科技资讯
视频模型的发布会越来越像手机发布会：参数密度极高，但企业真正要回答的只有一个问题——这套东西能不能塞进现有的排产表。谷歌 Gemini Omni 1.2 Flash 已在 Gemini API 与 Gemini for business 开放，原生支持 15 秒片段、可多轮对话式编辑，720p 按每秒 0.07 美元计价、较 1.1 版本下降约三成【1】【2】。把这几句翻译成运营语言：视频正在从「一次性拍摄的成品」变成「可以反复修改的软件产物」。
软件产物有软件的成本结构，也有软件的质量风险。下面按「取舍—算账—备料—产线—验收—治理」六段展开，可以直接拿去改写成团队 SOP。见下文配图。
图：示意图（AI 生成，非原文截图；模型 nano-banana-2）。仅作阅读辅助，事实以正文与参考文献为准。
一、先做取舍：三类内容现在就该迁，两类先别碰
判断标准不该是「像不像真的」，而是「错了能不能改、改一次贵不贵」。按这个标准切分：
值得立刻试产的三类：
- 产品多角度与虚拟试穿。 现有产品图、角色设定图可以直接作为参考输入，模型会在不同镜头角度下维持面部、服装、包装字体与品牌色的一致【1】。这类素材本来就有图库沉淀，转换成本最低。
- 一次母版、多投放位变体。 同一片段可通过对话式编辑切换画面比例、替换产品或背景、修改光照与天气，不需要重写提示词、不需要整段重生成【1】。对同时跑多个渠道的跨境卖家，这条的边际收益最高。
- 15 秒以内的讲解与口播。 支持以 1 秒为单位在 3–15 秒区间自定义时长，一次性完成一个完整卖点【1】。
暂时别碰的两类：
- 需要真人背书的信任型内容（创始人出镜、客户证言）。模型能生成流畅对话与口型同步，但「谁在说」这件事无法替代。
- 依赖情绪铺垫的长叙事品牌片。15 秒是单片段上限，长序列要靠关键帧插值或片段延长拼接，跨片段一致性需要自己实测，别把发布会描述当结论文。
二、算账：预算按「草稿数」编，不按「成片数」编
按公开单价折算，一条 15 秒 720p 片段约 1.05 美元（0.07×15，仅为单价折算，未计汇率、套餐与商务折扣）【2】。单看不高，但视频生产的钱从来不是花在第一条上。
给三个可执行动作：
- 立项前跑一次小样本。 选 5 个 SKU、跑 10 条草稿，只统计一个数：从草稿到可投版本平均要改几轮。这个系数乘上单价，才是真实成本，也才有资格谈规模化。
- 设三级预算闸门。 草稿额度（360p/720p）、编辑额度（对话轮次）、升档额度（1080p/4K）分开授权。前两级交给执行同学自主支配，第三级必须二次审批，避免一路升级把成本打穿。
- 用对阶梯工作流。 先用 360p 或 720p 快速起草，靠后续编辑修细节，最后再把成品升到 1080p 或 4K【1】。本质是把试错放在便宜的分辨率上完成，把交付放在贵的分辨率上执行。
三、备料：上产线前必须备齐的四类输入
第一类，参考素材包。 角色、产品或风格图片，搭配最长 3 秒的动态片段与音频线索【1】。分类存放、命名带版本号，比多写十行提示词更有用。
第二类，品牌规则一页纸。 包装字体、品牌色值、LOGO 安全区、禁用角度。生成能保持品牌色彩一致，前提是你先把「一致」定义清楚。
第三类，脚本拆件表。 原来的 30 秒 TVC 脚本不能直接投喂，按 3–15 秒、以 1 秒为刻度拆成「一个镜头一个卖点」的短单元【1】。
第四类，语言与说话人清单。 多说话人条件控制已支持【1】，跨境场景先定主语言加两档备选，并固定说话人顺序，避免成片后返工。
入口也要提前定：开发者可在 Google AI Studio 做原型调试，企业侧走谷歌云控制台，内容团队用 Flow 做场景导演与多轮编辑，Google Vids 生成 15 秒片段，Google Ads 侧支持规模化投放【3】。先确认团队落在哪个入口，再决定要不要接 API。
四、产线：五步，把「抽卡」改成「改稿」
第一步，低分辨率起草。 用低档分辨率一次跑 3–5 条不同走向，只判断构图、节奏与主体是否正确，不看细节。
第二步，对话式编辑。 对同一条片段逐轮调整，替换产品或背景、改光照天气、换画幅比例【1】。这一步最值得投入时间——编辑是「对话」，不是「许愿」。
第三步，补一致性与长度。 需要更长叙事时用首末关键帧插值或延长片段；需要多镜头时，重点看角色、道具、环境在切换中是否漂移。
第四步，处理声音。 先定说话人顺序与语气再合成，讲解类内容优先保证口型与语义对齐。
第五步，升档与归档。 只在定稿版本上升 1080p 或 4K，并把最终版本、提示词、参考素材、编辑轮次一并留档。
五、验收：六项卡点与三条冷静判断
六项卡点——首末帧主体是否一致；面部与服装跨镜头是否稳定；包装字体、品牌色是否准确；口型与语音是否同步；镜头运动有无异常跳切；画幅切换后主体是否被裁切。这六项过不了，分辨率再高也不建议投。
三条冷静判断：
- 15 秒不等于叙事能力，长内容仍要靠序列拼接，跨片段一致性需实测。
- 0.07 美元/秒是公开报道中的定价，实际价格随区域、套餐与商务条款浮动，签约前以官方定价页为准【2】。
- 生成内容自带 SynthID 水印【4】，但各广告平台对 AI 素材的标注与审核口径并不统一，先小流量验证再放量。
六、治理：三个人、两本台账、一条红线
三个人即可跑通：脚本与提示词负责人、素材与品牌规范负责人、审片与投放负责人。
两本台账：一是素材指纹台账，记录参考图版本 + 提示词版本 + 输出 ID，避免中途换素材导致结果不可复现；二是成本台账，按周统计草稿条数、编辑轮次、升档次数，用数据判断是提示词问题还是模型能力边界。
一条红线：升档权限与投放权限分离，谁也不能既决定「升级到 4K」又决定「直接投出去」。
最后补一句采购视角：企业侧支持预置吞吐量（Provisioned Throughput）【4】。如果视频是常态化物料而非一次性活动，吞吐稳定性比单价更值得谈进合同。
参考文献
【1】AI 视频模型卷出新高度：谷歌 Gemini Omni 1.2 Flash 发布，原生 15 秒生成、较 1.1 降价 30% — https://www.ithome.com/1/023/026.htm（编辑注：原文所述 15 秒原生时长、3–15 秒自定义、多轮对话式编辑、参考遵循、阶梯式起草与升档工作流、口语与多说话人能力，为本所功能描述的来源）
【2】同上来源中的定价信息 — https://www.ithome.com/1/023/026.htm（编辑注：720p 每秒 0.07 美元、较 1.1 降价 30% 为该来源内容；文中「15 秒约 1.05 美元」为编辑按该单价自行折算，非来源原文）
【3】同上来源中的产品入口信息 — https://www.ithome.com/1/023/026.htm（编辑注：Google AI Studio、谷歌云控制台、Flow、Google Vids、Google Ads 等入口描述出自该来源）
【4】同上来源中的企业与安全能力描述 — https://www.ithome.com/1/023/026.htm（编辑注：预置吞吐量与 SynthID 水印为该来源提及；本文的取舍标准、预算模型、备料清单与验收卡点均为古令乐编辑基于该来源的二次创作，不代表原厂商说明）
