Gemini能生成15秒视频，商品演示应该如何验收？

从更长的镜头中拿走什么

Google在11月5日公布Gemini Omni 1.2 Flash，介绍最长15秒的原生视频生成和多轮编辑，并展示利用图片、短视频等参考素材的效果。Google Cloud的参考生成文档列出这一模型支持3到15秒，并可附标签整理请求和追踪费用。厂商展示的是特定输入和输出，无法据此预先判定任意商品都能保持外观一致。

对卖家来说，十五秒最大的变化是可以把前后有依赖的镜头连在一起，比如桌面上出现设备，随即转到安装位置。只要中间一处接口、配件或比例被改写，画面连贯也会传递错误的产品信息。因此脚本阶段要标出每个镜头的用途，设计性过渡可以尝试生成，必须让顾客确认规格的镜头优先用能追溯的实拍。

Basis [1] Google DeepMind 产品公告 · [2] Google Cloud Documentation

逐帧核对买家会据此下判断的细节

拿一款有多个版本的桌面设备作自拟示例。镜头在正面能看到两个按钮，转到背面时接口数量却增加一个。如果买家用这段画面判断能否连接外设，这一变化就足以退回成片。画面是否漂亮与接口是否真实是两个验收项目，前者通过也不能抵消后者失败。

制作时可把真实商品图、包装清单和已审核文案放在同一版本下。审片先核对型号、颜色、配件数量和关键操作，再查自动配音有没有念错规格或把条件性卖点读成普遍承诺。转场和动作中间帧也要看，尤其是字幕叠到商品上、零件经过遮挡或镜头改变视角的时刻。素材涉及真人或供应商资料时，应先确认使用权限。

Basis [1] Google DeepMind 产品公告 · [2] Google Cloud Documentation

算一条通过审片的视频要花多少钱

公告给出的720p价格为每秒0.07美元。示例中若三条15秒输出均按公告单价足额计费，且只有一条通过审核，生成费用共3.15美元，合格成片分摊3.15美元。这个数字未计多轮编辑、升分辨率、人工审片或其他费用。实际工作可记录尝试次数、返工原因和通过数量，再与短片拼接或拍摄方案比较。

较长生成适合主体结构简单、失败后容易重做的场景。若镜头必须展示两步接线和精确屏幕状态，可以保留真实操作画面，让生成只承担片头、转场或脚本推演。对于不同市场的语言版，先锁定核验过的镜头与事实字段，再分别检查单位、字幕和语言表达，避免逐个市场重做产品演示。

Basis [1] Google DeepMind 产品公告 · [2] Google Cloud Documentation

把需要退回的原因写成清单

试点可以固定一组低风险产品、两种镜头用途和相同审片标准，先观察容易通过的素材与经常返工的素材。严重失真直接退回，轻微色偏等是否可以修正应按拍摄基准和展示用途决定。若短片在接入真实影像后更稳定，保留这一分工，别因为十五秒能一次生成就要求所有场景一次完成。

出片前最好在目标设备和实际裁切比例下再看一次。桌面看得清楚的接口标签，缩成竖屏可能被裁掉；背景里看似无关的道具也可能被误解为随盒赠品。若横版与竖版分别交付，保留共同的事实清单，但各自验收画面是否覆盖清单内容。这样更换比例时才知道该重新拍、重新生成，还是只移动字幕。

通过的成片应保存脚本、原参考资料版本、审片结果及适用渠道。页面上介绍的功能如果后来更改，能据此定位要复核的旧片。待产品真实性、素材权利和人工耗时有可比较的记录，再判断是否扩大应用，避免把供应商的一次理想演示折算成自家团队的产能。

Basis [1] Google DeepMind 产品公告 · [2] Google Cloud Documentation