Gemini Omni 1.2 Flash首发：降价30%，15秒不换脸

从“第4秒变脸”说起：一个被反复验证的痛点

AI视频的翻车现场，几乎每个人都刷到过。开头几秒惊艳，人物一走起来，眉毛飘到了发际线，鼻子挪到了耳朵旁边，观众以为进了易容大师班，笑一笑就滑走了。这个梗背后是一个很实际的问题：一致性。

据B站UP主在Gemini Omni 1.2 Flash首发视频中的描述，这个新模型就是冲着这句吐槽来的。它并非发布会PPT上的概念，而是发布当天就能在AI Studio里直接上手使用的正式GA版本。

一致性（Consistency） 在AI视频生成中特指模型在时间维度上保持画面主体（尤其是人脸、服饰、场景布局）稳定不变的能力。视频本质是连续帧序列，模型需要对每一帧独立生成或预测，若帧与帧之间缺乏足够的时序约束，人物的五官位置、光影方向甚至物体形状就会发生漂移，形成俗称的“变脸”“融图”。一致性通常分为身份一致性（同一角色长相不变）、空间一致性（场景结构不跳变）和风格一致性（色调、画风统一）。它是AI视频从“能动”迈向“可用”的核心瓶颈，也是衡量模型是否具备叙事能力的第一道门槛。

核心升级一：15秒时长与逐秒可控

老版本1.1最长只给10秒。10秒能讲什么？一个转身都显得赶。新版本把上限拉到15秒，并且支持3到15秒之间任意选择，一秒一档。

多出来的5秒不是凑数。按UP主的说法，这5秒让一条片子终于装得下“开头、中间、结尾”，不用再拿三段素材去硬拼。对于短剧、带货口播、产品解说这类需要完整叙事结构的场景，这是从“素材片段”到“成片”的关键一步。

核心升级二：多角色对白与口型同步

视频里那句“这碗拉面，太香了”，嘴型是跟着声音走的。UP主特别强调，多角色对白时口型能一个音节一个音节地对上，语气还带着戏。

这意味着什么？做带货口播、小短剧、产品解说时，“配音”和“对口型”这两道后期工序可以直接省掉。从生产流程角度看，这是把两个独立环节压缩进了生成阶段，对内容团队的效率提升是结构性的。

口型同步（Lip Sync） 指生成的视频中人物嘴部动作与语音音素在时间上精确对齐的技术。传统流程需要先录音、再由动画师或口型软件逐帧匹配，成本高且难以规模化。AI视频模型若能在生成阶段直接完成音素级对齐，意味着音频与画面在同一推理过程中联合建模，省去了后期“配音—对口型—微调”的串行工序。逐音节同步对多角色对白尤为困难，因为模型需要同时追踪多个说话人的口型状态与切换时机，这要求更强的时序建模与角色区分能力。

核心升级三：运镜稳定性与一镜到底

一镜到底，从门口推进吧台，再到碗里的热气，中间零跳切，稳得像打了滑轨。UP主的评价是“以前的AI镜头一动就晕，现在它自己就是摄影师”。

运镜稳定性长期是AI视频的短板——镜头一动，画面结构就容易崩。能支撑一镜到底的长镜头，说明模型在时序一致性上的改进不只体现在人脸，也体现在空间关系上。

价格账：官方降价30%意味着什么

这部分最刺激。老版本1.1是10秒1美元；最新的1.2是7美分1秒，官方白纸黑字降价30%。15秒只要1.05美元——时长多了50%，总价只贵了5美分。

换算一下：同样一块钱，以前买10秒，现在买14秒。UP主的态度很直接：谁都能算，不服自己按计算器，数字不会说谎。

模型还提供了分层省钱的思路：先出360P或720P草稿快速筛选，挑中后改细节，最后才把最满意的那条升到1080P、4K。草稿便宜、成品贵，把预算花在刀刃上。

分层生成（Draft-then-Upscale） 是一种在AI内容生产中控制成本的常见策略：先用低分辨率、低采样步数快速出草稿，人工筛选后再对选中样本进行高分辨率重绘或精修。视频生成的单次推理成本远高于图像，重试和废片是主要开销来源。分层路径把“探索”和“交付”拆开，让便宜的低清草稿承担试错，昂贵的高清渲染只用于最终成品。这种思路与游戏、影视预可视化中的“故事板—粗剪—精修”流程一脉相承，也是AI视频走向工业化批量生产时的必要成本控制手段。

在哪用、怎么用

发布当天全线铺开：

• AI Studio：敲一句话就能开拍
• Google VDS：按生成的15秒视频计费
• Gemini APP 和 Flow：同样已接入

每帧还带隐形水印，是锣是码一眼便知，这对内容溯源和版权识别有实际意义。

几点冷静的判断

UP主的结论是：别再拿AI视频的翻车图当段子了，那是11月5号之前的事。这个说法有宣传色彩，但几个升级点确实指向真实痛点——时长、一致性、口型、运镜、价格，每一项都对应着创作者最常抱怨的地方。

需要提醒的是，7美分1秒是官方标价，实际使用中的重试成本、草稿筛选成本都会叠加。真正的性价比，取决于你能多快挑出满意的那一条。但至少在定价结构上，AI视频正在从“尝鲜玩具”走向“可批量生产的内容工具”，这个方向是明确的。

如果你手里有一条憋了很久的创意，现在打开Google AI Studio，一句话、15秒、不换脸、会说话、一镜到底——门槛已经低到值得一试了。