Seedance 2.5 Flash 現享 65 折優惠,11 月 30 日截止

Gemini Omni 1.2 Flash:產品標籤看似沒問題,直到你停下來細想

Gemini Omni 1.2 Flash 的產品標籤一致性表現相當有前景,值得用真實包裝照進行測試,但 Google 的改良宣稱不能取代在交付畫面中檢查標籤。

使用AI摘要

這支產品影片看似準備就緒,直到有人在旋轉中的包裝上暫停,發現有個字母變了。Gemini Omni 1.2 Flash 產品標籤一致性 很有希望,值得用真實產品包裝照來測試,但 Google 的改進聲稱不能取代檢查交付影格中的標籤。對商業廣告而言,問題在於可見的標誌、確切文字、包裝形狀與顏色是否能在運鏡後維持不變。

本文說明如何檢查四段使用者提供片段中的標籤漂移。其中兩段使用虛構 KOBU 汽水罐的公開概念包裝圖,另外兩段使用一瓶瓶裝產品與茶包的照片。KOBU 片段使用了不同的運鏡指令,因此它們展示的是兩種檢查挑戰,而不是對參考圖片數量的受控測試。商業發布仍需要以核准的產品攝影另外進行測試。

重點摘要

  • Google 表示 Gemini Omni 1.2 Flash 有更強的參考遵循能力,包括包裝字體排版與品牌色彩,但未承諾每個影格中的標籤文字都完全正確。
  • KOBU 概念包裝範例展示了短暫轉向與完整旋轉;它們並未隔離提供更多參考圖片所帶來的效果。
  • 在關鍵時刻與整段片段中檢視可讀的字母、標誌、形狀與顏色。法律或產品宣稱若有任何字元不正確,就會阻擋真實廣告發布。
  • 更高的輸出解析度有助於檢查標籤;但無法修正模型生成錯誤的字元。

Gemini Omni 1.2 Flash 在產品影片方面有什麼改變?

Google 於 2026 年 11 月 5 日發布 Gemini Omni 1.2 Flash。其公告表示,該模型能生成或編輯 3 到 15 秒的片段,並以 1 秒為增量,相較之下 Gemini Omni 1.1 最長為 10 秒。公告也描述該模型在不同攝影角度下對參考圖片有更強的遵循能力,包括包裝字體排版與品牌色彩。這些說法讓旋轉產品鏡頭成為合理的測試案例(Google,2026 年 11 月)。

可能更長的鏡頭很重要,因為包裝可以在同一段片段中離開正面視圖、轉向,然後再轉回來。轉回是有用證據:審查人員可以將最後一個清晰視圖同時與第一個視圖及真實照片比較。一瓶從遠處看視覺一致的瓶子,仍可能含有錯誤成分或偏移的計量單位。運鏡連續性與文字保真度需要分開檢查。

參考遵循涵蓋範圍比標籤準確度更廣

Google DeepMind 公布的參考圖生影片比較顯示,Gemini Omni 1.2 Flash 在多參考主體身分一致性上,以 63% 對 37% 的並列偏好勝過 Gemini Omni 1.1。報告也指出提示詞遵循度為 52% 對 48% 的比較結果(Google DeepMind,2026 年 11 月)。這些是針對整段片段的比較結果。它們不衡量商業標籤上的每個字母是否保持正確,也無法預測特定 SKU 的結果。

01-deepmind-reference-consistency-chart.jpg

DeepMind 的參考圖生影片比較衡量整體偏好、提示詞遵循度與多參考主體身分一致性。這不是包裝文字準確度測試。

該模型的參考圖生影片工作流程可接受多張靜態圖片,並能輸出 16:9 或 9:16 的片段。這使得一對三張照片的受控比較成為可能。該模型也可能生成原生音訊,儘管聲音對這次標籤檢查只是附帶項目。平滑的運鏡弧線會帶來挑戰;審查結果取決於產品在每個角度實際顯示的內容。

喜歡這篇指南嗎?在Google搜尋中查看更多Atlas Cloud內容。在Google中新增為首選來源

產品標籤一致性實際上代表什麼?

創意審查人員應在生成前定義通過標準。否則,一個有說服力的場景可能會掩蓋微小但影響重大的包裝變更。對真實 SKU 而言,四項特徵帶有不同類型的風險:

  • 標誌: 該標記是否為相同設計、位於相同位置與比例,且沒有多出額外符號?
  • 文字: 產品名稱、款式、數量、成分、警告,以及其他必須相符的文字,是否與核准包裝上出現的拼寫完全一致?
  • 包裝幾何: 瓶身、盒身、瓶蓋、封口、把手或標籤面板是否保持其實際形狀與位置?
  • 顏色: 已核准的包裝與品牌色彩在轉向過程中是否仍可辨識,並容許一般的光線變化?

可讀性是另一項條件。標籤在某個影格中可能技術上正確,但沒有任何消費者能讀到。記錄動態模糊、反光、手部或陡峭角度何時遮住文字。不要把隱藏文字計為已驗證通過。如果正面面板離開視野,只評估實際可見的部分,並在攝影機轉回時再次檢查。

文字幻覺值得特別註記。模型可能會加入從未出現在包裝上的成分、宣稱、認證標章,或看起來合理的數字。這些變更可能比略微改變的輪廓更重要。審查人員需要來自已核准實體標籤的轉錄,而不是根據吸引人的影片影格所做的猜測。

設定三種發布結果。可接受 表示每一項要求消費者可見的細節,只要在可辨讀處都相符,且片段在正常播放速度下仍能有效。需修正 表示非關鍵的視覺細節或可讀性問題,能透過受控編輯、裁切或替換影格修正,之後再進行一次完整審查。不得發布 表示任何必要宣稱、數量、警告、成分、標誌或包裝身分與核准來源不同。

這個門檻應反映產品本身。素面的無品牌容器會比佈滿必要文字的保健食品紙盒更容易作為創意測試。對於紙盒,團隊可能一開始就決定使用實拍包裝,或後製中已驗證的包裝圖層。這項選擇是製作控制,而不是對模型的評判。

生成影片前準備真實產品參考

選擇一個團隊擁有或獲准展示的實體 SKU。清楚拍攝其正面。然後在相似光線下,從左前與右前角度拍攝同一物品。保持攝影機高度與距離足夠接近,使標籤在三個角度都仍有參考價值。不要用生成包裝替代缺失的攝影;否則影片測試的會是對虛構標籤的忠實度。

正面圖像應讓審查人員能讀取重要文字。避免字標上出現反光、極端透視、封口被裁切,以及修圖過的文字。側面圖像應顯示真實幾何:瓶蓋深度、面板包覆、邊緣,以及沿著曲面印刷內容的任何變化。如果某個角度只露出一小條文字,這對檢查位置仍有幫助,但無法驗證看不見的文字。

上傳前,製作一份簡短參考表。直接從核准包裝轉錄每個必須相符的文字與數字。當版面重要時,註明大小寫、標點、間距、單位與換行。標記無法從來源照片自信讀取的文字。針對該欄位取得更好的照片或核准美術稿,而不是默默填入看起來可能的內容。

下方使用的概念包裝參考

示範中,我們使用 Scenario 的 KOBU Sour Tantrum 產品表。Scenario 將 KOBU 描述為虛構汽水,並表示其產品表是以 GPT Image 2.5 Sunburst 生成。該表顯示大型粉紅色 KOBU 字標、直排 SOUR TANTRUM 文字、黃色柚子吉祥物,以及只有圖案的背面。三個上傳檔案都是同一張表的裁切圖,而不是實體罐的照片。這讓我們能在概念影片中檢查顯眼的設計與文字,但無法驗證法律文案或模型對真實產品的保真度。

02-kobu-concept-reference-sheet.webp

來自 Scenario 的公開概念包裝參考。此示範檢查的是可見的 KOBU 設計,而非已核准的零售標籤。

片段 1 僅使用正面裁切圖,並要求短暫轉回正面。片段 2 使用正面、左前與背面裁切圖,並要求完整旋轉。這些是刻意不同的鏡頭簡報,因此其輸出若有任何差異,不能僅歸因於參考圖片數量。若要因果測試一張對三張圖片,請以相同運鏡提示詞與設定執行兩組圖片。

將輸入檔案與每次執行記錄一起儲存。記錄也應包含提交時間、顯示的設定、完成狀態,以及第一個完成輸出。如果執行失敗,記下錯誤。如果團隊抽樣多個成功結果並只展示最乾淨的,請誠實標示該選擇;它不能與另一條件下單一的第一個輸出相比。

未提供品牌核准的實體產品照片用於商業驗證。將評分卡套用到真實活動 SKU 時,請使用核准的產品參考作為真實來源。

兩個 KOBU 標籤動態範例

Atlas Cloud 上的 Gemini Omni 1.2 Flash Reference-to-Video 頁面 接受多張參考圖片,以及 8 秒、16:9 的要求。下方兩個提供的下載檔案都是 8.04 秒、1280 × 720 的影片。其檔名與像素無法確立是由哪個模型、種子或嘗試次數產生。請將它們視為使用者提供的審查方法示範,而非經測量的 Gemini Omni 1.2 Flash 效能。原始 MP4 檔案保留在 GIF 旁,以供影格檢查。

第一個鏡頭從正面開始,轉到足以露出一個側邊,然後回到正面。在 0.5 秒與 7.7 秒時,大型 KOBU 字標、吉祥物與小字產品系列可見。在轉向最深處,只有部分正面標籤在視野內,因此隱藏的字母無法在該處評分。

01-single-front-sway.gif

片段 1:依據正面參考圖簡報的短暫轉向。正面在接近結尾時轉回;標籤被遮住的部分在轉向期間未經驗證。

第二個鏡頭繞著罐身移動得更遠。其只有圖案的背面,包括星星與閃電,約在 4 秒時可見。正面在接近結尾時回來,但在 7.7 秒時仍略呈斜角,且小字產品系列太模糊,無法逐字檢查。在取樣正面視圖中,較大的 KOBU 字母與吉祥物仍可辨識。

02-three-view-turn.gif

片段 2:依據正面、左前與背面概念參考圖進行較大幅度旋轉。背面視圖增加了一個明確的檢查點;轉回時正面小字仍未驗證。

檢查片段 1:正面裁切圖片段 2:正面、左前、背面裁切圖
運鏡任務短暫轉向並返回較大幅度轉向,露出只有圖案的背面
0.5 秒時的正面KOBU、吉祥物與小字可見KOBU、吉祥物與小字可見
約 4 秒時部分正面標籤因角度而被遮住背面圖案可見;沒有已核准的背面文案可供檢查
接近 7.7 秒時的正面正面轉回;主要元素可見正面仍略呈斜角;小字未驗證

若要進行可重現的一張對三張參考實驗,請對兩組使用相同動作提示詞,並保留介面設定與第一個完成輸出。此處顯示的兩個片段回答的是另一個實務問題:當包裝做小幅轉向與較大幅度轉向時,審查人員能檢查什麼?

另外兩個使用真實產品照片的處理範例

接下來兩個使用者提供片段使用實拍包裝,而非 KOBU 概念表。瓶裝片段為 8.04 秒,茶包片段為 15.04 秒;兩者皆為 1280 × 720。這些檔案未包含可驗證的模型、種子或嘗試歷程,因此這些是檢查項目的範例,而非經測量的 Gemini Omni 1.2 Flash 結果。

玻璃瓶:傾倒過程中的標籤

輸入是 Alex P. Kok 的 Smirnoff 瓶正面與背面照片,以 CC BY-SA 4.0 發布於 Wikimedia Commons。簡報要求一隻手拿起已開瓶的酒瓶,倒入玻璃杯,然後將正面轉回鏡頭。這測試的是變化的傾斜角度與手部接觸,而不是另一次轉盤式旋轉。

03-smirnoff-front-rear-reference.png

Alex P. Kok 的正面與背面輸入照片,Wikimedia Commons,CC BY-SA 4.0;並排合併以供比較。兩個原始檔案都隨文章資產保留。

約在 0.8 秒與 7.4 秒時,正面大型 SMIRNOFF 與 VODKA 文字仍可辨識。約在 4 秒傾倒時,頸標文字與來源不同,而華麗標籤上的小字太模糊,無法逐字檢查。因此,正面標籤可辨識並不代表確切文字通過。

03-smirnoff-pour.gif

8.04 秒片段,已轉為 GIF。原始 MP4 保留以供影格檢查。

茶包:三個款式在打開與沖泡過程中的表現

輸入是 Wikiname8 的 Fraser Tea 茶包照片,以 CC BY 4.0 發布於 Wikimedia Commons。上傳的 PNG 隨文章資產保留;原始照片顯示如下。簡報特別指定紫色 Rainbow Rooibos、藍色 Cream Earl Grey 與紅色 Peppermint Stick,然後要求拿起紫色茶包、打開並沖泡,同時讓其他款式留在視野中。

04-fraser-tea-input.png

Wikiname8 的輸入照片,CC BY 4.0。三個具名款式提供顏色對口味的檢查。

這段 15 秒序列從俯視產品視圖變為近距離處理鏡頭,再變為最終杯子視圖。在取樣影格中,藍色與紫色茶包仍保有可辨識的品牌標記,但紅色茶包的口味文字與參考中的 Peppermint Stick 不符。在最終視圖中,紫色口味文字列被杯子與紅色茶包部分遮住,因此該文字列在該處未經驗證。較長動作提供更多審查點,但無法修復已變更的紅色文字。

gEAUzHff3aI

15.04 秒使用者提供片段。由於超過 10 秒,因此保留為影片並附上選定的海報影格。

發布前稽核標籤漂移

在可逐格檢視的播放器中打開原始檔案。先以正常速度觀看每個片段,判斷產品是否可辨識,以及要求的運鏡是否發生。然後在五個預定位置暫停:開頭的正面視圖、第一次轉向、最大角度、轉回正面,以及最終影格。也要逐格查看它們之間的區間。缺陷可能只出現少數幾個影格。

對每個清晰視圖,將影片與其來源參考並排比較:KOBU 示範使用 Scenario 表,真實 SKU 則使用核准照片。檢查確切字元、標誌的形式與位置、輪廓、瓶蓋或封口,以及顏色。記錄任何不符的時間戳與裁切圖。當文字無法辨讀時,將其標記為 未驗證,而不是通過。如果必要欄位在整段片段中都遭隱藏,該片段就無法為該欄位確立標籤保真度。

2026 年一場關於產品影片審查的 Reddit 討論描述,標籤在暫停影格中變得更模糊,瓶蓋或包裝寬度也出現變化。這是檢查靜態影格的有用理由。它是關於另一項測試的軼事,不是 Gemini Omni 1.2 Flash 在此測試中通過或失敗的證據。

逐格通過/不通過評分卡

為每個時間戳與必要欄位建立一列。記錄來源轉錄、影格實際顯示的內容、可讀性,以及通過/不通過決定。將開頭、最大轉向與結尾的螢幕截圖,與核准正面圖像並排放置。如果側面板有必需內容,請在相符角度加入側面參考。那些圖像應以可讀尺寸呈現實際字母,而不只是展示吸引人的廣角鏡頭。

必要成分中缺少一個字母,或數量改變,即使影片其餘部分看起來穩定,仍是發布失敗。如果錯誤僅限於可捨棄的背景,或可透過裁切移除問題而不隱藏必要產品資訊,那麼修正編輯可能合理。重新檢查整個修正後的輸出,包括轉場與匯出。局部修正可能影響鄰近影格。

當確切措辭很重要時,在後製中使用已核准的包裝圖像圖層或已驗證的排版標籤,能提供更多控制。動態片段可提供場景與運鏡,而真實文字來自核准美術稿。這種做法需要仔細的追蹤、透視與遮擋處理,因此合成結果仍需審查。不要因為生成句子在播放時看起來合理,就告訴合規審查人員它是確切的。

什麼時候值得使用 Gemini Omni 1.2 Flash 製作產品廣告?

大型正面標籤、簡單包裝幾何與適度的相機轉向,構成合理的首次測試。密集的細字、頻繁遮擋或必要的法律文案,則需要更嚴格的計畫,且可能需要更多後製控制。決定因素是完成片段的稽核,而不是模型名稱或總體基準。

當你有真實產品攝影,並想看看模型是否能將該特定物品做成動畫時,請使用參考圖生影片途徑。保留第一個輸出及其輸入作為證據。如果廣告需要在任何時候都保證標籤逐字正確,請為核准美術稿、實拍素材或兩者編列預算。這仍可能為創意中的其他部分保留生成動態的空間。

Atlas Cloud 模型目錄 在 2026 年 11 月查核時,列出 Gemini Omni 1.2 Flash Reference-to-Video 的折扣起始價為每生成一秒 $0.023,低於 $0.028。按顯示的起始價計算,一次 8 秒生成會是 $0.184,兩次會是 $0.368,還不含任何重跑。該列表是起始價格;執行前請確認所選解析度與任何其他控制項的即時報價。Google 另行公布的 720p 每秒 $0.07 適用於其自家平台,不適用於此 Atlas 報價。

審查成本與生成成本是分開的。一段便宜但改變必要標籤文案的片段還沒準備好發布,而一段經過仔細影格稽核後通過的片段,可能節省製作時間。KOBU GIF 讓檢查任務變得具體,尤其是當背面進入視野時。它們並未確立 Gemini Omni 1.2 Flash 的通過率,也未為真實包裝建立發布決定。若要為你的 SKU 回答 Gemini Omni 1.2 Flash 產品標籤一致性,請拍攝核准產品視圖、保留模型的執行記錄,並將第一個完成輸出與實體標籤進行稽核。

常見問題

Gemini Omni 1.2 Flash 能保證確切的包裝文字嗎?

沒有已發布的參考遵循比較能為你的標籤建立逐字元保證。請將確切文字視為發布標準,並在完成影格中驗證。審查時將核准包裝或美術稿放在片段旁。

一張產品照片就夠了嗎,還是應該上傳多個角度?

一張清晰的正面圖像就足以開始受控比較。第二次執行時加入真實的左前與右前照片,然後評判兩個第一個完成片段。更多角度只有在能闡明同一實體產品時才有用。

1080p 匯出能修正不正確的標籤嗎?

不能。更高的輸出解析度可能讓錯誤更容易看見,但不會把生成錯誤的字元變成核准的字元。檢查原始影格並修正來源,或在後製中使用已驗證美術稿。

當包裝帶有必要法律文字時,我可以發布片段嗎?

只有在必要文字已在實際交付影格中檢查過,或透過核准且已驗證的包裝圖層提供後,才能發布。如果某個欄位錯誤,或在廣告依賴該欄位之處無法讀取,請暫扣片段以進行修正與審查。

最新模型

一個 API,暢享全模態 AI。

探索全部模型