谷歌把视频生成的价格又往下压了一刀。11月8日上线的 Gemini Omni 1.2 Flash，把单条视频从10秒拉到15秒，720p 每秒0.07美元，比上一代便宜三成，同时登上 Arena 文生视频与图生视频两个榜单的首位。对创作者来说，真正值得关心的不是榜单，而是这条价格曲线会把工作流改成什么样。
一、15秒、0.07美元：这次升级的三个硬指标
先把事实摆清楚。Gemini Omni 1.2 Flash 是谷歌对 Omni 系列视频能力的一次常规迭代，但三个参数同时变化，让它不再是“小版本更新”。
1. 时长：从10秒到15秒，可按秒调
过去生成一段10秒视频，叙事上只够一个镜头加一次转场。延长到15秒后，创作者可以在一条素材里完成“起—承—转”的小闭环，比如人物推门、走到桌前、拿起产品。更关键的是，15秒并不是固定值，可以在3到15秒之间按秒选择。短视频投流常用的6秒、9秒、12秒版本，现在都能一次生成，不必先做15秒再剪。
2. 价格：每秒0.07美元，便宜的不只是三成
720p 每秒0.07美元，意味着一条15秒视频的原料成本约1.05美元，折合人民币七块多。相比上一代每秒0.1美元，账面上是降价30%，但真正的差别在于试错次数。过去一条成片背后往往要跑五六次，成本按次叠加；现在同样的预算可以跑十几次，创作者的决策方式会从“想清楚再生成”变成“先生成再挑”。
3. 工作流：草稿—放大，而不是一次到位
新版本支持先用360p或720p出草稿，满意后再放大到1080p甚至4K。这个设计看起来是技术细节，实际上是成本结构的变化：创意验证阶段用低价分辨率，交付阶段才付费买清晰度。过去创作者不敢多试，是因为每一次试错都按成片价格计费；现在试错被单独定价，灵感的价值反而被释放出来。
多轮对话编辑：改背景，不改人
新版把“对话式编辑”做进了生成流程。换背景、换光线、换画幅，都不需要整段重生成，系统会尽量保持人物动作与构图不变。对电商和广告团队而言，这意味着同一个模特、同一个动作，可以批量套用不同场景，而不必担心每一版人物都长得不一样。
一个容易忽略的细节：一致性比画质更值钱
视频模型发展到现在，单帧画质已经很难拉开差距。真正决定能不能进生产流程的，是跨镜头的一致性——同一个产品在五个镜头里是不是同一个产品，同一个人在两段素材里是不是同一张脸。Omni 1.2 Flash 把重点放在“编辑时保持动作与构图”，其实是在补这块短板。画质决定观众第一眼，一致性决定客户敢不敢下单。
谁最先受益
不是电影团队，而是每天要出几十条素材的电商、本地生活和效果广告团队。他们不缺创意，缺的是把创意快速做成可投放素材的产能。
二、横向对比：一次升级改变了哪些环节
| 对比维度 | Gemini Omni 1.1 | Gemini Omni 1.2 Flash | 对创作者的实际影响 |
|---|---|---|---|
| 单条时长 | 固定10秒 | 3至15秒可选 | 一条素材可完成小叙事，减少拼接 |
| 720p价格 | 每秒0.10美元 | 每秒0.07美元 | 同预算试错次数增加约四成 |
| 草稿机制 | 无独立低价档 | 360p/720p草稿，再放大至1080p/4K | 创意验证与交付成本分离 |
| 编辑方式 | 重新生成 | 多轮对话编辑，保持动作与构图 | 换场景不必重跑整条片子 |
| 接入渠道 | Gemini API | Gemini API、Google Cloud、Google Vids | 非技术团队也能在 Vids 里免费用15秒 |
这张表里最容易被低估的是最后一行。Google Vids 面向的是不会写提示词、也不调接口的普通办公用户，免费给15秒生成额度，等于把视频生成从“创作者工具”推向“办公软件功能”。当一个能力被塞进文档和表格旁边，它的使用量级和创作工具完全不是一个数量级。
三、降价30%背后：视频生成正在重演图像生成的路
如果把时间线拉长，会发现这条路径在图像生成上已经走过一遍：先拼画质，再拼可控性，最后拼价格。视频生成现在正处在第二阶段向第三阶段过渡的位置。
算力成本下降只是表象
价格能降，表面看是推理效率提升，深层原因是竞争格局。视频生成是少数几个“用户愿意为结果付费”的场景，任何一家降价都会立刻改变投放团队的预算分配。谷歌选择在此时把价格压到每秒0.07美元，瞄准的不是同行，而是传统拍摄。一条15秒的产品短片，外包拍摄加后期通常要几千到上万元；当生成成本降到个位数美元，比较的对象就变成了“拍不拍”而不是“用哪家模型”。
还有一个更隐蔽的变化：视频生成的计价单位正在从“条”变成“秒”。按条计费时，创作者会本能地把每条片子做满；按秒计费后，五秒能说清的事就不会拖到十五秒。计价方式会反向塑造内容形态，这一点在云计算和短信业务上都验证过。未来一年，短、快、密的素材会更多，长镜头会变少，这不是审美选择，而是成本结构的选择。
对平台来说，视频生成的价格战还有一层意义：它把“算力—模型—应用”三段链条压成了一段。过去一个素材要经过生成、渲染、转码、分发四个环节，每个环节都要付费；现在生成端直接输出可投放的规格，中间环节被吞掉。被吞掉的环节不会消失，只会转移到更靠近交易的地方，比如投放优化和效果归因。
真正的护城河在分发，不在模型
Omni 1.2 Flash 同时进入 Gemini API、Google Cloud 和 Google Vids，这三个入口对应三类人：开发者、企业 IT、普通白领。同一个模型，三种分发方式，覆盖的是三种付费能力。模型能力会被追平，分发渠道不会。这也是为什么谷歌愿意把价格压得这么低——它卖的不是生成次数，而是把生成能力嵌进现有工作流的资格。
对国内团队的启示
国内视频模型在中文语义、国风审美、本地化素材上有优势，但在“草稿—放大—编辑”这套工程化流程上，普遍还停留在“一次生成一条”的阶段。差距不在模型参数，而在产品设计：有没有把试错成本单独定价，有没有让非专业用户在三步之内拿到能用的素材。
一个反直觉的判断
价格战不会让创作者更赚钱，只会让“会用工具”这件事更不值钱。当生成成本趋近于零，稀缺的就不再是产能，而是判断力——知道哪条片子值得投、哪个镜头能留人、哪句话能让人下单。工具降价，本质上是把竞争从“谁能做”推向“谁做得对”。
四、谁该马上用，谁可以再等等
建议立刻试的三类团队
- 效果广告投放团队：素材消耗快、迭代频繁，降价直接转化为测试量。
- 跨境电商：多语言、多场景、多版本，对话式编辑能省掉大量重复拍摄。
- 本地生活商家：15秒刚好是团购页和短视频平台的黄金时长。
可以观望的两类团队
- 品牌 TVC 制作：15秒且分辨率上限4K，仍难满足大屏交付，短期只能做分镜预演。
- 需要精确口型和台词的剧情内容：多轮编辑保得住构图，保不住逐字口型，仍需后期介入。
观望期的替代方案
暂时不切换主力的团队，可以先把生成能力放在链条前端：用它做提案、做比稿、做客户沟通，而不是直接交付。这样既不承担质量风险，又能把沟通成本降下来。等内容一致性和4K交付稳定，再往后端迁移。
还有一种折中做法：把生成素材当成分镜底片，实拍时照着拍。演员和摄影师对着一条已经能动的参考片工作，比对着文字分镜高效得多，这类需求现在就能用，且几乎不挑模型版本。
五、三套可以直接照搬的工作流
参数看懂了，接下来是落地。下面三套流程分别对应三种典型团队，核心思路都是把“便宜的草稿”和“昂贵的成品”分开。
工作流一：批量投放素材，一天出三十条
第一步，用360p生成六个不同开头，每个3到6秒，只验证前三秒能不能抓住人。第二步，把数据最好的两个开头延长到15秒，用720p补齐中段和结尾。第三步，只对跑出正向反馈的版本放大到1080p。整套流程里，最贵的环节只作用在已经验证过的素材上，预算利用率会比“一次生成十五条成品”高出一大截。
工作流二：电商主图视频，一个模特套十个场景
先固定人物、服装、动作，生成一条基准片段。之后用对话式编辑替换背景：厨房、客厅、户外、办公室，逐个替换而不动机位。这里的关键是不要一次改太多变量，一次只换一个元素，系统保持一致的成功率最高。十个场景做完，再统一放大，能省掉重复生成带来的形象漂移。
工作流三：脚本预演，先看片子再决定拍不拍
广告公司和影视团队最常见的浪费，是脚本阶段说不清镜头感。用低成本分辨率把整条本子跑一遍，客户看到的不是文字描述，而是能感知节奏的动态分镜。这一步不追求画质，只追求“像不像”。确认之后再进实拍，改本子的成本会大幅下降。
三套流程的共同点
都把生成当成“草稿纸”而不是“印刷机”。这是视频生成真正进入生产流程的标志：不是一次生成就能交付，而是让每一次试错都足够便宜。
六、算一笔细账：0.07美元为什么是个心理关口
单价从0.1美元降到0.07美元，降幅30%，听起来不算革命。但决策心理不是按百分比走的，而是按“能不能不假思索地点一下”走的。
| 使用场景 | 单次成本（15秒，720p） | 决策心理 | 行为变化 |
|---|---|---|---|
| 0.10美元/秒时代 | 约1.50美元 | 要先想清楚再点 | 一天试三到五次 |
| 0.07美元/秒时代 | 约1.05美元 | 可以先点了再说 | 一天试十几次 |
| 草稿档（360p） | 低于0.3美元 | 把它当草稿纸 | 一次跑六个方向 |
行为变化带来的不是成本上升，而是有效产出的增加。一个团队一天试五次和试十五次，最终能挑出的可用素材差着量级。这也是为什么云厂商愿意主动降价：单价下来了，总消耗反而上去了。
被忽略的隐性成本
生成只是链条中的一环。素材生成完，还要剪辑、配乐、加字幕、做多语言版本、投放到不同平台。当生成成本降到1美元，后期和投放反而成了主要支出。这意味着团队的人力配置会变：剪辑师和投放优化师的需求上升，纯执行型的分镜绘制需求下降。
七、三个必须说清的限制
限制一：15秒仍然讲不完一个故事
15秒适合展示，不适合叙事。想讲完整故事，仍然要靠多段生成加剪辑，而多段之间的一致性依旧是行业难题。模型能保持单段内的动作连贯，跨段保持同一人物、同一光影，目前还要靠人工筛选。
限制二：4K是放大，不是原生
先出草稿再放大，效率高，但放大本质上是重建细节。产品包装上的小字、服装的织纹、人物的睫毛，放大后仍可能出现涂抹感。对精度要求高的商业交付，建议关键镜头单独用高分辨率直出。
限制三：编辑能力有边界
换背景、换光线、换画幅相对稳定，一旦涉及大幅改变机位、改变人物动作顺序，系统仍会“重编”。把它当成一个聪明的修图工具，而不是一个听话的导演。
一个实操提醒：别让“能生成”变成“敢投放”的错觉
生成成本降下来之后，团队最容易犯的错误是把“出片速度”当成“投放能力”。素材多了，审核、版权、平台合规的环节并没有同步变快。一条视频生成只要一分钟，但确认音乐授权、核对产品参数、排查夸大宣传，仍然要人一项项过。真正拉开差距的，不是谁生成得多，而是谁的合规流程能跟上产能。
建议在流程里加一道“生成后检查”：画面里出现的品牌标识、价格标签、功效描述，逐项对照素材库。这一步花十分钟，能避免一次下架。视频生成越便宜，这道工序越不能省。
八、FAQ：关于 Gemini Omni 1.2 Flash 的常见疑问
Q1：15秒是上限还是可调区间？
是可调区间，支持3到15秒按秒选择。做6秒、9秒、12秒的投放素材不需要先生成再剪。
Q2：720p每秒0.07美元，一条15秒视频多少钱？
约1.05美元，按当前汇率折合人民币七元多。若先用草稿再放大，实际支出会低于这个数字。
Q3：普通用户不写代码能用吗？
可以。Google Vids 提供免费的15秒生成入口，面向办公场景，不需要调接口。
Q4：对话式编辑会不会改变人物长相？
官方描述是尽量保持人物动作与构图。实际使用中，换背景、换光线比较稳定，涉及大幅改变机位时仍建议重生成。
Q5：这次升级对国内创作者有什么直接影响？
最直接的是价格锚点。当海外主流模型把720p压到每秒0.07美元，国内平台的定价空间会被压缩，创作者能用更低成本做批量测试。
Q6：生成失败会重复计费吗？
按生成时长计费，成功出一段就计一段的钱，因此把长视频拆成短段生成、失败只重跑单段，是更省钱的习惯。
Q7：能不能直接商用？
通过官方接口生成的素材，商用需遵循对应平台的服务条款，涉及人物肖像、品牌标识、音乐版权时，仍要自行确认授权链完整。
九、写在最后：视频生成的门槛，已经不在生成
Omni 1.2 Flash 是一次典型的“工程型升级”：没有惊艳的概念，只有时长、价格、编辑方式三个变量的同时优化。但恰恰是这种升级，最容易改变行业。因为决定一项技术能否普及的，从来不是它最厉害的时候能做什么，而是它最便宜的时候能做什么。
对创作者而言，接下来半年最该练的不是提示词，而是选题和剪辑判断。模型负责把想法变成画面，人负责决定哪个想法值得被看见。当一条15秒视频的成本降到七块钱，真正的分水岭就变成了：你有没有值得拍的东西。
回到这次更新本身，它不会立刻改变谁的命运，但它把一条曲线的斜率改了。价格每降一次，能进入生产流程的创意就多一批；能进入生产流程的创意多一批，靠信息差吃饭的中间环节就少一层。这不是悲观，而是提醒：工具越便宜，判断越贵。
如果你手上正好有一个拖了很久没拍的本子，现在就是把它跑出来的最好时机。不是因为模型变强了，而是因为试错终于便宜到可以随便试。
可以预期的下一步是：视频生成的价格还会继续下探，视频生成的竞争会从“谁更清晰”转向“谁更可控”，而视频生成的商业化，最终会落在“按结果付费”而不是“按秒付费”上。
暂无评论内容