问小创
告诉我你的需求，我帮你从站内挑最合适的 AI 工具。
谷歌AI近期正式推出多模态大模型更新版本Gemini Omni 1.1 Flash，面向视频生成场景新增三项核心能力：最长40秒的智能场景扩展、生成内容首尾帧自定义控制，以及原生4K分辨率超分处理，所有能力均已通过Gemini API面向开发者开放。该版本是谷歌在生成式AI视频赛道布局的重要产品，将大幅降低专业内容创作的技术门槛。
过去半年来，生成式AI视频工具的市场需求持续爆发，从UGC短视频创作到商业影视后期场景，从业者对生成内容的时长、可控性、清晰度的要求不断提升。此前多数商用视频生成模型最多支持20秒左右的输出，且帧级控制能力有限，分辨率大多停留在1080P级别，难以满足专业生产的标准化需求。
此次推出的Gemini Omni 1.1 Flash，核心升级全部围绕视频生成的痛点展开。
首先是40秒智能场景扩展，用户仅需上传一段3-5秒的短视频素材，模型就能基于原有内容的画风、叙事逻辑自动延展生成最长40秒的连贯内容，无需输入复杂的提示词做额外引导。
其次是首尾帧自定义控制，创作者可以提前指定生成视频的第一帧和最后一帧画面，模型会自动补全中间的过渡动画，大幅提升了内容的可控性，特别适合广告、动画等有固定叙事要求的创作场景。
最后是原生4K超分能力，无论是模型生成的视频内容还是用户上传的低清素材，都可以通过Gemini API一键实现无损4K分辨率升级，无需额外接入第三方超分工具，进一步简化了创作流程。
谷歌相关团队透露，后续Gemini Omni系列还会进一步优化视频生成的时长上限，同时增加动态镜头控制、多语言语音同步生成等功能，面向B端创作者推出更多定制化服务。
业内分析认为，此次更新意味着谷歌正式把视频生成能力纳入Gemini的核心商用矩阵，将和OpenAI的Sora系列、国内多模态大模型产品展开直接竞争，未来1-2年内生成式视频的商用成本将下降至少60%，普及速度会远超此前的文本生成类AI工具。
本文基于公开信息分析整理，仅供参考。更多AI工具动态与行业解读，请持续关注本站更新。
滇公网安备 53252802528133号