Gemini Omni 1.1 Flash sẵn sàng cho sản xuất: Cảnh quay 40 giây, Kiểm soát khung hình và kết xuất 4K

Đưa cho mô hình video giây cuối cùng của một đoạn clip và yêu cầu nó tiếp tục cảnh quay, bạn đang đánh cược vào trí nhớ của nó. Đó chính xác là điều mà Gemini Omni 1.1 Flash — bản cập nhật sản xuất mà Go​gle phát hành vào ngày 27 tháng 8 năm 2026 — được xây dựng để loại bỏ: thay vì chỉ nhìn lại một giây cảnh quay khi mở rộng một cảnh, giờ đây nó đọc được tối đa mười giây. Trên đường đi, Go​gle đã đưa các điều khiển được yêu cầu nhiều nhất của mô hình ra khỏi cột thử nghiệm: điều kiện khung hình đầu và cuối, một bậc dựng nháp 360p có chi phí khoảng một phần ba so với đầu ra 720p tiêu chuẩn, và kết xuất cuối cùng lên tới 4K. Giá của bậc làm việc chính không thay đổi — một clip 720p vẫn có giá $0,10 mỗi giây — vì vậy câu chuyện của bản phát hành này là sự kiểm soát và chi phí, không phải là cú sốc giá.

Gemini Omni 1.1 Flash là phiên bản kế nhiệm của bản xem trước Gemini Omni Flash đã đến với các nhà phát triển vào ngày 30 tháng 6 năm 2026, và nó kế thừa mọi thứ đã tạo nên sự khác biệt của bản gốc: đầu vào đa phương thức chấp nhận văn bản, hình ảnh, âm thanh và video trong một lần gọi, âm thanh đồng bộ gốc trên mọi clip, và chỉnh sửa hội thoại nhiều lượt, nơi bạn tinh chỉnh một cảnh bằng cách trò chuyện với mô hình thay vì nhắc lại từ đầu. Điều mà 1.1 bổ sung là công cụ còn thiếu — độ dài, khung hình, độ phân giải và chi phí lặp lại giờ đây là các tham số đầu vào mà nhà phát triển thực sự có thể thiết lập.

Vấn đề nhìn lại, đã được giải quyết

Thay đổi quan trọng nhất là bối cảnh. Các phiên bản mô hình trước đây chỉ tham chiếu đến giây cuối cùng của một đoạn clip khi tiếp nối nó, chính vì vậy các đoạn mở rộng bị lệch về nhân vật, ánh sáng và chuyển động camera. Gemini Omni 1.1 Flash phân tích tối đa 10 giây video trước đó và các đoạn mở rộng chạy theo từng bước tăng 10 giây, lên đến tổng cộng 40 giây. Sự khác biệt thực tế nằm giữa "một tập hợp các đoạn clip liền kề" và "một chuỗi liền mạch đọc như một cảnh duy nhất." Đối với một quảng cáo 30 giây hoặc một tài sản thương hiệu lặp vòng, đó chính là sự khác biệt giữa ghép nối và đạo diễn.

• Mở rộng cảnh. Tiếp tục một clip hiện có theo từng đoạn 10 giây cho đến giới hạn tối đa 40 giây, với tối đa 10 giây ngữ cảnh nhìn lại để phần tiếp nối được nhất quán.

• Kiểm soát khung hình đầu/cuối. Chỉ định khung hình bắt đầu và kết thúc của một cảnh quay và mô hình sẽ tạo ra video liên tục giữa hai khung hình chính — nguyên lý cơ bản đứng sau các vòng quay camera, chuyển cảnh thu phóng và vòng lặp liền mạch.

• Tham chiếu video. Có thể bao gồm tối đa ba giây cảnh quay tham chiếu trong đầu vào đa phương thức để giữ nguyên đặc điểm nhân vật, trang phục và phong cách chuyển động giữa các cảnh quay.

Âm thanh gốc. Các clip được tạo ra vẫn có hội thoại đồng bộ, hiệu ứng âm thanh và âm thanh xung quanh, vì vậy đầu ra là một đoạn phim ngắn hoàn chỉnh thay vì một thước phim không tiếng động chờ được xử lý âm thanh.

Điều khiển của Veo, pipeline của Omni

Thông báo dựa vào cụm từ {{1}}"các điều khiển sáng tạo yêu thích của bạn từ Veo,"{{/1}} và đó là mô tả chính xác về nguồn gốc của các tính năng này. Veo 3.1, trình tạo video một lần có độ trung thực cao riêng biệt của Go​gle, vốn đã có khả năng điều kiện hóa kiểu khung hình chính và nâng cấp độ phân giải trong bộ công cụ của mình; Gemini Omni 1.1 Flash mang ngôn ngữ điều khiển đó vào quy trình Omni đa phương thức — nơi đầu vào có thể là hình ảnh, âm thanh và video tham chiếu, và việc chỉnh sửa diễn ra dưới dạng hội thoại thay vì tạo mới từ đầu mỗi lần. Hai mô hình không phải là đối thủ của nhau trong danh mục sản phẩm của Go​gle; tài liệu Gemini API định vị Gemini Omni Flash là lựa chọn mặc định được khuyến nghị cho tạo video, với Veo là chuyên gia có độ trung thực cao hơn.

Điều đó quan trọng vì một lý do thực tế: các điều khiển giờ đây nằm trong mô hình mà bạn có khả năng gọi đến nhiều nhất cho công việc video hàng ngày, chứ không phải trong một tầng cao cấp riêng biệt mà bạn phải học một API thứ hai để tiếp cận. Kiểm soát khung hình, phác thảo và nâng cao độ phân giải dùng chung một endpoint và một mô hình định giá.

Quy trình từ bản nháp đến bản hoàn chỉnh

Bậc dựng thử 360p là tính năng kín tiếng nhất trong thông báo và có lẽ là có giá trị nhất. Các bản xem trước ở 360p kết xuất nhanh hơn tới 60% so với 720p tiêu chuẩn và chi phí chỉ bằng khoảng một phần ba, điều này thay đổi hoàn toàn bài toán chi phí của việc lặp ý tưởng. Với mức giá tính theo giây mà mọi người đang trích dẫn, một bản dựng thử 360p dài 10 giây có giá khoảng 0,30 đô la so với 1,00 đô la ở 720p — ba vòng thử nghiệm với chi phí của một lần kết xuất chính thức.

Quy trình dự kiến khá rõ ràng: dựng storyboard và lặp thử ở 360p, sau đó render cảnh quay duy nhất đạt yêu cầu ở 720p, 1080p hoặc 4K. Với một nhóm sản xuất các bản cắt cho mạng xã hội hoặc các phiên bản quảng cáo, hạng dự thảo chuyển đổi quy trình bị ràng buộc bởi chi phí thành quy trình bị ràng buộc bởi khả năng khám phá. Các con số về tốc độ và chi phí ở đây do nhà cung cấp báo cáo — những tuyên bố của chính Go​gle, đến nay vẫn chưa được kiểm chứng — nhưng phép tính dựa trên chúng thì đơn giản.

Bức tranh giá cả

Con số 0,10 đô la mỗi giây được nhắc đi nhắc lại chính là mức chuẩn 720p mà Go​gle đã công bố, không thay đổi so với bản xem trước. Đầu vào có giá 1,50 đô la mỗi triệu token, bất kể các token đó là văn bản, hình ảnh, âm thanh hay video, còn đầu ra văn bản là 9,00 đô la mỗi triệu token — cùng cấu trúc với bản gốc. Mức 360p tương đương khoảng 0,03 đô la mỗi giây, đúng như cách Go​gle diễn đạt "chi phí chỉ bằng khoảng một phần ba" và như các danh sách của nhà bán lại hiện đang thể hiện.

Điều {{1}}Go​gle{{/1}} chưa công bố là mức giá theo từng giây cho các gói 1080p và 4K mới. Danh sách từ các nhà bán lại niêm yết $0,15 mỗi giây cho 1080p và $0,30 mỗi giây cho 4K, nhưng đó chỉ là ước tính từ thị trường, không phải con số của {{2}}Go​gle{{/2}} — hãy coi mọi ngân sách sản xuất độ phân giải cao là tạm thời cho đến khi mức giá chính thức xuất hiện trên trang định giá Gemini API. Để hình dung quy mô, một cảnh dài 40 giây được tạo trọn vẹn ở 720p tốn tối đa $4,00, một bản hoàn thiện 4K dài 10 giây tốn khoảng $3,00 theo mức giá nhà bán lại niêm yết, và cùng 10 giây đó ở bản nháp 360p chỉ khoảng $0,30.

Giá theo giây là điểm nhấn, nhưng con số bạn thực sự trả là do nền tảng bạn mua qua quyết định — Go​gle bán theo giá niêm yết, còn các nhà bán lại và cổng API tự cộng biên lợi nhuận của họ lên trên. Đó chính là lý do chính sách markup 0% lại quan trọng ở phía hạ tầng: OrcaRouter chuyển thẳng giá niêm yết của nhà cung cấp, nên khi giá của một mô hình thay đổi, giá phía chúng tôi cũng thay đổi trong cùng ngày, không có lớp biên lợi nhuận nào xen giữa bạn và con số công bố của nhà cung cấp. Chúng tôi chưa định tuyến Gemini Omni 1.1 Flash — Go​gle chưa mở API video Omni cho bên thứ ba định tuyến, và chúng tôi không tuyên bố lưu trữ một mô hình mà chúng tôi không có — nhưng kỷ luật định giá mới là điều cốt lõi, và khi tầng API đó được mở, mô hình sẽ xuất hiện ở giá niêm yết.

Nơi bạn có thể gọi nó

Gemini Omni 1.1 Flash hiện đã có mặt với ID mô hình gemini-omni-1.1-flash thông qua Gemini API trong Go​gle AI Studio, được giới thiệu là sẵn sàng cho sản xuất thay vì là bản xem trước. Nó cũng có sẵn thông qua Gemini Enterprise Agent Platform cho các khối lượng công việc sản xuất — đây cũng chính là giao diện mà Adobe, Figma, GMI Cloud và Runway đang tích hợp, theo thông báo. Về phía người tiêu dùng, Go​gle Flow có đầy đủ tính năng cho tất cả người đăng ký AI Plus, Pro và Ultra trên toàn cầu, và tính năng mở rộng cảnh đã có mặt trong ứng dụng Gemini. Đây không phải là một buổi ra mắt chỉ trên giấy: API, nền tảng agent và các kênh người tiêu dùng đều được triển khai cùng một ngày.

Nếu bạn đã thử bản xem trước tháng 6 và vấp phải giới hạn cứng 10 giây hoặc không duy trì được sự mạch lạc của cảnh quay, bản phát hành này giải quyết chính xác những phàn nàn đó — mở rộng lên 40 giây, tham chiếu video hoạt động và một thang độ phân giải phù hợp. Cấu trúc API cũng đáng để biết: việc tạo và chỉnh sửa chạy qua Interactions API, đây chính là yếu tố khiến mô hình chỉnh sửa hội thoại nhiều lượt trở nên khả thi, và một cài đặt response_format có thể cố định độ phân giải đầu ra — 360p cho bản nháp, độ phân giải đầy đủ cho bản cuối.

Điều gì vẫn chưa được chứng minh?

{{1}}Với tất cả khả năng điều khiển mới,{{/1}} những đánh đổi vốn định hình bản gốc vẫn còn nguyên. {{2}}Đầu ra vẫn là video dạng ngắn với âm thanh đồng bộ,{{/2}} không phải bản thay thế Veo 3.1 — {{3}}hai mô hình phục vụ những tác vụ khác nhau.{{/3}} Tính nhất quán của nhân vật giữa các cảnh được cải thiện nhờ cơ chế xem lại 10 giây và đầu vào video tham chiếu, {{4}}nhưng đây vẫn là điểm yếu về khả năng tạo sinh{{/4}} đáng để thử nghiệm trên cảnh quay của chính bạn thay vì giả định. Mọi clip được tạo ra đều mang hình mờ SynthID, {{5}}điều quan trọng đối với các công cụ cần đảm bảo nguồn gốc.{{/5}}

Và lời cảnh báo trung thực: hiện tại chưa có điểm chuẩn độc lập nào cho Gemini Omni 1.1 Flash trên bất kỳ bảng xếp hạng video công khai nào. Mức tăng tốc 60% cho các bản nháp 360p, chất lượng ở 1080p và 4K, độ tin cậy của điều kiện hóa khung hình đầu/cuối — tất cả đều do nhà cung cấp báo cáo, chưa có bên thứ ba nào tái lập. Bất kỳ ai đưa ra điểm chất lượng cho mô hình này hôm nay đều đang trích dẫn một con số mà không ai bên ngoài phòng thí nghiệm của Go​gle tạo ra.

Ai nên di chuyển bây giờ?

Ba nhóm đối tượng nhận được giá trị từ bản phát hành này ngay lập tức. Các nhóm đã xây dựng trên Omni API nên chuyển ID mô hình và kiểm tra lại các luồng mở rộng và kiểm soát khung hình — bản nâng cấp là thay đổi trường yêu cầu, không phải tái cấu trúc. Bất kỳ ai cần video ngắn với số lượng lớn — biến thể quảng cáo, bản cắt cho mạng xã hội, tài sản thương hiệu lặp — nên định giá quy trình từ bản nháp đến bản cuối ở 360p, vì đó là nơi phép tính chi phí thực sự mới. Và các nhóm đang chờ bản xem trước nên thử mô hình ngay bây giờ, vì hai trở ngại khiến bản xem trước không dùng được cho sản xuất — clip mười giây và không có liên tục cảnh — chính xác là những gì bản cập nhật này loại bỏ.

Nhóm nên chờ đợi cũng được xác định rõ ràng không kém: nếu bạn cần một điểm chuẩn từ bên thứ ba hoặc mức giá chính thức cho tốc độ 4K mỗi giây trước khi cam kết ngân sách, thì chưa ai có những thứ đó cả, và điều đó đáng nói thẳng ra thay vì che đậy. Bản phát hành là có thật, các tính năng điều khiển là có thật, và khoảng cách giá là phần duy nhất vẫn đang thay đổi. Hãy theo dõi trang giá API Gemini để biết mức giá 1080p và 4K, đồng thời chờ đợi những đánh giá độc lập đầu tiên — ngay khi người khác chạy thử mô hình này, lời cảnh báo của nhà cung cấp về mọi tuyên bố chất lượng trong bài viết này sẽ nhận được dấu tích hoặc cờ đỏ.