Gemini Omni 1.2 vs 1.1 Flash: 15 sekunders klipp og ingen tilfeldige kutt i dialogen

Gemini Omni 1.2 vs 1.1 Flash med de samme promptene: et FPV-opptak i én tagning, en dialogscene med to personer, 15 sekunders klipp og pris. Hva som faktisk ble bedre.
- november gjorde Google Gemini Omni 1.2 Flash allment tilgjengelig. Kunngjøringen lister opp en rekke forbedringer: klipp på opptil 15 sekunder, tettere oppfølging av referansebilder, mer naturlig dialog og leppesynk, færre uønskede hoppkutt i lange kamerabevegelser og en pris som er omtrent 30% lavere enn 1.1. Den viktigste linjen står i endringsloggen for utviklere: fra 3. desember blir alle forespørsler til Omni 1.1 automatisk sendt videre til 1.2.
Så 1.1 er på nedtelling. ZOOOP ventet ikke. Da Gemini Omni 1.2 Flash ble lansert, faset vi ut 1.1 samtidig, og den gamle 1.1-siden videresender nå til 1.2. Før jeg skrudde den av, kjørte jeg de samme promptene på begge versjonene for å se hvor oppgraderingen faktisk synes.
Hva som er endret i Gemini Omni 1.2
Spesifikasjonene først. Disse ser du med en gang i AI-videogeneratoren:
- Lengde: fra 3–10 sekunder til 3–15 sekunder, valgt sekund for sekund. Med et sluttbilde er maks 10 sekunder.
- Redigering: kildevideoer kan nå være opptil 15 sekunder lange i stedet for 10.
- Forlengelse: ingen grense for kildens lengde lenger. Modellen leser de siste 10 sekundene og fortsetter i 3–10 sekunder.
- Uendret: bare 16:9 og 9:16, 360p til 4K, og lyden er alltid på. Du kan styre den, men ikke slå den av. Opptil 10 referansebilder og opptil 3 referansevideoer på 3 sekunder hver.
Når det gjelder pris, koster Gemini Omni 1.2 det samme per sekund på ZOOOP som 1.1 gjorde, i alle oppløsninger.
Slik testet vi: to prompter, to versjoner
To prompter, rettet mot områdene Google sier er mest forbedret. Den første er et FPV-droneopptak i én tagning: lavt over en tåkete innsjø ved daggry, mellom to furutrær, over taket på en hytte og så frem mot de snødekte fjellene bak, med "ingen kutt" skrevet inn i prompten. Den andre er en dialogscene med to personer: på en kafé rekker en krøllhåret barista over en latte og sier en replikk, og en kunde i grå frakk svarer. Begge i 720p, 6 sekunder, 16:9.
Forskjell én: kamerabevegelsen i én tagning ender uavgjort
Jeg ventet at 1.2 skulle vinne denne lett. Begge versjonene gjorde det bra. Jeg kjørte scenedeteksjon bilde for bilde på begge klippene, og ingen av dem har et hardt kutt. Den største endringen fra bilde til bilde i begge er bare vanlig kamerabevegelse.

Forskjellen ligger i flyruten. 1.1 flyr fra strandkanten til forsiden av hytta og stiger så rett opp over taket. 1.2 flyr faktisk mellom de to furutrærne og stiger høyere mot slutten, og viser de snødekte toppene og et skyhav i dalen, noe som ligger nærmere prompten. Trenger du lange landskapsopptak i én tagning, klarte 1.1 det allerede; 1.2 følger bare instruksjonene litt bedre.
Forskjell to: i dialog slutter 1.2 å klippe på egen hånd
Det er her forskjellen er tydeligst.
1.1 filmet det som skudd/motskudd: et halvnært bilde av baristaen som rekker over koppen, og så ved 4,6 sekunder et hardt kutt til et nærbilde av kunden. Selve klippingen er grei, mange scener med ekte skuespillere er klippet slik, men prompten ba om ett halvnært bilde, og etter kuttet er baristaen ute av bildet. Gemini Omni 1.2 holder seg på ett bilde med begge to hele tiden. Begge personene blir i bildet, og å rekke over koppen, ta imot den og veksle replikker skjer i ett sammenhengende opptak, med naturlig flyt i bevegelsene.


På én detalj vant 1.1 likevel: prompten sa "grå frakk", og 1.1 leverte grått. Frakken i 1.2-klippet er så mørk at den nesten er svart. Begge klippene har talte replikker og kafélyd i bakgrunnen, men jeg skrev ikke ned dialogen ord for ord, så jeg vil ikke avgjøre hvilken som har best leppesynk.
Forskjell tre: 15 sekunder holder til å fortelle et helt forløp
Å gå fra 10 til 15 sekunder høres ut som bare fem sekunder mer, men det endrer hvordan du bruker modellen. Ti sekunder dekker som regel én handling. Femten sekunder rommer en åpning, en avsløring og en avslutning, så en annonse for sosiale medier trenger ikke lenger å skjøtes sammen. Under lanseringstestene kjørte vi et vertikalt klipp på 15 sekunder i én generering, og lyden hang sammen fra start til slutt uten synlige skjøter.
Én ting å passe på med lengre klipp: video med Start-/sluttbilde er fortsatt begrenset til 10 sekunder når du legger til et sluttbilde, og feltet for sluttbilde låses når du velger 11 sekunder eller mer.
Hastighet og pris
Hastigheten er omtrent den samme. I denne testen i 720p og 6 sekunder ble begge versjonene ferdige på rundt 50 sekunder. Prisen per sekund er den samme som for 1.1, og med 1.1 faset ut er det uansett ingen grunn til å bli på den gamle versjonen.
Konklusjon: bare bruk 1.2
To oppgraderinger betyr mest her: klipp på opptil 15 sekunder og dialogscener som ikke lenger klipper på egen hånd, til samme pris per sekund som før. Til landskapsbevegelser i én tagning var 1.1 allerede god; 1.2 følger bare prompten litt tettere.
Hvis du har laget en serie videoer på 1.1 og trenger flere opptak, må du regne med små stilforskjeller fra Gemini Omni 1.2, for eksempel i fargene på klær, så vær konkret i prompten. Bruk Rediger video for å gi et eksisterende klipp ny stil, og Forleng video for å la et klipp fortsette. Begge kjører nå på 1.2.
Vanlige spørsmål
Kan jeg fortsatt bruke Gemini Omni 1.1?
ZOOOP har faset ut 1.1, og siden videresender til 1.2. Google sender i tillegg alle forespørsler til 1.1 automatisk videre til 1.2 fra 3. desember.
Hvor langt kan et klipp fra Gemini Omni 1.2 være?
Tekst til video, referanse til video og generering fra startbilde går fra 3 til 15 sekunder. Med et sluttbilde er maks 10 sekunder.
Kan jeg slå av lyden i Gemini Omni 1.2?
Nei, lyd genereres alltid. Du kan styre den med prompter som "ingen dialog" eller "ingen bakgrunnsmusikk", eller dempe klippet etterpå.
Er 1.2 dyrere enn 1.1?
Nei. På ZOOOP koster Gemini Omni 1.2 det samme per sekund som 1.1 gjorde, i alle oppløsninger.





