换掉背景，保留标签。用 15 秒试试 Gemini Omni 1.2 Flash

产品视频快做好了。第一个镜头展示包装盒正面，接下来跟着盒子缓缓转动，最后留一点时间让观众读清容量。背景却不适合这次活动。一句话就能要求换背景。更难的是确认模型没有顺手改掉镜头里其他东西。

Google 于 2026 年 11 月 5 日在 Gemini API 和 Google Cloud 上正式推出 Gemini Omni 1.2 Flash。它能生成和编辑最长 15 秒的视频，Omni 1.1 Flash 的上限是 10 秒。Google 在发布时重点介绍了依据参考素材生成和通过对话剪辑的能力。发布价格为每秒 720p 视频 0.07 美元。制作团队可以先试拍一个镜头，再通过下一轮对话修改。第一次最好只做一处有限的改动，方便审核人员判断哪些细节应该保留。 Google 发布公告 · Google Cloud 可用性公告

先看实物包装上的文字。多数人几秒就能看出背景是否合适，但想在转动快结束时发现品名拼错、容量变了或警示文字没了，需要换一种检查方式。以参考素材为基准，可以在同一个流程中完成创意修改和产品核对。

Google 在山景城的早期总部，用作背景资料。Steven Arnold 摄，经过裁剪和缩放，采用 CC BY 3.0。 图片来源 · 许可。

镜头更长，小变化也更容易出现

多出五秒，短片更好安排。产品可以进入画面、转过一个角度露出第二面，再停在文字可读的结尾画面，全程无需切镜头。与此同时，需要保持细节一致的帧数也更多。盒子静止时商标可能完全正确，转到一半却多出一笔。单帧看着都合理，连起来看，标签也可能在帧与帧之间轻微移位。

Google 11 月 5 日的公告介绍了如何用产品或风格图片、简短的动作参考和音频提示来引导生成。其中一个虚拟试穿片段使用了模特照片，以及三件衣服的正反面参考图。这个演示能帮助团队思考参考图需要覆盖哪些角度。正面产品照给模型一个可见的目标。环绕镜头如果需要展示侧面或背面，就也给出这些面的照片。如果缺某一面，构图就应尽量避免让模型凭空补出可能被顾客当成真实特征的细节。 Google 发布演示 · Google DeepMind 模型卡

以 15 秒的包装视频为例，给开场、简短转动和最后定格各留一段时间。把细节分成两类。改动可以是把盒子从厨房台面挪到冷色调摄影棚背景。需要保持的则包括尺寸、品名、正面印刷的容量、与背景无关的品牌色，以及摄影机的运动轨迹。这个简短列表可以用于审核初版和编辑后的版本。

一次只改一个变量的审核流程示例。第二轮仍保留原始参考照片。Telli.sh 原创图。

第一次生成前，先决定镜头里哪些文字必须能看清。构图根本不会露出包装背面时，背面编号看不清可能无关紧要。结尾要展示的容量则不同。哪怕其余画面很有说服力，模糊或数字改错一位也可能使视频无法放到商品页。固定片尾卡片和重要的法定文字可以保留为独立的编辑图层，使用核实过的图稿。让生成视频负责场景和动作，团队仍掌控准确的文案。

让第二轮编辑解决一个具体问题

Google 介绍了后续对话中更换背景、修改光线或调整宽高比的办法。其中一段发布演示在尝试保留两个角色表演和取景的同时，替换了周围场景。做产品视频时，可以先只换背景。如果宽高比和光线一起改，盒子上多了一处反光或少了一个角，就更难判断是哪条要求造成的。 Google 对话编辑示例

编辑要求可以直截了当。“把盒子放到哑光蓝灰色的无缝摄影棚背景前。保留已批准视频里的盒子、印刷、比例、手部动作和运镜时间。结尾仍要停留到文字可读。”然后用已批准的视频和原始产品照两套素材分别核对。前者能看出团队要的动作和构图，后者用于确认标签和形状是否忠于实物。只和上一轮生成结果比较，可能把第一版的错误带到以后每一版。

先看开头、中间和最后一刻，再按预定速度看完。三张静帧只是起点，因为在过渡处，替换的背景可能短暂挡住边缘，印刷标记也可能变形。片段里有手部动作时，检查手指经过标签前方的帧。如果有声音，可以关掉画面单听一次。这样更容易听出音效变化、干扰杂音，或被画面分散注意力而漏掉的无依据口播。

错误出在哪里，会影响返工成本。影棚墙上的阴影属于创意选择。包装文案写错会产生返工，甚至让视频无法用于预定位置。如果两次有针对性的尝试都出现同样问题，把原始实拍合成到新背景里，可能更省时间。

商品目录和营销版本要查不同的细节

商品目录团队可以用参考素材，让多款产品的镜头角度和节奏一致。这样更方便顾客比较尺寸相近的商品。难点是几乎相同的款式。色号、多出来的一个接头，或者略有区别的盖子，可能恰好是唯一重要的差异。每条生成视频都应核对具体 SKU，并把编号留在提示词以外的审核记录里。

官方示例中有零售试穿，人转动身体展示衣服不同侧面。用来做目录时，可以检查参考图里的下摆、闭合结构、口袋和版型线索是否保留。购物视频的标准取决于观众会从画面合理推断出什么。生成片段能补充原始照片时，是一种可用的展示素材。如果镜头要证明输入里没展示过的细节，这种方法就不合适。 Google 发布示例

营销团队有另一个问题。它可能想把同一件商品放到两个场景里，或把批准的横版转换为适合竖屏版位的片段。改变构图会影响还有哪些信息看得见。检查竖屏版本时，确认重要时刻的边缘、合作方标识和结尾文字没有被裁掉。也在投放平台的预览里播放一遍，平台界面可能叠在视频底部或侧面。全屏看着没问题的文件，在实际版位里仍可能不好用。

Google 在发布时说，模型输出带有肉眼察觉不到的 SynthID 水印。这有助于识别生成内容。标签是否准确、商品表述是否获批、素材能否用于特定活动，都需要另行核对。把参考图片和批准文案的来源与版本历史放在一起。有人问改了什么时，编辑和审核人员就能查到同一份记录。 Google 发布公告与 SynthID 说明 · Google DeepMind 模型卡

给真正通过审核的片段算账

按发布时每秒 720p 视频 0.07 美元计算，一条 15 秒输出是 1.05 美元。以同一费率计费的三条 15 秒输出，该项目合计 3.15 美元。这是根据 Google 公布的费率和假定计费成功次数得出的例子。审核、最终剪辑、更高分辨率交付和其他计费操作可能增加成本。用于营销项目预算前，核实自己所用接口的费率和计费单位。 Google 发布价格 · Google Cloud 生成选项

按 Google 11 月 5 日公布费率计算的 720p 生成成本示例。未计入审核与最终交付。Telli.sh 原创图。

同时记录付费输出和通过审核的输出。如果四条按示例费率计费的结果只通过一条 15 秒视频，那条的生成成本就是 4.20 美元。四条中如果有两条通过，平均每条就降到 2.10 美元。模型费率没有变，变的是通过率。因此质量检查对预算的影响，可能比镜头少一秒更大。

一段短的低分辨率试片可以验证光线和动作是否符合想法。把费用更高的处理留给通过创意审核和产品一致性检查的版本。Google Cloud 记录了 360p、720p、1080p 和 4K 选项，也介绍了超分辨率处理路径。最终交付文件要单独检查。更大的画面可能使包装错误更明显，还得有人真正去看才能发现。 Google Cloud 发布及工作流程 · Google Cloud 模型设置

请求十个版本之前，先做一次受控编辑

1. 选择一件有权使用的真实产品。准备正面照，以及镜头会展示的侧面或背面照片。把获批品名、容量和其他必须保留的细节写进简短的检查表。
2. 选定投放格式，在文档支持范围内决定时长。用参考素材生成基准片段，保存设置和接受的文件。确保结尾画面能让审核人员读清关键细节。
3. 后续对话只要求一项视觉改动。保留已批准的原素材，把编辑结果单独输出。标记这是一次试做、已批准的版本，还是有具体拒绝理由的版本。
4. 在片段多个位置对照基准视频和参考图片。到目标版位检查完整视频。如果片段展示真实商品，请能核实产品细节的同事一起看。
5. 记录计费输出、审核时间和通过数量。错误反复出现时，限制场景或用常规剪辑图层保留相应元素。第一件产品达到成片所用的检查标准后，再扩大到更多产品。

判断很简单。如果背景变了，包装盒仍然传达同样真实的信息，第二轮对话就承担了一段实际制作工作。如果连产品也被改动了，编辑就有具体理由保留原素材，换一种方法。

来源

• Google 发布公告及官方演示，2026 年 11 月 5 日
• Google Cloud 正式可用公告，2026 年 11 月 5 日
• Google Cloud Gemini Omni 1.2 Flash 模型参考
• Google DeepMind 模型卡和水印详情
• Steven Arnold 拍摄的背景照片，CC BY 3.0

---

想把每个版本背后的创意要求、反馈和审批保存成可检索的记录，可以创建 Telli.sh 账号。