Google已发布Gemini Omni 1.1 Flash，这是其原生多模态视频生成模型的生产更新，重点从简单生成转向可引导编辑。此次更新通过Interactions API引入有状态交互，允许用户在保留先前上下文的情况下修改视频，而无需重新上传文件。

  • 场景扩展现在可分析长达10秒的先前上下文，实现累计扩展至40秒。
  • 用户可以固定首帧和末帧以控制摄像机运动，实现轨道运动和无缝循环等效果。
  • 草稿以360p分辨率渲染，成本仅为720p的三分之一，最终输出可上采样至4K。
  • 视频参考最多接受三个各三秒的片段，以保持角色一致性。
  • 定价为每720p视频每秒约$0.10，所有输出均包含SynthID水印。

该模型可通过Gemini API和Google AI Studio获取，Adobe、Figma Weave、GMI Cloud和Runway已在其生产环境中使用。