Gemini Omni 1.2 vs 1.1 Flash: Clip 15 giây và hết cắt cảnh tùy tiện trong hội thoại

So sánh Gemini Omni 1.2 vs 1.1 Flash với cùng prompt: cảnh FPV một cú máy, cảnh hội thoại hai người, clip 15 giây và giá. Điều gì thực sự tốt hơn.
Ngày 5 tháng 11, Google chính thức phát hành rộng rãi Gemini Omni 1.2 Flash. Thông báo liệt kê một loạt nâng cấp: clip dài tới 15 giây, bám sát ảnh tham chiếu hơn, hội thoại và khớp khẩu hình tự nhiên hơn, ít jump cut ngoài ý muốn hơn trong các chuyển động máy dài, và giá rẻ hơn 1.1 khoảng 30%. Dòng quan trọng nhất nằm trong changelog dành cho nhà phát triển: từ ngày 3 tháng 12, mọi yêu cầu gửi tới Omni 1.1 sẽ tự động được chuyển sang 1.2.
Vậy là 1.1 đang đếm ngược. ZOOOP không chờ. Khi Gemini Omni 1.2 Flash ra mắt, chúng tôi gỡ 1.1 cùng lúc, và trang 1.1 cũ giờ chuyển hướng sang 1.2. Trước khi tắt nó, tôi chạy cùng một bộ prompt trên cả hai phiên bản để xem nâng cấp thực sự thể hiện ở đâu.
Gemini Omni 1.2 thay đổi những gì
Thông số trước. Bạn có thể thấy ngay trong Trình tạo video AI:
- Độ dài: từ 3–10 giây lên 3–15 giây, chọn theo từng giây. Khi có khung cuối, tối đa là 10 giây.
- Chỉnh sửa: video nguồn giờ có thể dài tới 15 giây thay vì 10.
- Mở rộng: không còn giới hạn độ dài video nguồn. Mô hình đọc 10 giây cuối và nối tiếp thêm 3–10 giây.
- Không đổi: chỉ 16:9 và 9:16, từ 360p đến 4K, và âm thanh luôn bật. Bạn có thể định hướng nhưng không tắt được. Tối đa 10 ảnh tham chiếu và tối đa 3 video tham chiếu, mỗi video 3 giây.
Về giá, trên ZOOOP Gemini Omni 1.2 có giá theo giây bằng với 1.1, ở mọi độ phân giải.
Cách chúng tôi thử: hai prompt, hai phiên bản
Hai prompt, nhắm vào những điểm Google nói đã cải thiện nhiều nhất. Prompt đầu là cảnh flycam FPV một cú máy: bay sát mặt hồ phủ sương lúc bình minh, luồn giữa hai cây thông, vượt qua mái một căn nhà gỗ rồi hé lộ dãy núi phủ tuyết phía sau, với "không cắt cảnh" ghi rõ trong prompt. Prompt thứ hai là cảnh hội thoại hai người: trong một quán cà phê, một barista tóc xoăn đưa ly latte và nói một câu, rồi một vị khách mặc áo khoác xám đáp lại. Cả hai đều ở 720p, 6 giây, 16:9.
Khác biệt thứ nhất: cú máy một mạch hòa nhau
Tôi tưởng 1.2 sẽ thắng dễ ở phần này. Hóa ra cả hai phiên bản đều làm tốt. Tôi chạy nhận diện chuyển cảnh từng khung hình trên cả hai clip, và không clip nào có cú cắt cứng. Thay đổi lớn nhất giữa các khung hình ở cả hai chỉ là chuyển động máy bình thường.

Khác biệt nằm ở đường bay. 1.1 bay từ bờ hồ tới trước căn nhà gỗ, rồi bay thẳng lên qua mái. 1.2 thực sự bay giữa hai cây thông và cuối cùng lên cao hơn, cho thấy những đỉnh núi tuyết và biển mây trong thung lũng, gần với prompt hơn. Nếu bạn cần cảnh dài phong cảnh một mạch, 1.1 vốn đã làm được; 1.2 chỉ làm theo chỉ dẫn tốt hơn một chút.
Khác biệt thứ hai: trong hội thoại, 1.2 thôi tự cắt cảnh
Đây là chỗ khoảng cách rõ nhất.
1.1 quay theo kiểu góc máy/góc ngược: một cảnh trung barista đưa ly, rồi ở giây 4,6 là cú cắt cứng sang cận cảnh vị khách. Bản thân cách dựng không có gì sai, nhiều cảnh phim người đóng cũng được cắt như vậy, nhưng prompt yêu cầu một cảnh trung duy nhất, và sau cú cắt thì barista ra khỏi khung hình. Gemini Omni 1.2 giữ một khung hình có cả hai người từ đầu đến cuối. Cả hai đều ở trong khung, và việc đưa ly, nhận ly rồi qua lại vài câu đều diễn ra trong một cảnh liền mạch, chuyển động trôi chảy tự nhiên.


Nhưng 1.1 thắng ở một chi tiết: prompt ghi "áo khoác xám", và 1.1 cho ra màu xám. Chiếc áo trong clip của 1.2 tối đến mức gần như đen. Cả hai clip đều có lời thoại và âm thanh không khí quán cà phê, nhưng tôi không chép lại lời thoại từng chữ, nên tôi sẽ không phán clip nào khớp khẩu hình tốt hơn.
Khác biệt thứ ba: 15 giây đủ để kể trọn một nhịp
Từ 10 lên 15 giây nghe như chỉ thêm năm giây, nhưng nó thay đổi cách bạn dùng mô hình. Mười giây thường chỉ đủ cho một hành động. Mười lăm giây chứa được phần mở, phần hé lộ và phần kết, nên một quảng cáo mạng xã hội không cần ghép nối nữa. Trong lúc thử nghiệm ra mắt, chúng tôi tạo một clip dọc 15 giây chỉ trong một lần tạo, và âm thanh liền mạch từ đầu đến cuối, không thấy chỗ nối.
Một điều cần lưu ý với clip dài: video từ Khung Bắt Đầu / Kết Thúc vẫn giới hạn 10 giây khi bạn thêm khung cuối, và ô khung cuối sẽ bị khóa khi bạn chọn từ 11 giây trở lên.
Tốc độ và giá
Tốc độ gần như nhau. Với bài thử 720p, 6 giây này, cả hai phiên bản xong trong khoảng 50 giây. Giá theo giây bằng với 1.1, và khi 1.1 đã bị gỡ thì dù sao cũng không có lý do gì để ở lại phiên bản cũ.
Kết luận: cứ dùng 1.2
Hai nâng cấp quan trọng nhất ở đây: clip dài tới 15 giây và cảnh hội thoại không còn tự cắt, với giá theo giây vẫn như trước. Với cú máy phong cảnh một mạch, 1.1 vốn đã tốt; 1.2 chỉ bám prompt sát hơn một chút.
Nếu bạn đã làm một loạt video trên 1.1 và cần thêm cảnh, hãy lường trước những khác biệt nhỏ về phong cách từ Gemini Omni 1.2, như màu quần áo, nên hãy viết prompt cụ thể. Để đổi phong cách một clip có sẵn, dùng Chỉnh sửa video, còn để kéo dài một clip, dùng Mở rộng video. Cả hai giờ đều chạy trên 1.2.
Câu hỏi thường gặp
Tôi còn dùng được Gemini Omni 1.1 không?
ZOOOP đã gỡ 1.1, và trang của nó chuyển hướng sang 1.2. Google cũng sẽ tự động chuyển mọi yêu cầu tới 1.1 sang 1.2 từ ngày 3 tháng 12.
Clip Gemini Omni 1.2 dài tối đa bao nhiêu?
Tạo video từ văn bản, từ tham chiếu và từ khung đầu có độ dài 3 đến 15 giây. Khi có khung cuối, tối đa là 10 giây.
Có tắt được âm thanh trong Gemini Omni 1.2 không?
Không, âm thanh luôn được tạo. Bạn có thể định hướng bằng các prompt như "không có lời thoại" hoặc "không có nhạc nền", hoặc tắt tiếng clip sau đó.
1.2 có đắt hơn 1.1 không?
Không. Trên ZOOOP, Gemini Omni 1.2 có giá theo giây bằng với 1.1 ở mọi độ phân giải.





