Recraft Studio上线Gemini Omni Flash 1.2：单段视频最长10秒、自带音频
Google于 2026 年 11 月 5 日发布Gemini Omni 1.2 Flash，Recraft于 11 月 10 日宣布该模型已在Recraft Studio开放使用。Recraft称新版本在角色与产品一致性、镜头指令跟随和多人对白唇形同步上有改进，但单段生成被限制在 10 秒。
AI解读：Recraft称Gemini Omni Flash 1.2已在Recraft Studio上线，与Recraft V4.1及其他视频模型位于同一工作区。
按Recraft的说法，1.2 的改进集中在控制力：角色、物体和场景在一段视频内的漂移与形变减少，镜头运动更贴近提示词、意外跳切更少，参考图对角色、产品或风格的还原更接近。
对白方面，Recraft称唇形同步更清晰，并支持多个说话者各自有可区分的声音；每段视频都带原生音频。Recraft提到Google举例说明模型仍不擅长的场景包括快速体育动作、快速剧本切换和复杂物理。
在Recraft Studio中，单段生成上限为 10 秒，而Google自家API允许该模型生成更长的片段。Recraft未说明API端的具体时长。
Recraft给出提示词建议：需要一镜到底时写明“single continuous shot”或“no scene cuts”；描述想要的音乐与环境声，或写“No dialogue”；用“After 3 seconds”或[0-3s]这类时间标记；画面文字放进引号；没有单独的负向提示词字段，排除项要写进提示词正文。
该模型在Recraft中并非免费，需使用包含视频和外部模型的套餐，每次生成消耗额度。Recraft未公布具体额度消耗数，只指向定价页面。
Recraft于 2026 年 11 月 10 日发布公告称，Google的视频模型Gemini Omni Flash 1.2已在其Recraft Studio中开放使用。Google于 11 月 5 日发布该模型，官方名称为Gemini Omni 1.2 Flash，是对 1.1 的直接更新。
Recraft称，在Recraft Studio中该模型单段视频最长 10 秒，每段都带原生音频，并与Recraft V4.1及其他视频模型放在同一工作区；Google自家API允许更长片段，但Recraft未给出具体上限。
Recraft描述的 1.2 变化
Recraft把这次更新概括为“控制力”改进而非新功能。按其说法，1.1 在一段视频内容易出现漂移和形变，1.2 让面部和产品更稳定；镜头运动更贴近提示词、意外跳切更少；角色、产品和风格参考图的还原度更高。
对白是另一项变化。Recraft称 1.2 的唇形同步更清晰，多人场景中不同说话者有可区分的声音。这些均为Recraft在公告中的描述，公告未附对比样片或量化评测数据。
- 角色、物体、场景在一段视频内漂移与形变减少
- 镜头指令跟随更紧，意外跳切减少
- 多人对白唇形同步更清晰，声音可区分
- 参考图对角色、产品、风格的还原更接近
适用条件与限制
Recraft写明，Recraft Studio中的生成上限是 10 秒，这一数字是Recraft平台的限制，不是模型本身的上限。画幅方面，公告的对比表列出 1.1 与 1.2 均支持 16:9 和 9:16。
Recraft还转述了Google对模型弱点的说明：快速体育动作、快速剧本切换和复杂物理仍是困难场景，若拍摄需求依赖这些内容，需要预留更多重拍次数。
使用门槛方面，Recraft称该模型面向包含视频和外部模型的套餐开放，每次生成消耗额度，并非免费。Recraft未披露单次生成的具体额度数。
- Recraft Studio单段上限 10 秒；Google API允许更长，具体时长未披露
- 支持 16:9 与 9:16 两种画幅
- Google指出快速体育动作、快速剧本切换、复杂物理仍易出错
- 需包含视频与外部模型的付费套餐，按次消耗额度
Recraft给出的提示词写法
Recraft援引Google的提示词指南称，模型默认可能自行切分镜头，需要一镜到底时应写明“single continuous shot”或“no scene cuts”。音频需要显式描述音乐和环境声，不想要对白就写“No dialogue”。
时间控制可用自然语言，如“After 3 seconds, the camera pulls back”，也可用[0-3s]这类时间码。画面中要出现的文字应放在引号内。由于没有独立的负向提示词字段，排除项需直接写进提示词。
Recraft还建议把 10 秒内容拆成两到三个节拍来写，而不是一段长描述，让每个节拍有足够时间呈现。这是Recraft的写作建议，公告未给出按此写法提升成功率的实测数据。
- 一镜到底：写“single continuous shot”或“no scene cuts”
- 声音：描述音乐与环境声，或写“No dialogue”
- 时间：自然语言或[0-3s]时间码
- 画面文字：放入引号
- 排除项：写进提示词正文，无独立负向字段
- 10 秒内容按两到三个节拍组织