Google推出Gemini Omni 1.1 Flash影片模型 支援4K升頻與場景延伸功能

Google（$GOOGL）推出影片生成AI模型「Gemini Omni 1.1 Flash」，新增最高4K「升頻」、場景延伸與指定「首尾影格」等功能。生成式AI的製作流程，正從文字與圖片為主，逐步擴大到影片剪輯與反覆試作的領域。

根據Google官方部落格27日（當地時間）的說法，Gemini Omni 1.1 Flash已可在Google AI Studio的Gemini API與Gemini Enterprise代理平台使用。Google Flow方面，已對Google AI Plus、Pro、Ultra訂閱用戶全球開放；Gemini App則提供場景延伸功能。

這款新模型以文字、圖片、影片作為輸入，用來生成新影片或編輯既有影片。Google開發者文件顯示，模型代號為「gemini-omni-1.1-flash」，支援文字、圖片、影片三種輸入資料格式。

用於編輯與延伸的上傳影片，長度上限為10秒；輸出影片則介於3秒至10秒之間。這樣的架構，正好對應把多段短片接續銜接、調整場景節奏的製作方式。

此次更新的核心，在於讓創作者能更直接掌控場景走向。使用者可以在既有影片後方接續新場景，模型會參考前一段最長10秒的內容，延續動作、人物與場景走勢。Google在官方部落格提到，可以每次10秒為單位持續延伸，最長可累積到40秒。

指定「首尾影格」也是新增功能之一。只要放入起始影像與結束影像，系統就能把兩個畫面串成一段連貫影片。這項設計，主要用於鏡頭運動、縮放轉場、循環播放等需要畫面銜接感的製作情境。

參考影片輸入功能，則用於需要保留人物動作或視覺情境的製作。使用者最多可輸入3秒的參考影片來生成新影片，等於是把單張靜態圖片難以傳達的動作資訊與場景氛圍，一併提供給模型參考。

支援的解析度包括360p、720p、1080p與4K。Google開發者文件說明，720p為預設解析度，1080p與4K則是透過「升頻」方式呈現。雖然官方主打4K輸出，但實際製作流程更偏向先以低解析度製作草稿，再進行高解析度後製。

Google表示，以系統處理量計算，360p草稿生成速度最快可比720p快60%，成本則僅為後者的三分之一。創作者可以先在低解析度反覆測試多個版本，再挑選需要的成果重新輸出為高解析度版本。這也是外界認為，影片生成AI的競爭，正從畫質延伸到反覆製作成本的原因。評論來看，此舉等於把「試錯成本」納入產品設計的核心考量。

收費以付費API為準。Google開發者文件顯示，影片輸出費用為每100萬token 17.5美元；以720p影片換算，每秒約消耗5792個token，等於每秒費用約0.1美元。

南韓媒體《Digital Today》報導，依解析度不同，API收費分別為360p每秒0.03美元、720p每秒0.1美元、1080p每秒0.15美元、4K每秒0.3美元。

影片生成模型的使用習慣，經常是同一組提示詞反覆測試、再從中挑選成果。也因此，草稿製作單價與反覆試作速度，與最終成品的解析度同樣重要。同時主打360p草稿生成與4K升頻，可解讀為Google希望在製作成本與畫質之間，提供更大的調整空間。

這次發表，與Google生成式AI產品線由文字、圖片為主，逐步擴展到影片製作的方向一致。本媒體先前報導指出，Google在Gemini與Flow中開放了關閉AI生成內容「可見浮水印」的設定；不過該報導也提到，南韓地區用戶會自動套用可見浮水印，實際功能開放範圍會因帳號所在地區與產品設定而有所不同。

對台灣的創作者與開發者而言，功能開放範圍與收費方式是關鍵。Google Flow與Gemini API在台灣地區帳號的開放程度、依解析度計費的方式，以及浮水印政策，都可能成為實際製作環境的選擇依據。