編按：本文綜合整理自 Google DeepMind Blog 官方公告 與 Hacker News 討論串，並加入 Siami 編輯部觀點與分析。
Google 推出 Gemini Omni 1.1 Flash，主打「可控影片生產」
Google 在 2026 年 8 月 27 日正式推出 Gemini Omni 1.1 Flash，這是 Gemini Omni 系列第一個標榜「生產就緒」(production-ready) 的更新版本。這個版本把焦點從「能不能生成影片」轉向「能不能讓開發者真正控制生成的內容」——這對把 AI 影片整合進商業流程的團隊來說，是一個關鍵的訊號。
官方公告列出五大重點功能：
- 場景延長 (Scene Extension)：可從現有影片無縫延伸，最高累積 40 秒
- 首尾幀指定 (First & Last Frame)：透過指定起點與終點畫面生成連續運鏡
- 360p 預覽模式：比 720p 標準模式快 60%、成本僅三分之一，適合快速打樣
- 4K 升頻 (Upscaling)：直接輸出 1080p 或 4K 高解析度成品
- 多模態影片參考：可上傳最多 3 秒的影片片段作為角色或風格參考
這次最值得注意的是**「生產就緒」這個詞**。Google 在部落格文章中明確表示，開發者可以透過 Gemini API（在 Google AI Studio 中）使用 Omni 1.1 Flash，這意味著它不只是 demo，而是已經進到可計價、可商用的階段。對 Adobe Firefly、Figma Weave、Runway 等已經整合 Gemini Omni Flash 的合作夥伴而言，這無疑是個大消息。
場景延長：把「續寫」這件事做到 10 秒前文脈絡
Omni 1.1 Flash 最核心的新功能是場景延長。原本 Gemini Omni 只能參考前 1 秒的影片內容，新版本則可分析最長 10 秒的前情片段。這對敘事一致性是個量級提升——之前模型只能「接著最後一幀續寫」，常常出現人物走位錯亂或場景跳接；現在則能記住更長的時序脈絡。
Google 在官方示範中提供了三組 prompt 範例，涵蓋電影感的 dolly-zoom（推軌變焦）鏡頭、人物特寫、360 度環繞鏡頭，以及對話場景的延續。每一組 prompt 都強調「one continuous shot, no jump cuts」（一鏡到底、不剪接），這正是過去文字生成影片最難處理的痛點。
在 API 層面，開發者可以透過 client.interactions.create() 方法呼叫 gemini-omni-1.1-flash 模型，並用 previous_interaction_id 把上一段生成的影片 ID 串接起來。Google 同時推出新的 response_format 設定，讓開發者可在生成時直接指定 360p 預覽或最終 4K 輸出，省去中間再轉檔的麻煩。
範例程式碼（節錄）
from google import genai
client = genai.Client()
interaction = client.interactions.create(
model="gemini-omni-1.1-flash",
previous_interaction_id=previous_video_interaction.id,
input=[{"type": "text", "text": "Continue the scene."}],
response_format={"resolution": "360p"}
)「Gemini Omni Flash 是 Figma Weave 中最強的影片模型之一。畫布幫助創意團隊在每次生成上不斷建構——附加參考、分支出不同版本、塑造獨特成果。隨著延伸功能、更豐富的參考素材與 4K 解析度，Gemini Omni Flash 讓團隊從『生成影片』真正進化到『執導影片』。」—— Itay Schiff，Figma Weave 創意總監
首尾幀指定 + 360p 預覽 + 4K 升頻：把工作流拼齊
除了場景延長，新版本還補齊了另外三個對專業工作流至關重要的能力：
首尾幀指定讓開發者能透過給定起點與終點畫面，讓模型生成中間的連續運鏡。Google 展示的範例包括一個從「鼓手演奏」搖到「薩克斯風手與芭蕾舞者」的長鏡頭——這類過渡若是傳統拍攝需要昂貴的穩定器與精準的導演指令，現在則能由 AI 根據兩個關鍵畫面自行補完。
360p 預覽模式解決了開發流程中最大的成本痛點。過去要在 AI 影片生成上「試錯」，每次迭代都要付出 720p 甚至 1080p 的算力成本；現在 360p 預覽比 720p 快 60%、成本僅三分之一，這讓「Draft Room」式的快速打樣成為可能——一次生成 3-4 個版本，只改一個變因並列比較，找出最佳方向後再升頻到 4K。
4K 升頻則補上了最後一塊拼圖。Omni 1.1 可直接輸出 1080p 或 4K 高解析度成品，且根據 Google 提供的 prompt 範例，畫質已經能達到「電影感微距特寫」、「楓葉在秋風中搖曳」這類專業攝影等級的細節。
為什麼這件事重要：影片生成進入「可控生產」元年
過去兩年，文字生成影片（Sora、Runway Gen-3、Pika、Kling 等）一直被同一個問題困擾：demo 很好看，但無法走進真正的商業流程。原因不外乎三點：成本過高、控制力不足、產出無法直接用於專業製作。
Gemini Omni 1.1 Flash 的發表，標誌著這個困境開始被打破：
- 生產就緒的定價：360p 預覽 + 4K 升頻的二段式工作流，讓開發者能像傳統 CG 渲染那樣「先低解析度打樣、再高解析度輸出」，把成本控制從「夢魘」變成「可預測」。
- 可控性的大幅提升：首尾幀、場景延長、影片參考三大功能，讓 prompt 從「許願」進化到「導演指令」。
- 生態系的真實採用：Adobe Firefly、Figma Weave、Runway 已經在生產環境中整合，這不是「可能可以用」，而是「已經有人在用」。
對創意產業來說，這代表著單人獨立製片或小團隊能完成的影片品質門檻，又被狠狠地往下砍了一截。獨立動畫師、廣告公司、社群媒體內容團隊，將會是第一批感受到成本結構改變的群體。
更宏觀地看，Google 對影片生成的持續重押（相對於 OpenAI 放棄 Sora），也透露出業界對「世界模型」(world models) 的判斷——能生成影片的模型，可能就是通往通用人工智慧的關鍵中繼點，因為它必須理解物理、因果、時間、光影。
數據解讀與質疑：漂亮的官方數字背後藏著什麼
雖然 Google 的公告內容豐富，但有幾個關鍵數字與限制值得讀者留意：
- 「快 60%、成本三分之一」是相對值，不是絕對值。官方說明指出，這個比較是基於「系統吞吐量」(system throughput) 的 360p vs 720p 對照，但並未透露單次生成的真實報價。對一個 10 秒鐘的影片來說，720p 與 4K 之間的成本差距可能仍舊是數倍。
- 40 秒累積長度的實際意義有限。一個 40 秒的單鏡頭影片，仍舊遠不足以撐起任何商業級敘事。真正能改變產業的，是「能否在保持一致性的前提下生成 2-3 分鐘的完整短片」，這個里程碑還沒到。
- 首尾幀控制對複雜場景的可靠性未知。官方展示的 demo 都是單一主體、簡單背景的鏡頭。一旦場景有多個角色、複雜光影、快速運動，模型是否仍能保持連貫性？這需要更多第三方獨立測試才能確認。
- 「生產就緒」的定義仍模糊。Google 並未明確說明 Omni 1.1 Flash 的 SLA、錯誤率、版權歸屬問題。對企業客戶來說，這些指標遠比「能不能生成」更關鍵。
- AI 影片對編劇、演員、攝影師的就業衝擊將在 1-2 年內浮現。HN 討論串中已有多位從業者表達焦慮。雖然這不是技術問題，但 Siami 認為這是任何負責任的媒體都必須正視的社會成本。
網友怎麼看：HN 上的兩派聲音
這則消息在 Hacker News 上衝到 160 分、110 則討論，創意圈的從業者反應相當兩極：
「老實說，這些工具的創意控制能力實在讓人失望。它們很擅長生產『內容廢水』，但要做真正有人會喜歡的內容就幾乎沒用。我看好這項技術的潛力，但文字終究不是描述藝術構想的好媒介。」—— HN 讀者，124 推
「有趣的是，OpenAI 完全放棄了 Sora，但 Google 卻持續重押影片生成。或許他們認為影片生成是發展『世界模型』的關鍵？」—— HN 讀者，156 推
「文字不是唯一輸入。你還可以提供 3D 草模加簡單動畫、加上箭頭標註的圖片、一個人演出某種情緒的錄音（再映射到不同角色的聲音）、視訊對視訊轉換等等。在迎來 AI 浪潮之前，可能會有一個過渡期。」—— HN 讀者，89 推
可以看得出來，開發者社群普遍對「可控性」買單，但創意從業者對「創作價值」仍有疑慮。這也是為什麼 Siami 認為「生產就緒」這個詞雖然是個行銷話術，但它背後代表的「工程化、可預測、可整合」的方向，確實是對的方向。
開發者要怎麼開始用
Omni 1.1 Flash 目前已在 Google 開發者生態全面鋪開：
- Google AI Studio：可直接試用 Omni 1.1
- Gemini Enterprise Agent Platform：企業客戶可透過 Agent Platform API 呼叫
- 官方文件、cookbook 與 prompting guides：涵蓋場景延長、影片參考、升頻等整合細節
此外，所有 Google AI Plus、Pro 與 Ultra 訂閱用戶（全球適用）從今天起就能在 Google Flow 中使用 Omni 1.1；場景延長功能則可在 Gemini app 中使用。對一般使用者來說，最直觀的入口是 Google Flow 這個新介面——一個類似剪輯軟體的 AI 影片創作環境。
定價方面，Google 已在官方公告中附上完整的價格表（但本次截稿前未取得具體數字，建議直接到 Google AI Studio 定價頁 查詢最新資訊）。
Siami 觀點：可控性才是真正的護城河
回顧整個生成式 AI 的發展史，「能不能生成」從來不是真正的難題——Sora、Veo、Runway 在 demo 階段都已經讓人驚豔。真正的瓶頸一直是「能不能在生產環境中可靠地、可預測地、可重複地生成」。
Gemini Omni 1.1 Flash 之所以值得報導，不是因為它能做到什麼前所未見的事，而是因為它開始把生成式影片從「玩具」推向「工具」。當一個模型有了 scene extension、有了 first/last frame、有了 360p preview 與 4K upscale 這樣完整的「導演工具組」，它就不再只是科技展示，而是開始威脅到傳統 CG、動畫、廣告製作的產業結構。
這個轉變的速度比多數人想像的更快。Siami 預期在未來 12-18 個月內，我們會看到第一批「幾乎全程由 AI 生成」的短片出現在串流平台上；屆時，觀眾能否分辨「人類創作」與「AI 創作」的界線，將會是整個產業必須共同面對的課題。
網友熱門留言 (5)