假设你上传了一个白色杯子、一个咖啡吧和咖啡豆，但视频却在普通房间里显示了另一个杯子。要充分发挥 Gemini Omni 1.2 Flash 多参考图像 的作用，请选择 Reference-to-Video，为每张图像指定一个明确的职责，并按上传顺序描述这些职责。先从一个短镜头开始，然后检查开头、中间、结尾以及它们之间的运动。参考图引导生成；它并不保证逐像素复制。
测试方案将同一个杯子镜头使用两次：第一次只用杯子图像，然后使用杯子、咖啡馆和咖啡豆。第二个示例使用万神殿的外观和内部照片来测试移动视角。比较会把提示词要求的内容与输出实际显示的内容区分开来，这样你就能判断另一张参考图是有帮助还是增加了冲突。
关键要点
- 当图像应当引导内容而不规定开场帧时，选择 Reference-to-Video。
- 为每张上传图像分配一个角色，并在提示词中按上传顺序命名。
- 在增加复杂度之前，先将 1 张图的短基线运行与 3 张图的运行进行比较。
- 检查整个片段中的身份、场景、道具和运动，而不只是第一帧。
Gemini Omni 1.2 Flash 中的多参考图像控制什么
多图像参考集可以描述一个镜头中的多个部分。一张照片可以标识产品，另一张可以提供地点，第三张可以标识道具。你也可以用图像来指定角色或视觉风格。只有当提示词说明哪些可见特征属于哪张图像时，这些角色才有用。“使用所有图像”会让模型自行决定咖啡馆照片中的第二个杯子是第二个产品还是背景杂物。
在杯子测试中，图像 1 定义白色陶瓷杯和杯柄。图像 2 提供意式咖啡吧台和温暖的室内环境。图像 3 提供杯子附近可见的咖啡豆。我们不要求模型沿用咖啡豆照片的白色背景或咖啡馆吧台上的每一个物体。这种排除很重要：参考照片通常包含比你希望它承担的职责更多的视觉信息。
参考集无法消除所有歧义。手可能遮住杯柄。镜头移动可能露出源照片从未展示的杯子侧面。三张源照片之间的光照和相机角度可能冲突。把提示词视为优先级层级，其中杯子形状的优先级高于与背景家具的精确匹配。Google 在 2026 年 11 月的发布说明中描述了 Gemini Omni 1.2 Flash 更强的参考遵循能力，同时指出快速动作和复杂物理仍是待改进领域。
上传之前，为每个源写一句话：“这张图像定义 X；忽略 Y。”如果你无法在不给两张图像分配相同职责的情况下做到这一点，就简化参考集。然后选择与你的目标匹配的输入模式。
Reference-to-Video 还是 First-and-Last Frame？
当你的图像应当影响一个新的运动镜头时，Reference-to-Video 就是正确的模式。如果你需要精确的开场图像，请改用首帧或 Image-to-Video 工作流。如果你需要两个指定端点，请在可用时使用 first-and-last-frame 工作流。同一张上传照片会根据所选模式扮演非常不同的角色，而提示词中的一句话并不总能覆盖该模式的输入约定。
| 模式 | 输入控制的内容 | 预期开场 | 最佳用途 |
|---|---|---|---|
| Reference-to-Video | 主体、场景、道具或风格线索 | 由参考图引导生成的视图 | 在一个镜头中组合杯子、咖啡馆和咖啡豆 |
| Image-to-Video / first frame | 起始视觉状态 | 与提供的首图紧密关联 | 让特定静帧动起来 |
| First-and-last frame | 起始和结束视觉状态 | 从指定的首图开始 | 规划固定端点之间的过渡 |
Google Cloud 的参考图像文档（2026 年 11 月访问）将参考图像描述为生成的额外指导。这一区别很实用：如果第一张上传照片几乎原样出现在第 1 帧，而你原本想要一个新构图的片头，那么在重写创意提示词之前，先检查模式和图像槽位。
在 Reference-to-Video 中，源背景为纯色的白色杯子完全可以变成咖啡馆吧台上的杯子。这就是这里的实验。对于万神殿，外观和穹顶照片将引导两个场景，但它们并不是规定的首帧和尾帧。它们的职责是让建筑元素在连续运动过程中保持可辨识。
构建模型能读懂的参考集
在收集辅助图像之前，先选择一个清晰的主参考。杯子应足够大，以便判断杯口、杯身和杯柄。在获批的源照片中，杯子很小，而且尽管文件标题称其为白色，它看起来却偏淡奶油色。这使该输入成为有用的压力测试，但任何杯柄细节丢失都可能源自源图。繁忙咖啡馆照片中的小杯子是弱产品参考，因为模型几乎没有特定形状信息可保留。辅助咖啡馆图像有不同职责：它应让环境清晰可辨，尤其是吧台和意式咖啡设备。咖啡豆图像应标识道具，而不是提供相互竞争的画面构图。
保持上传顺序稳定。下面的提示词说“第一”“第二”“第三”；只有当文件顺序匹配时，这些词才有帮助。如果你在重试期间替换了某个源，请在运行前再次检查 UI。当多张照片显示相似的杯子时，移除或明确排除多余的杯子。否则模型可能会融合两者的杯柄、比例或颜色。对于包装复杂的产品，同一物体的多个视图可能比单独的风格参考更有价值。
| 上传 | 目标细节 | 不要继承 |
|---|---|---|
| 1：白色杯子 | 杯身、杯口和杯柄 | 源照片的背景 |
| 2：罗马咖啡吧 | 吧台、设备、室内氛围 | 其他杯子或人物作为产品参考 |
| 3：咖啡豆 | 杯子旁边可辨识的咖啡豆 | 咖啡豆照片的白色背景 |
这三张照片来自 Wikimedia Commons：白色陶瓷杯和罗马咖啡吧照片标记为 CC0，咖啡豆照片标记为公有领域。它们声明的再利用状态使演示更易追溯；这并不会把生成输出变成真实产品的已核实照片。
在生成任何视频之前，三张源照片分别对应产品、场景和道具。
可直接复制的工作流：1 个杯子、3 张参考图、1 个运动镜头
下载全尺寸源照片，并记录每个 Commons 文件页面。在 Gemini Omni 1.2 Flash Reference-to-Video 演练场 中，选择 Reference-to-Video 模型，而不是 Image-to-Video 变体。为运行 A1 只上传杯子。设置 8 秒、16:9、1080p 和默认思考。检查上传文件是否出现在 reference-images 字段中。原样粘贴以下提示词：
plaintext1Create an eight-second product video featuring the white ceramic cup in the first reference image. Preserve its recognizable cup shape and handle. Begin with the cup resting still on a counter. The camera itself physically travels in a smooth semicircular arc around the stationary cup, so the counter and café background shift with clear parallax while the cup keeps the same orientation relative to the counter. Do not spin or rotate the cup, and do not place it on a turntable. After the camera arc, raise the camera to a slightly elevated viewpoint as a hand briefly lifts the cup and sets it back down without twisting it. Natural café ambience, no dialogue, no logos or added text. Use the uploaded image as a product reference, not as a literal opening frame.
运行 A1 并观看整个输出。第一次上传是基线，因此记录杯子形状，以及环绕和抬高视角是否都发生。不要因为 A1 没有特定咖啡馆或咖啡豆而扣分：两者都没有作为参考提供。在更改表单之前，将该结果单独保存。
对于运行 A2，使用相同模型和设置。按该顺序上传杯子、咖啡吧和咖啡豆。确认三个缩略图都出现在参考字段中，然后粘贴：
plaintext1Create an eight-second product video. The first reference image defines the white ceramic cup: preserve its recognizable shape and handle. The second reference image defines the espresso bar counter and its warm indoor atmosphere, but do not copy any other cup from that image. The third reference image defines the coffee beans placed beside the cup, not the background. Begin with the cup and beans on the counter. Move the camera in a smooth semicircle around the cup, then change to a slightly elevated viewpoint as a hand lifts the cup and sets it down. Keep the same cup and counter through the whole shot. Natural café ambience, no dialogue, no logos or added text. Use all three images as references rather than literal opening frames.
运行 A2 并等待其完成输出。查看生成文件，而不只是预览缩略图。下面两个完成的片段显示了哪些细节在镜头移动和手部动作后仍然保留。
第二张和第三张图像带来了什么变化？
在相同显示尺寸下比较两个片段。从头到尾播放每个片段，然后在开头、中点和结尾附近暂停。对于杯子身份，检查杯口轮廓、杯柄侧和杯身比例，尤其是在手抬起杯子之后。对于环境，寻找吧台和意式咖啡吧线索，而不是普通棕色房间。对于咖啡豆，检查它们是否是杯子旁边清晰可辨的道具，而不是模糊纹理。
A1 在手部抬起过程中保持了白色杯子和可见杯柄。镜头位移不大，而不是清晰的半圆形环绕。
A2 添加了可见的咖啡豆和更具体的意式咖啡吧环境。杯子看起来呈奶油色，并且形状比 A1 的杯子更不规则。
| 检查项 | A1：1 张图 | A2：3 张图 | 要观察什么 |
|---|---|---|---|
| 杯子形状和杯柄 | 白色杯身和杯柄始终可见 | 杯柄仍可见；杯身呈奶油色且不太规则 | 镜头移动后仍是同一个可辨识物体 |
| 咖啡馆吧台 | 通用咖啡馆环境 | 意式咖啡机和吧台清晰 | 环境与吧台源图相似 |
| 咖啡豆 | 未显示 | 杯子旁边可见 | 杯子旁边有清晰可辨的咖啡豆 |
| 运动 | 手抬起杯子；镜头位移不大 | 手抬起杯子；视角变化不大 | 环绕、抬高视角、抬起和放回 |
添加的参考图让吧台和咖啡豆更容易识别，但杯子的颜色和形状发生了变化。两个片段都没有明确完成所要求的半圆形镜头移动。这些是单次输出，因此它们是诊断示例，而不是性能统计数据。如果杯子身份最重要，下一个测试应加强杯子参考，或简化手部动作，同时保持其他设置不变。
双图像建筑测试
杯子测试问的是多种细节能否在同一个产品镜头中共存。两张万神殿照片问的是另一个问题：外观和内部参考图能否引导一个连贯的移动视角？第一张 Commons 图像显示外立面；第二张显示内部穹顶和圆洞。外观和穹顶照片的 Wikimedia Commons 文件页面都标记为 CC0。
外观和穹顶照片为生成进入建筑的过渡提供分别的场景线索。
在同一个 Reference-to-Video 模型中，先上传外观，再上传内部。设置 12 秒、16:9、1080p 和默认思考。使用以下提示词：
plaintext1Create a twelve-second architectural concept video guided by the two reference photographs of the Pantheon in Rome. The first image defines the exterior facade and entrance; the second defines the interior dome and oculus. Begin from a human-height viewpoint outside, move steadily toward and through the entrance, then tilt upward inside to reveal the dome and oculus. Use a continuous moving viewpoint with clear parallax and no sudden teleporting or isolated zoom. Keep the building recognizable while treating the result as a generated visualization, not documentary footage. Natural footsteps and room ambience, no dialogue, no titles or labels. Both images are scene references, not mandatory first and last frames.
生成的过渡从外立面穿过门廊，进入穹顶和圆洞的视野。
根据可见特征和过渡质量来评判片段，而不是地理精确性。外立面、门廊和穹顶都可辨识，视角先向入口推进，然后在内部向上看。结果是一个基于照片的 AI 可视化，而不是纪录片素材或可靠的建筑测绘。first-and-last-frame 设置会回答另一个问题：如何将两张指定图像作为端点连接起来。
一个 15 秒镜头中的三种参考角色
杯子比较测试的是产品、地点和道具。这个额外镜头给三张参考图更苛刻的角色：一个移动的动物、一个色彩丰富的环境，以及一个稍后进入的移动群体。问题是，当镜头跟随动作时，这三者是否都能保持清晰可辨，而不是只出现在孤立帧中。
图像 1 是一张 Wikimedia Commons 绿海龟照片，用于海龟宽大的龟壳、头部和鳍肢。图像 2 是一张 Wikimedia Commons 珊瑚礁照片，用于粉色和奶油色的珊瑚形状以及清澈海水。图像 3 是一张 Wikimedia Commons 黄尾鱼群照片，用于鱼的身体和群体运动。每个文件页面都将其照片标记为公有领域。这些来源来自不同地点，因此生成的场景是一种视觉概念，而不是某个真实珊瑚礁的记录。
三次上传为模型提供了一个主体、一个场景，以及一个稍后应进入镜头的群体。
在 Reference-to-Video 中按该顺序上传它们。选择 15 秒、16:9、1080p 和默认思考。使用以下提示词：
plaintext1Create a 15-second, single continuous underwater concept film using the three uploaded photographs as references in their exact upload order. The first image defines one green sea turtle: preserve its broad mottled oval shell, head, and four flippers, but ignore that photo's background. The second image defines the setting: vivid pink and cream branching corals, rounded coral heads, clear turquoise water, and rippling sunlight; it is not a mandatory first frame. The third image defines a dense school of slender silver fish with yellow tails; use the fish as moving animals, not as a background texture or a copy of their original seabed. In the opening five seconds, the turtle swims forward above the colorful reef with visible flipper strokes while the camera tracks alongside it. In the middle five seconds, the yellow-tailed fish school sweeps across the frame and curves around the turtle as the camera rises to a three-quarter overhead view. In the final five seconds, the camera widens and arcs to show the same turtle, reef, and fish school together in one coherent underwater space. Keep the turtle's shell pattern and the fish appearance consistent throughout. Show real subject movement, water particles, soft sunbeams, and clear parallax. Smooth camera movement, no cuts, no teleporting, no spinning turtle, no additional turtles, no text, logos, or narration. This is a generated visualization, not documentary footage.
生成的 15 秒片段从珊瑚上方的海龟开始，然后将黄尾鱼群带入同一个运动场景。
海龟斑驳的龟壳和鳍肢从开头到结尾都保持可辨识。粉色珊瑚在开头附近最清晰；带黄色尾巴的银色鱼在中间左右进入，并在之后与海龟共享画面。镜头跟踪并拉宽，尽管所要求的俯视视角并未清晰建立。这个单次输出显示了三种参考角色如何协同工作，同时也显示了提示词中的镜头指令在哪里只被部分遵循。
修复参考漂移，而无需重启整个构想
当杯子改变形状时，找出发生的确切帧。如果杯柄只是在手遮住它时消失，那可能是遮挡。如果它在错误的一侧重新出现，或者杯子放回后杯口轮廓改变，那就是产品身份漂移。在参考图中把杯子放大并变清晰，简化抬起动作，或指定一个能让杯柄保持可见的视角。保留之前的输出，以便判断更改是否有帮助。
如果场景在咖啡馆之间跳变，检查源图集是否存在冲突的房间、光照或相似物体。替换弱场景图像，或移除提供不需要家具的参考图。在提示词中说明哪张图像拥有吧台，以及应忽略哪些视觉元素。更长的负面指令列表可能造成更多歧义；一条精确的角色说明通常更容易测试。
如果最后几秒丢失细节，缩短动作，而不是添加更多名词。先要求一个连续环绕和一个小幅抬起，然后再尝试带有多个过渡的更长序列。Google 的发布说明称该模型支持后续编辑，但不要假设编辑会保留每一个未触及的细节。用相同的开头、中间和结尾检查来检查编辑结果。
每次重试只改变一个变量：参考图选择、提示词措辞、时长或镜头任务。记录确切文件和设置。这样可以把令人失望的输出转化为可执行的诊断，并防止把幸运的一帧误认为稳定可控。
限制、成本以及在哪里试用
Google 于 2026 年 11 月 5 日发布了 Gemini Omni 1.2 Flash，原生片段时长最长 15 秒。Atlas Cloud 的 Reference-to-Video 模型页面目前列出 1–10 张参考图像、3–15 秒时长选项、16:9 或 9:16 宽高比，以及 360p、720p、1080p 和 4K 输出选项。1080p 和 4K 选项是从原生生成帧放大而来。输入限制可能因访问途径而异，因此请检查你所用界面中的字段。本指南只需要 1、2 或 3 张图像。
对于确切示例，请使用工作流中链接的模型页面，并在每次运行前查看其当前报价。公开的 Atlas Cloud 模型目录 提供了第二个查看可用性和当前定价的地方。每秒标价可能并不描述每一种分辨率或账户条件，因此请根据实际选定的控件来编制预算，而不是把发布价格复制到生产计划中。
对于 Gemini Omni 1.2 Flash 多参考图像，实际的下一步是先运行杯子基线。保存其确切提示词和输出。只有在你能确定基线缺少哪个细节之后，再添加咖啡馆和咖啡豆，然后用上述四项检查来评判完整运动片段。
常见问题
我可以将图像参考与运动参考片段结合使用吗？
Google 描述了对短运动参考的支持，但那是与这里静态照片测试不同的输入组合。在结合使用之前，请检查特定入口的限制和时长规则。即使运动是单独提供的，也要让图像角色保持明确。
模型会精确复制我的参考照片吗？
不会。参考图引导身份、场景、道具或风格。生成的帧可能会改变相机角度、光照、隐藏表面或小细节。如果你需要精确的起始帧，请选择首帧工作流，并且仍然检查片段的其余部分。
我可以使用他人的照片或品牌资产吗？
请使用你有权使用的材料，并针对你计划发布的方式审查其许可。源照片的 Wikimedia Commons 文件页面说明了其再利用条款。发布前检查每一项适用许可。该来源状态并不授予你对之后可能添加的不相关徽标、人物或资产的权利。
