11月6日，谷歌正式推出视频生成模型Gemini Omni 1.2 Flash。相比上一版，三处变化被写进了发布说明：原生生成时长从10秒提高到15秒；支持在同一片段内通过多轮对话逐步修改背景、产品与光照；推理成本较1.1版本下降约三成。上线渠道铺得很开，Gemini API、Google AI Studio、Google Cloud Console、Flow、Google Vids，以及面向Ultra订阅用户的Gemini应用与Google Ads都在名单里。每段生成的视频都带不可感知的SynthID水印。
十秒与十五秒之间看起来只差五秒，但对创作来说是一道门槛。五秒通常够一个动作起手，十秒够一个动作完成，十五秒才开始有余量装下"起手、变化、收势"这个完整结构。广告片里一个产品从包装打开到被使用，短剧里一次转身加一句台词，都需要这个长度。
时长增加带来的不只是画面变多。模型在更长时间窗里维持状态，要记住服装褶皱怎么变、桌面上的物件在哪、镜头是推还是移，任何一项记不住就会在某一帧露出破绽。过去处理这个问题的办法是分段生成再拼接，代价是接缝处必然出现光照跳变与姿态断裂。原生十五秒意味着这些状态由模型自己在一次生成里管住，这正是这次升级里最难的部分，也是最不容易从演示里看出来的部分。
从使用场景倒推，十五秒还对应着几个具体的位置：社交平台的贴片广告、电商详情页的首屏动图、短剧里一个完整的对话回合。这些场景的共同要求是"一次讲完一件事"，超过十五秒要靠剪辑，短于十秒往往只能展示一个动作。时长卡在这个区间，说明模型的目标用户是那些需要成片而不是需要素材的人。
多轮对话编辑是这次最实用的改动。过去的流程是：生成一版，发现背景不合适，改提示词，重生成一版，结果人物姿态也变了，只能再来一次。新版允许在同一个片段上逐步修改，先换背景，再换手里的产品，再调光照，每一步只动该动的地方。
官方给出的另一个改进是跨镜头的人物与物体变形明显减少。这一条针对的是视频生成里最影响可用性的问题：同一个人在前一个镜头与后一个镜头里长得不一样。减少变形对短剧与系列广告的意义，比画质提升大得多，因为观众对"脸变了"的容忍度极低，而对清晰度的容忍度相对高。
口型同步与多说话人区分也被单独提到。多人对话场景里，模型要判断哪一句是谁说的、口型对的是谁，这件事在人脸较小、镜头较远时尤其容易出错。它属于那种做好了没人夸、做坏了全片报废的细节。
发布说明里有一句容易被忽略的话：支持先用360p或720p快速起草，再升级到1080p或4K交付。这条把生成拆成了两个成本不同的阶段。起草阶段要的是速度与试错次数，画质不重要；交付阶段要的是细节，一条就够。
这个阶梯改变了创作流程的重心。过去创作者在生成前会反复打磨提示词，因为一次生成太贵；现在可以先低成本出几版看构图与节奏，选定方向再花钱出高清。决策从"写之前想清楚"挪到"看完再选"，这对创意工作更自然，但也意味着废片数量会增加。按次计费的模式下，单价的下降会被调用次数的上升部分抵消，团队在做预算时要把这一层算进去，否则容易得出"降价了所以更省"的错误结论。
分辨率阶梯还牵出一个交付习惯的变化。以前交付一个视频，清晰度是固定的，客户看到的就是终稿；现在起草版与交付版是两种东西，起草版可能只有720p，用来确认创意，终稿才做4K。这要求协作方接受"先看粗版"的流程，也要求团队把版本命名的规矩定清楚，否则一不留神就把草稿当终稿发了出去。
成本下降约三成，对不同规模的团队意义完全不同。对大厂来说，这只是财务报表上的一个百分点；对两三个人的小团队来说，它决定了某些想法能不能被验证。一段十五秒的片子如果要试七八个方向，过去可能超出预算，现在则落在可承受范围内。
视频生成的成本结构里，最贵的从来不是成功的那一次，而是失败的那些次。一个团队做十条片子，实际生成的可能是八十条。单价降三成，等于把试错预算扩了四成多。这也解释了为什么这一轮竞争的焦点从画质转向价格：画质差距在缩小，而能否多试几次直接决定了成片质量。风险在于，价格战打到最后，厂商会从别的地方找回来，比如限制并发、缩短素材保留时间、或者把高清输出放进更贵的档位。企业采购时要看清的不是单条价格，而是同一天里能并行跑多少条、生成失败怎么计费、素材在服务器上留多久。
每段生成的视频都带SynthID水印，这条不是可选项。对平台来说，这是把来源标注做进生成环节，而不是等到分发时再检测。对创作者来说，它意味着生成内容天然带着可追溯标记，想当成实拍素材使用会越来越难。
这个变化对行业的影响是渐进的。短期内，多数观众看不出水印，也不在意；中期看，平台在推荐与广告审核环节会把水印作为判断依据，未标注的生成内容会被降权或拒审；长期看，"这段画面是怎么来的"会变成一个需要主动申报的信息。对做商业内容的团队来说，现在就该把素材来源的记录流程建起来，因为等到平台强制要求时再补，成本会高得多。还有一层影响在版权纠纷里：当争议发生时，能不能证明某段画面由模型生成、用的哪个版本、提示词是什么，会直接影响责任划分。生成时顺手存一份元数据，比事后去找证据便宜得多。