按照API公布的720p生成价格，一段15秒视频的基础生成费用为1.05美元。
文章作者、来源：ME News
TL;DR
- 11月5日，谷歌正式发布Gemini Omni 1.2 Flash，视频生成时长从10秒延长至15秒，720p生成价格下降30%至每秒0.07美元。
- 新模型在Arena文生视频和图生视频榜单上同时排名第一，视频编辑排名第三，但相关成绩仍属于初步评估。
- 相比单纯延长视频时长，Omni 1.2 Flash更值得关注的是多轮对话编辑能力：用户可以连续修改背景、光线、人物服装等元素，同时尽量维持其他画面内容的一致性。
- 按照API公布的720p生成价格，一段15秒视频的基础生成费用为1.05美元。不过，反复修改、重新生成和高清输出仍可能增加实际制作成本。
- 本文的核心判断是：AI视频竞争正在从单纯追求生成质量和时长，转向生成成本、画面可控性与商业化工作流程的综合竞争。
一、谷歌拿下视频双榜第一，真正值得关注的却不只是排名
11月5日，谷歌正式推出新一代视频生成模型Gemini Omni 1.2 Flash。与过去许多强调画质突破的AI视频模型更新不同，这次谷歌选择了一条更加务实的路线：延长生成时间、降低使用价格，同时重点改善用户反复修改视频时遇到的各种问题。
根据谷歌公布的信息，Omni 1.2 Flash能够原生生成最长15秒的视频，相比上一代10秒的上限提升了50%。用户还可以在3秒至15秒之间，以1秒为单位控制视频长度。与此同时，720p视频的生成价格从每秒约0.10美元下降至0.07美元，降幅达到30%。
按照这一价格计算，生成一段完整的15秒视频只需要1.05美元。作为对比，上一代模型生成一段10秒视频的费用约为1美元。换句话说，在两代模型对应的标准API价格下，用户只需要多支付0.05美元，就能获得比过去长50%的单次视频输出。
当然，这并不意味着AI视频制作成本已经低到可以忽略。1.05美元只是按照720p输出价格计算的单次生成费用，并不包含额外的修改、失败重试以及其他可能产生的制作费用。但是，这组数字确实反映了一个重要趋势：高质量视频生成正在从一种相对昂贵的创作实验，逐步变成可以频繁调用的数字内容生产能力。
比价格更引人注目的是新模型的实际表现。
在Arena于11月5日公布的视频模型榜单中，Omni 1.2 Flash以1541分位居文生视频榜首，领先排名第二、获得1514分的Omni 1.1 Flash。在图生视频榜单中，新模型以1502分排名第一，超过MiniMax H3的1493分和字节跳动Dreamina Seedance 2.5的1488分。
在视频编辑榜单上，Omni 1.2 Flash则以1395分位居第三，前两名分别为阿里巴巴的Wan 3.0和字节跳动的Dreamina Seedance 2.5。
这些结果说明，谷歌这次更新并不只是通过降低价格吸引用户，模型在生成质量和用户偏好评价方面也保持了较强竞争力。
不过，排名同样需要理性看待。截至11月5日，Omni 1.2 Flash在文生视频、图生视频和视频编辑榜单中的对应评测票数分别为1742票、2745票和1196票，三项成绩均被标记为初步结果。考虑到部分竞品已经积累了数万甚至十余万次评价，目前的名次尚不能直接等同于模型长期稳定的领先优势。
更值得关注的是，谷歌正在试图同时解决AI视频领域三个长期存在的问题：生成质量、操作可控性以及使用成本。过去，这三个目标往往难以兼顾，而Omni 1.2 Flash的出现，至少表明它们之间的矛盾正在逐步缓解。
二、从生成到修改，AI视频终于开始接近真实的创作流程
如果只看15秒的生成时长，Omni 1.2 Flash还谈不上颠覆性突破。毕竟，对于商业广告、影视制作和复杂内容创作而言，15秒依然只是一个较短的片段。
这次更新更重要的技术变化，是谷歌对视频连续编辑能力的加强。
过去，很多AI视频模型已经能够根据文字生成令人惊艳的画面，但实际使用体验却没有宣传演示那么理想。用户可能只想改变一个场景背景，模型却同时修改了人物长相、服装颜色和镜头角度。原本只需要调整一个细节，最后却不得不重新生成整段视频。
这种不确定性，是AI视频距离专业生产工具仍然存在的重要障碍。
Omni 1.2 Flash希望改变这一现状。
谷歌在官方演示中展示了一段非常直观的案例：用户首先生成包含两名角色的视频，随后通过连续对话，将背景依次替换为森林、马厩、集市以及城堡等不同环境，同时尽量保留人物原有的动作、盔甲反光和镜头构图。
这项能力的价值并不在于更换背景本身，而在于模型需要理解哪些元素应该改变，哪些元素必须保持不变。
对于传统视频制作而言，这是一项基本要求。导演调整场景灯光，并不意味着演员需要更换；广告客户要求修改产品背景，也不代表产品包装应该被重新设计。但对生成式视频模型来说，画面中的所有元素都存在相互影响，想要精准修改局部内容，远比重新生成一段看起来不错的视频复杂。
Omni 1.2 Flash还支持结合人物照片、产品图片、最长3秒的动作参考片段以及音频提示进行生成。谷歌展示的另一个案例，是根据模特照片和三套服装的正反面图片，制作一段15秒的虚拟试衣视频，并在人物转身和镜头切换过程中保持服装细节的一致性。
此外，新模型改善了多人对话时的声音对应关系和口型同步，也减少了复杂连续运镜中的意外跳切。对于需要人物讲解、产品展示以及连续镜头的内容，这些改进具有直接的实用价值。
但需要强调，谷歌展示的仍然是经过挑选的演示案例，不能据此认为模型已经彻底解决人物变形、物理运动错误以及复杂场景失控等问题。谷歌在发布说明中也承认，快速体育动作、复杂物理过程以及快速变化的剧情仍有改善空间。
真正的变化在于，AI视频正在从一次性生成结果的工具，向允许持续修改的创作系统演进。
对于普通用户来说，这意味着不需要每次都重新描述完整需求；对于专业创作者来说，则意味着AI生成内容开始有机会融入反复审阅、修改和交付的实际工作流程。
三、15秒只要1.05美元，低价格背后是更激烈的商业竞争
AI视频生成价格下降30%，表面上是一次产品定价调整，但放在整个生成式AI产业的发展过程中，它具有更加明确的商业意义。
过去几年，视频生成始终是生成式AI中计算资源消耗较高的应用之一。相比文字，视频需要在连续画面之间保持人物、环境和运动逻辑的一致性，还可能涉及声音、镜头运动以及高分辨率输出。
因此，即使模型已经具备相当不错的视觉效果，企业也必须考虑实际的使用成本。
以一家电商企业为例，假设它需要为100款商品分别制作一条15秒的视频，按照Omni 1.2 Flash当前公布的720p API生成价格，100条视频全部一次成功，基础生成费用合计为105美元。
这个数字并不是企业实际制作成本的完整估算，因为商品视频往往需要调整产品展示角度、修正包装细节、优化画面比例，甚至根据不同销售渠道生成多个版本。
但105美元已经足以说明一个问题：当单条视频的计算成本持续下降，企业采用AI视频的经济门槛也会随之降低。
过去，视频制作通常需要在预算、时间和内容数量之间作出取舍。现在，生成式AI开始让企业具备同时制作多个内容版本并进行比较的能力。
例如，同一款商品可以尝试不同的展示背景、广告文案和镜头节奏，再根据实际营销效果选择合适的版本。如果视频修改能够稳定保留商品主体，企业就不必每次都从头生成素材。
这里还存在一个容易被忽视的成本问题：生成价格并不等于有效内容的交付价格。
假设某个视频第一次生成就符合要求，那么基础成本可能只有1.05美元；但如果需要完整重新生成十次，仅按同样的720p生成单价计算，费用就会达到10.50美元。如果还涉及额外的视频编辑调用和高清处理，最终支出可能继续上升。
因此，影响商业价值的关键不仅是每秒多少钱，还包括成功率、可修改程度以及完成一条合格视频所需要的平均尝试次数。
这也是为什么谷歌此次特别强调参考素材一致性和多轮编辑。
它们能够带来的潜在收益，可能不仅仅是改善用户体验，更是减少反复制作造成的资源消耗。
从这个角度看，Omni 1.2 Flash的价格下降和编辑能力升级，其实服务于同一个商业目标：让视频生成从偶尔使用的昂贵功能，逐步发展为可以规模化调用的生产服务。
四、谷歌的真正优势，是把AI视频放进完整的产品生态
在技术竞争之外，Omni 1.2 Flash还有一个不容忽视的优势：谷歌并不是只有一个视频模型可以销售。
按照11月5日的官方公告，新模型已经通过Gemini API和Google Cloud向开发者及企业开放，并进入Flow、Google Vids等产品，同时支持Google Ads相关的视频广告制作场景。Gemini应用中的15秒视频生成功能，也开始逐步面向Google AI Ultra订阅用户推出。
值得注意的是，Google Vids还宣布，拥有谷歌账号或Google Workspace订阅的用户，每月可以免费生成最多3条15秒的视频。
这一安排相当具有代表性。
对于普通用户而言，免费额度可以降低尝试AI视频的门槛；对于中小企业而言，Google Vids能够成为现有办公流程中的内容制作入口；对于需要批量生产的企业，API和云服务又提供了进一步扩展的途径。
谷歌由此形成了一条相对完整的产品链条：个人用户通过应用体验视频生成，创作者通过Flow进行编辑，企业在办公和营销场景中使用相关能力，开发者则通过API将视频生成功能嵌入自己的产品。
这种产品分发能力，可能会成为未来AI视频市场的重要竞争因素。
原因并不复杂。模型效果再好，如果用户需要频繁切换平台、上传素材、修改提示词并手动整合最终结果，使用效率仍然会受到限制。反过来，如果AI视频能力直接进入用户已经熟悉的工作环境，即使模型性能优势没有那么明显，也可能获得更多日常使用机会。
谷歌此次发布时特别提到产品广告、虚拟试衣、商品展示和企业视频等场景，说明其商业化方向并不局限于影视内容创作，而是希望进入需求更加频繁、能够重复调用的视频制作市场。
相比追求单条视频的视觉冲击力，这些场景更加重视输出稳定、品牌一致性和交付效率。
当然，产品覆盖面广并不意味着商业成功已经得到验证。目前还缺少足够公开的数据，来判断新模型能够为Google Ads、Google Cloud或Workspace带来多少新增收入，也无法确认用户是否会因为AI视频功能而明显提高付费意愿。
但从产品布局可以看出，谷歌正在把视频生成视为一项能够横跨消费、办公、开发和营销场景的基础能力，而不是一个孤立的AI演示功能。
五、视频模型竞争进入新阶段，谁能真正降低制作难度？
Omni 1.2 Flash登顶两项视频榜单，并不意味着AI视频市场的竞争已经结束。恰恰相反，目前的榜单反映出，这个市场仍然存在多个具有竞争力的技术阵营。
在11月5日的Arena图生视频榜单中，谷歌排名第一，但MiniMax H3、Dreamina Seedance 2.5以及阿里巴巴Wan 3.0等模型也处于前列。在视频编辑榜单中，Wan 3.0和Seedance 2.5甚至领先于谷歌的新模型。
这说明不同厂商仍然在各自的优势领域展开竞争，暂时还没有一个模型能够在所有任务中建立不可动摇的领先地位。
不过，相比讨论谁又登上了排行榜，笔者更关注评价标准本身正在发生的变化。
AI视频发展的早期阶段，用户往往更容易被精美画面吸引。一个逼真的人物、一段复杂的镜头运动或者一个现实中难以拍摄的场景，就足以展示模型的技术进步。
随着生成质量整体提高，单纯依靠视觉效果已经越来越难建立持久的产品优势。
对真正需要交付视频内容的用户来说，一段视频能否准确表达要求，能否保持人物和品牌元素一致，出现问题后能否快速修正，以及最终要花费多少成本，都会影响工具选择。
这种变化与生成式AI在其他领域的发展具有相似之处。文字生成模型最初以能否写出完整文章吸引注意，后来用户开始关注事实准确性、指令遵循和工作流程整合；图像生成模型也逐渐从追求画面精美，转向强调局部编辑、人物一致性和商业设计控制。
视频生成正在经历类似的转变，只是由于视频包含时间、动作和声音，其技术难度更高。
与此同时，商业应用还必须面对另外两类问题。
一方面，生成视频的真实性和版权风险尚未消失。谷歌表示，新模型生成的内容带有不可见的SynthID水印，以帮助识别AI生成内容，但水印技术并不能自动解决肖像授权、素材版权及误导性传播等问题。
另一方面，生成模型仍然不能完全替代专业制作流程。尤其是涉及复杂叙事、严格品牌标准、细致产品展示以及真实人物表演时，人工审核、后期处理和内容策划仍然不可缺少。
因此，现阶段更合理的判断不是AI视频即将全面取代传统制作，而是越来越多标准化、短时长、需要反复制作的内容，将具备采用AI辅助生产的经济条件。
对于视频模型厂商而言，下一阶段值得争夺的也不只是排行榜，而是用户愿不愿意把真实的创作任务交给它们。
六、结语：AI视频不再只追求惊艳，而是开始追求实用
回头看Omni 1.2 Flash的这次更新，15秒、降价30%、双榜第一无疑是最容易吸引关注的三个数字，但它们并不是这次发布最深层的价值。
相比上一代模型，新版本不仅延长了输出时长，还尝试改善连续编辑、参考素材一致性、多人对话和镜头控制等实际使用中的问题。这些变化共同指向一个方向：谷歌正在努力让AI视频从效果展示走向可重复使用的生产工具。
在这一过程中，低成本负责降低使用门槛，编辑能力负责提高交付效率，产品生态则负责让更多用户接触并持续使用这项技术。
但目前仍然不能忽略模型的局限性。Arena的初步领先成绩需要更多评测来验证，生成质量和编辑稳定性仍然存在不确定性，真实商业场景中的成本优势也有待进一步观察。
笔者认为，Omni 1.2 Flash真正值得关注的，并不是AI终于可以用1.05美元生成一段15秒视频，而是视频生成正在逐渐形成可计算成本、可持续修改、可融入企业工作流程的产品形态。
当这种能力变得足够稳定，AI视频市场的竞争重心也将随之改变。决定产品能否获得长期用户的，不再只是它能生成多么精彩的画面，而是用户能否以合理的成本，持续获得自己真正需要的视频内容。
这可能比任何一次榜单登顶都更加重要。