：“你父亲也坐船出海了吗？”
提示词 2：他继续讲述故事：“他以前常说，这座港口是有灵魂的，而船也是我们的一部分。”镜头在连贯后拉的同时，音乐逐渐高昂。
提示词 1：他直视镜头，谈论最后一章将如何收尾！
提示词 2：随后他站起身，绕过桌子走到镜头前，说：“你会怎么选？”
下面介绍如何通过 Gemini API 延续场景：
from google import genai
client = genai.Client()
interaction = client.interactions.create(
model="gemini-omni-1.1-flash",
previous_interaction_id=previous_video_interaction.id,
input=[
{"type": "text", "text": "继续这个场景。"}
],
response_format={
"resolution": "360p",
},
)指定起始帧和结束帧
通过指定镜头的起始帧和结束帧，实现流畅的转场和镜头运动。Omni 1.1 会在两个关键帧之间生成连续视频，非常适合制作复杂的环绕运镜、变焦转场或无缝循环片段。
提示词 1：一位身穿米色西装的时尚鼓手在宏伟大厅中演奏红色架子鼓，镜头以快速摇摄转向一侧，展现出一位与芭蕾舞者一同演奏的年长萨克斯手。舞者身穿白色服装，在柔和的紫色舞台灯光下旋转。整个过程保持一个连续镜头，不要跳切。
提示词 2：镜头不断推近电视屏幕，我们看到开头出现的同一位女性和同一场景。视频无缝衔接。保持一个连续镜头，不要跳切。
使用 360p 更高效地生成视频草稿
与 Omni 1.1 的标准 720p 分辨率相比，使用 360p 分辨率生成轻量级预览，速度最高可提升 60%*，成本仅为三分之一。这对于快速原型设计、分镜迭代，以及在开发者平台上快速渲染都很有帮助。
*速度最高提升 60%，依据 360p 与 720p 分辨率下的系统吞吐量测算
提示词：微观视角下的虹彩海洋硅藻，呈现精巧、玻璃般的硅质外壳与令人惊叹的自然对称结构。色彩从深邃的火山琥珀、温暖的铜色，到鲜艳的绿松石色和紫罗兰色，展现大地与海洋的丰富色谱。细小精致的结构在干净、深色的背景上柔和发光。高保真科学成像，细节锐利，质感自然，微距摄影风格。整段视频始终保持显微镜镜头效果。
最高支持放大至 4K 分辨率
借助 Omni 1.1，生成经过精细处理的高分辨率 1080p 或 4K 成片，可直接用于专业制作。
提示词 1：鱼群游动，跟拍镜头
提示词 2：一只小花栗鼠从画面左侧的树林中飞快跑出，好奇地嗅闻空气，随后迅速从画面右侧跑出
提示词 3：电影感微距特写：鲜艳的金橙色日本枫叶长在纤细的枝条上，在柔和、富有节奏感的秋风中轻轻 rustle 摇曳。阳光穿过半透明的叶片，营造温暖、明亮的光影效果。浅景深，梦幻散景背景，纹理细节丰富，照片级真实感，4K。
在多模态输入中添加视频参考
创作场景时可参考最长三秒的视频，并根据视频素材保持视觉连贯性和角色一致性。
提示词：使用上传的三段舞者视频，并将其中的舞者替换为提供的角色。让角色分别演绎参考视频中的舞蹈，同时出现在所提供图片中的宽敞开放空间内。
狗狗角色 dog.png 需要表演 dance3.mp4 中的古典舞；章鱼角色 octo.png 需要表演 dance1.mp4 中的街舞；熊角色 bear.png 需要表演 dance2.mp4 中的霹雳舞。最终结果应为一个连续镜头，不能出现镜头切换。
激发创意：你可以构建什么
下面是一些示例，展示开发者如何将这些新能力应用到定制工具和创意工作流中。
在这个应用中，你可以放入首帧和末帧，再通过预设或提示词生成两帧之间的过渡。得益于 Omni 的全上下文推理，生成的镜头运动看起来会更加真实。
这款应用会带着镜头穿过房间：环绕、推进、拉远，在最理想的时间呈现房屋最具吸引力的一面，同时不会凭空添加不存在的家具或细节。
创作者通常要先生成多个视频，才能选出最合适的版本。Draft Room 让这一探索过程更低成本、更有条理：以 360p 生成 3～4 个草稿版本，每次只调整一个变量，再将它们并排对比。
了解客户如何将 Omni Flash 用于生产
我们的客户已经通过 Agent Platform API，借助 Gemini Omni Flash 开展实际生产。下面一起看看他们创作的视频，以及他们如何使用这一模型。
Adobe 已将 Gemini Omni Flash 集成到 Adobe Firefly 中。欢迎观看下面这段展示其视频编辑能力的视频。
“Gemini Omni Flash 是 Figma Weave 中最强大的视频模型之一。借助画布，创意团队可以在每次生成的基础上继续创作：添加参考素材、分支出不同版本，并逐步打造独一无二的作品。通过扩展能力、更丰富的参考素材和 4K 分辨率，Gemini Omni Flash 让团队不止于生成视频，而是真正开始执导视频。”——Itay Schiff，Figma Weave 创意总监
“GMI Cloud 为创作者提供统一入口，让他们能够使用全球最强大的模型。Gemini Omni Flash 最突出的一点是准确性：即使仔细检查，细节依然经得起推敲。对于制作教育和讲解内容的客户来说，准确无误至关重要，这种可靠性比任何单一功能都更有价值。Omni 让 AI 视频真正适用于此前无法依赖这项技术的用户群体。”——Louisa Guo，GMI Cloud 市场副总裁
“Omni Flash 很自然地融入了人们使用 Runway 的方式：从提示词、图片或视频开始，然后继续生成或编辑。它让用户能够在不同创意之间快速切换。”——Jamie Umpherson，Runway 首席创意官
立即使用 Gemini Omni 1.1 Flash 开始构建
Gemini Omni 1.1 Flash 定价表。
Omni 1.1 正陆续登陆 Google 开发者生态：
- 在 Google AI Studio 中开始构建：直接在 Google AI Studio 试用 Omni 1.1。
- 基于 Gemini Enterprise Agent Platform 构建：企业可直接通过 Agent Platform API 使用 Omni 1.1 进行开发。
- 查阅开发者文档：阅读官方文档、开发指南和提示词指南，了解如何将场景扩展、视频参考和超分辨率功能集成到应用中。
从今天起，全球所有 Google AI Plus、Pro 和 Ultra 订阅用户都可以在 Google Flow 中使用 Omni 1.1。全球所有 Google AI Plus、Pro 和 Ultra 订阅用户也可以在 Gemini 应用中使用场景扩展功能。