一句话结论：2026 年 11 月 8 日，谷歌宣布推出 AI 视频生成模型 Gemini Omni 1.2 Flash，单段视频原生生成时长上限由 10 秒提高到 15 秒，用户可按 1 秒为单位设定 3～15 秒的时长，并新增多轮对话式编辑能力。对普通用户而言，这意味着单条短视频可以少拼接一次；对创作者而言，角色和场景在多镜头间“跑偏”的问题有望减少，但需要用实际素材验证。
速查清单
- 时长：单段上限 15 秒（上一代为 10 秒，提升 50%），可在 3～15 秒之间按 1 秒调节。
- 一致性：官方称对参考内容的遵循能力增强，角色、物体、道具、场景和环境在多镜头中的漂移有所减少。
- 功能扩展：支持首尾关键帧插值，以及在已有片段基础上继续延长，并支持多轮对话式编辑。
这次更新发生了什么
谷歌方面的公开信息显示，Gemini Omni 1.2 Flash 是一款 AI 视频生成模型，原生支持最长 15 秒的视频输出。相比上一代，时长上限从 10 秒延长至 15 秒。
模型同时新增多轮对话式编辑能力，用户可以通过连续的文字指令对已生成内容进行调整，而不必每次从头生成。
截至本文撰写时，上述信息以谷歌官方发布为准，具体上线地区、订阅门槛与接口定价请以官方页面为准。
为什么一致性比时长更值得关注
AI 视频的常见问题并不只是“太短”。多镜头切换时，人物脸型、衣服颜色、道具位置、场景细节容易逐帧漂移，这被称为视觉漂移（指生成内容在时间上逐渐偏离原始设定）。
谷歌称本次更新重点改善了参考内容的遵循能力，并同时覆盖运动和镜头切换过程。这类改进对短剧分镜、产品演示和教学动画更有价值，因为这些场景对“同一个角色、同一个物体”的连续性要求高。
我的判断：时长从 10 秒到 15 秒是一个可以直接感知的变化，但一致性提升更可能决定能否把多段素材剪成可用成片。两者都需要实测验证，官方演示不等于所有提示词下的稳定表现。
对普通用户意味着什么
| 使用场景 | 15 秒上限带来的变化 | 建议 |
|---|---|---|
| 短视频口播配画面 | 单段可覆盖更完整的一句话动作 | 先用 5 秒短段测试风格，再决定是否拉长 |
| 多镜头短剧分镜 | 镜头数量减少，拼接次数随之减少 | 固定角色参考图，逐镜头核对脸部与服装 |
| 产品演示动画 | 可用首尾关键帧控制起止状态 | 起止帧先用静态图确认构图，再生成视频 |
使用前的风险提醒
- 生成内容可能包含与参考素材相似的人物或品牌元素，商用前需自行核对版权与肖像权。
- AI 生成视频建议按平台要求进行标识，避免误导观众。
- 时长变长意味着单次生成的成本与等待时间可能增加，批量使用前先小样测试。
行动建议与判断标准
- 如果你只是偶尔做短视频，等官方正式开放入口后，用 3 秒、8 秒、15 秒各生成一条，对比画面稳定性。
- 如果你做多镜头内容，先准备角色参考图，连续生成 3 个镜头，记录脸部、服装、道具是否漂移。
- 判断标准：若 15 秒段内主体基本稳定、编辑指令能按预期修改局部，才值得把它纳入工作流；否则仍以分段生成加人工剪辑为主。
信息截止日期：2026 年 11 月 8 日。本文基于谷歌公开发布内容整理，未经独立实测，具体效果以官方后续文档与实际测试为准。
