产品视频只多 0.05 美元，Google 把“重抽”改成“改稿”

一条 720p 的 AI 视频，从 10 秒拉到 15 秒，账单只多了 0.05 美元。

这个数字不是促销海报上的文字游戏。按 Google 刚公布的价格算，Omni 1.1 Flash 的 720p 是每秒 0.10 美元，一条 10 秒片大约 1.00 美元；新的 Gemini Omni 1.2 Flash 是每秒 0.07 美元，一条 15 秒片约 1.05 美元。

好家伙，多了五秒，钱几乎没多。

但我觉得更该盯着的不是那五秒，而是 Google 在这次更新里偷偷换掉的一件事：视频生成开始更像改稿，不再只能反复重抽。

做过产品演示、商品页动图、短广告的人大概都认识这个坑。第一版终于能看了，偏偏产品包装上的字漂了；第二版字对了，镜头节奏又垮了；第三版人物脸终于没变形，背景却像被临时换了一个宇宙。每一次“重新来一条”，都在把已经正确的部分一起扔进回收站。

Google 在 11 月 5 日的官方公告 里给 Omni 1.2 Flash 加的东西，正好瞄着这个返工口：最长原生片段从 10 秒到 15 秒；可以在同一条片上继续对话，换背景、光线、天气或画幅；参考图、短动作片段和音频线索可以一起喂进去。它不保证每条片都稳，但至少把“哪里不对，就只改哪里”这件事放进了产品能力里。

这和“模型更会拍视频了”是两回事。

先算一笔不太浪漫的账

下面这张图只用官方公布的时长与 720p 标价做对比。左边是单条上限，右边是每秒成本；10 秒和 15 秒的完整片段费用，是相乘得出的估算，不是 Google 承诺的实际结算金额。

图：基于 Google 11 月 5 日公开的时长与 720p 标价整理。Omni 1.1 的每秒价由“1.2 降价 30% 至 0.07 美元”反推为 0.10 美元。

以前的 10 秒片子，像一段够用的 B-roll：一个镜头、一个动作、一个转场。要讲清楚产品怎么从输入走到结果，常常得把两三段拼起来。拼接当然不是原罪，剪辑师也靠它吃饭；问题在于，生成模型的主体、包装、景别和光线会在每段里重新抽一次签。

15 秒没有神奇到可以替代一支广告片，却刚好跨过了一个实用门槛：它能放进“问题—动作—结果”这三个连续动作。比如一件商品从桌面转到手上，再给一个包装特写；或者一个软件从空白画布到成品界面，再收在使用场景里。不是更长就更好，是终于有空间把一个意思说完整。

更有意思的是价格。旧版做满 10 秒约 1.00 美元；新版做满 15 秒约 1.05 美元。时长增加 50%，按这个官方标价计算，完整片段的费用只增加约 5%。

这会改变什么？不是让团队可以无脑多抽五百条。真正省下来的，可能是“一个小瑕疵毁掉整条”的那轮返工：你先用低分辨率把镜头、节奏和产品位置跑通，再针对已经看见的问题做后续编辑，最后才把选中的版本升到 1080p 或 4K。Google 官方也把这个顺序写成建议：先快出草稿，改细节，而不是每次都重生整条片。

这次值得看的是“连续改”，不是一条更长的样片

官方主视觉里放的是角色、商品、自然场景和街头人物，画面很热闹。它的用途不是证明我已经拿它做过片子——我没有本地实测——而是把 Google 这次的目标说得挺直白：它希望角色、商品、服装、包装文字和品牌色能在镜头运动里别突然改名换姓。

图：Google 官方发布主视觉。本文没有复刻或验证其中的样片效果。

视频模型最折磨人的地方，常常不是第一次生成，而是第二句需求。你说“把背景换成办公室”，模型听成“换背景、换光线、顺便换个产品”。你说“竖版投放”，它可能顺手改了构图重点。于是人只好回到最初的提示词，把整条片重来一遍，祈祷刚才那段唯一正确的运镜还能回来。

Omni 1.2 Flash 宣称可以在同一条片上做多轮对话编辑。它的价值不在于一句“请更换背景”，而在于每次修改都应该带着一个明确的不许动清单：人物、商品、镜头路径、文案位置，哪些必须锁住；背景、色温、画幅，哪些才是本轮变量。

这其实是写 agent 工作流时很熟的一条经验：别把“完成任务”交给一个大而糊的指令。先把不变量写出来，再把可改变量缩小。视频生成也一样。模型未必每次都听话，但你至少不会把所有控制权都交给一个“重来吧”。

一份先拆镜头、后改稿的工作单

下面这份不是 Google 官方 Prompt，也不是实测配方。它是把官方能力边界翻译成一个更容易交给内容团队的工作单。每一轮只允许改一个层面，目的是让“修改”保持可诊断。

【第 0 轮：先锁不变量】
用途：15 秒竖版产品演示，讲清「问题 → 一个动作 → 结果」
必须保留：产品外观、品牌色、主体身份、主镜头运动
允许变化：背景、环境光、字幕位置、末尾画幅
【第 1 轮：低清打样】
生成 360p 或 720p 草稿；只检查镜头节奏、主体位置和叙事是否完整。
不要急着要求 4K，也不要在这一轮同时改商品、人物和场景。
【第 2 轮：只改一个变量】
保留产品、人物和镜头路径不变；把背景改为干净的办公室，
将色温调为偏暖，保留开头和结尾的构图。
【第 3 轮：验收后再升采样】
确认品牌色、包装文字、人物身份和转场没有漂移；
只对通过验收的版本升到 1080p 或 4K。

这张工作单最重要的不是词藻，是顺序。

很多人一上来就写一段几百字的万能提示词，把镜头、角色、动作、产品卖点、配乐、比例和一句金句全塞进去。模型不是听不懂，它只是会在每次生成时重新分配注意力。你很难判断这次翻车是因为镜头描述、参考素材、画幅要求，还是那句临时加进去的“高级感”。

把变量分轮，返工时就有了坐标：是主体漂了，还是背景漂了？是故事没讲完，还是字幕破坏了构图？这比“再生成一次看看”有用得多。

有三类片子，先别被 15 秒冲昏头

第一类是快速体育动作、复杂机械运动或强物理效果。Google 自己在公告里把快速运动、快速脚本切换和复杂物理列为还在继续改进的部分。对这类镜头，15 秒只是让你有更多失败空间，不是自动变成后期工作室。

第二类是必须逐帧正确的产品文字。官方说参考跟随更强，甚至提到包装文字；这值得关注，但“更强”不是“可以不验”。只要有价格、规格、合规信息或品牌字标，仍然要在最终素材里人工逐帧核对。把生成视频当作候选画面，不要当作已验收的交付物。

第三类是脚本还没定的项目。连续改稿能减少局部返工，却救不了每隔十分钟换一次主张。故事、卖点和镜头目标没有先收口，模型只会很勤快地替你制造更多不同版本的犹豫。

所以这次更新给内容团队的实际选择不是“要不要做 15 秒 AI 视频”，而是：你愿不愿意先把视频当成一份可以逐轮验收的草稿，而不是抽到好运的一次性彩票。

Google 已经把 Gemini Omni 1.2 Flash 推向 Gemini API、Google Cloud、Gemini for business 等入口，具体地区、产品资格和价格仍要以各自控制台为准。模型也没有替你决定哪条片值得升采样。

但“先低清跑通—局部改动—再上高清”这个顺序，不管最后用的是哪家模型，都值得留下来。把可变和不可变分开，往往比多写一段华丽提示词更接近真正的剪辑。

你做短视频时，最常被迫整条重来的那个问题是什么：主体漂了、文字错了，还是镜头终于对了但故事没讲完？

—— 小岛 AI