静态试穿图像在模特转身之前可能看起来很有说服力。背部接缝、袖长、纽扣和印花必须仍属于同一件服装。要制作一段 gemini omni 1.2 flash virtual try on video，请先准备一张已获授权的成年模特照片，以及一件真实服装清晰的正反面照片。在提示词中为每张图像分配角色，要求一个简短的正转到背的转身，然后在用于商品详情或广告之前，在多个时间点检查完成的视频片段。视频可以展示一种造型；它不能确定顾客的实际尺码或合身度。
关键要点
- 使用一张模特照片和一件服装的正反两面，生成一段可以对照源图像检查的视频片段。
- 要求一个有意的转身，以展示买家需要看到的细节。
- 在编辑或发布之前，检查身份、服装结构和运动。
Gemini Omni 1.2 Flash 能在虚拟试穿视频中展示什么？
Google 于 2026 年 11 月 5 日推出 Gemini Omni 1.2 Flash，支持 3 到 15 秒的视频生成和编辑。其发布示例将一张模特照片与三套服装的正反面照片结合在一起，生成一段 15 秒的序列，包含转身和匹配剪辑。那是 Google 的演示，并非针对每种面料、尺码或产品照片的独立测试（Google 公告，2026 年 11 月）。
Google 官方的试穿演示展示了一个模特参考和三套服装。这是供应商示例，不是独立的服装测试。
对于产品团队来说，一个更有用的问题比“模型能否生成一段讨喜的时尚视频”更具体：买家能否从第一帧到背面视图认出同一件商品？仅凭稳定的面部并不能解决这个问题。一件夹克可能在转身过程中多出一颗纽扣或失去一个开衩，而视频片段在正常速度下看起来仍然流畅。
每次生成从一件服装开始。多套服装的序列会把 15 秒花在转场上，留给检查每件商品的时间更少。单件服装可以让你为同一个 SKU 保留正面视图、四分之三视图和背面视图。一旦该片段通过审核，你就可以为不太需要精确检查单品的广告活动规划多造型剪辑。
生成前需要哪些照片？
模特照片
使用一张清晰的成年模特全身照，并且你已获得在生成式商业内容中使用其肖像的许可。如果服装长度很重要，请确保人物从头部到鞋子都可见。侧面裁剪的肖像会给模型提供更少的身体比例依据，也使全身转身更难判断。选择不会遮挡腰部、袖子或下摆的中性姿势。
对于系列内容，重复使用同一张已批准的模特照片。这可以减少服装之间的一种变化来源，尽管生成的身份仍需要在每个片段中检查。记录源文件、使用权利以及对合成修改的任何限制。模特同意拍摄照片，并不自动意味着由该照片衍生的视频也受同一协议覆盖。
服装正反面视图
拍摄你打算宣传的实际商品。保持正反面视图之间的颜色、光线和比例可比。平铺或人台拍摄可以清晰展示结构；模特拍摄有助于传达垂坠感。如果标签、衬里或扣合方式对某项宣称很重要，请在一张额外的参考照片中使其清晰可读。不要要求模型仅凭一张正面图像虚构产品看不见的背面。
上传前，记下不能改变的细节：领型、纽扣数量和间距、口袋位置、袖口处理、印花位置、下摆长度、背部开衩，以及任何腰带或兜帽。这份清单会成为一个实用的验收标准，而不是一段充满模糊赞美的更长提示词。
参考清单
| 文件 | 在生成中的角色 | 输出中需要验证的内容 |
|---|---|---|
model-front.jpg | 身份和身体参考 | 面部、头发、肤色和大致比例保持可识别。 |
garment-front.jpg | 正面结构和颜色 | 领口、扣合件、印花、口袋和下摆匹配。 |
garment-back.jpg | 背面结构 | 接缝、开衩、兜帽或衣领、印花延续和长度匹配。 |
在编写提示词之前使用这个三部分分配；该卡片是准备指南，不包含任何声称的测试输出。
照片应来自同一服装款式。一张海军蓝样品的前部照片和一张黑色样品的后部照片会引入提示词无法可靠解决的冲突。如果你销售多种颜色，请为每种颜色制作单独的源图像集并进行审核。
如何制作 Gemini Omni 1.2 Flash 试穿视频
上传并标记参考图
在 Atlas Cloud 上，打开 Gemini Omni 1.2 Flash 参考图生视频页面。先添加已批准的模特照片，第二张添加西装外套正面，第三张添加西装外套背面。该路径列出 1 到 10 张参考图像、3 到 15 秒的时长控制、9:16 和 16:9 宽高比，以及 360p、720p、1080p 和 4K 输出选项。1080p 和 4K 选项是从原生帧放大而来，因此无法恢复在源图像中生成错误的纽扣或印花。
复制提示词时保持图像顺序固定。第一张图像是人物；第二张和第三张是同一件西装外套的不同侧面。如果你重新排列文件，也请更改提示词中的图像编号。在这次单件商品运行中，不要混入开衫或外套的照片。
粘贴提示词并选择设置
对于初始的竖版产品片段，选择 8 秒和 9:16。如果你需要该交付尺寸，选择 1080p，然后在运行前查看这些确切设置的实时报价。你可以用 720p 草拟以测试构图，但最终交付仍应在其最终分辨率下审核。
粘贴以下提示词：
plaintext1Create an eight-second virtual try-on product video using the first reference image for the same adult model and the second and third reference images for the front and back of the same blazer. Keep the model's face, body proportions, hairstyle and skin tone consistent. Preserve the blazer's exact color, lapels, buttons, sleeve length and back construction. Start with a full-body front view, move to a natural three-quarter walking view, then show a clear back view as the model turns. Use a neutral studio background and even soft lighting. Keep the garment recognizable in every shot. No text, logos, extra garments or additional people.
请求的相机路径有意保持简短。它让正面、移动角度和背面承担不同任务。如果源图像没有可见的背面照片，那么即使背面视图看起来很可信，它仍然是虚构的。如果结果在模特转身时恰好切走，那么即使片段其余部分很干净，也没有完成产品简报。
检查完成的片段
运行完成后，下载其文件并检查实际交付的内容：时长、方向、分辨率和产品细节。在进行编辑之前保存原始结果。先以正常速度查看，判断运动是否自然，然后在开头、四分之三角度、背面视图和结尾处暂停。将每个暂停帧与相关源照片进行比较。
有用的结果需要可见的转身，而不是朝着几乎静止的主体缓慢推进。只有当物品在移动时仍然可识别，流畅的运动才有意义。如果面部发生变化，或者西装外套变成不同的剪裁，请从原始照片重新开始，而不是把精致的渲染视为通过。
3 个 Gemini Omni 1.2 Flash 虚拟试穿视频
这些是为本文提供的三个生成片段。每张组合参考图按上传顺序显示输入，其下方的 GIF 显示交付的输出。这些片段展示外观和运动；它们不能确定实际合身度或看不见的服装结构。
同一个女人的三套服装
四个参考图是一张全身模特照片和三张服装图像：一件粉色印花长裙、一件红色格纹衬衫搭配牛仔裙，以及一件粉色条纹上衣。15 秒的输出大约每五秒更换一次造型。在抽样的帧中，同一位短发模特出现在各个剪辑中。最终造型使用了提示词中指定的白色紧身裤和运动鞋，而不是服装参考图中展示的。
按上传顺序的输入参考：模特、印花连衣裙、格纹牛仔套装、条纹上衣。
生成的 15 秒输出：同一个模特的三套造型，通过换装分隔。
这有助于检查人物的外观能否在快速换装序列中保持一致。它没有展示三件服装中任何一件经过验证的背面结构，因此不应被视为精确的产品证据。
同一个男人的五件外套
六个参考图是一张模特照片，外加一件红色校园夹克、一件橄榄色老虎图案飞行员夹克、一件米色风衣、一件炭灰色开衫和一件海军蓝双排扣大衣。15 秒的输出展示同一个男人的五个短造型，灰色 T 恤、深色长裤和影棚背景在换装过程中保持不变。
按上传顺序的输入参考：模特、校园夹克、飞行员夹克、风衣、开衫、双排扣大衣。
生成的 15 秒输出：同一个模特身上的五次外套更换。
服装对比能发现可见的漂移：红色校园夹克虽然提示词要求扣上，却被敞开穿着；参考图中的飞行员夹克有一个居中的虎头，而生成的造型显示两个较小的老虎图案。如果该片段意在描绘正在出售的确切商品，这些差异就很重要。
一件带场景和珠宝参考的香槟金色礼服
四个参考图为女人、一件香槟金色礼服、一个华丽歌剧院门厅和一对长坠耳环分别分配了角色。交付的片段约为 10 秒，尽管提示词要求 15 秒。它展示这位女人穿着金属质感礼服，在一个受场景照片启发而生成的室内空间中小幅转身。
按上传顺序的输入参考：模特、礼服、场景、耳环。
生成的 10 秒输出：带场景和珠宝参考的晚装造型。
移动的下摆和侧面视图有助于判断整体轮廓是否保持清晰可读。生成的门厅和连衣裙仍然是对参考图的视觉诠释；该片段不能验证服装的物理面料、精确结构或真实地点。
如何检查和修复服装漂移？
逐帧验收清单
在四个时间点暂停交付的片段，并与源图像集进行比较。不要只评估第一帧；转身处正是看似合理的静态试穿可能开始与商品不匹配的地方。检查细节时保持片段为完整尺寸，并请第二位审核者检查服装，而不要先告诉他们你预期有什么缺陷。
| 检查点 | 人物 | 服装 | 运动和视图 |
|---|---|---|---|
| 开头正面 | 面部和比例与已批准照片匹配 | 颜色、衣领、扣合件、印花和下摆与正面照片匹配 | 完整商品可见。 |
| 四分之三转身 | 面部和手部保持连贯 | 袖子、侧缝、图案和口袋保持相连 | 转身看起来自然，没有隐藏跳跃。 |
| 背面视图 | 头发和身体保持一致 | 背部接缝、开衩、兜帽或衣领和长度与背面照片匹配 | 相机确实展示背面。 |
| 结尾视图 | 身份保持稳定 | 没有新的服装特征或颜色偏移 | 片段结束时不发生形变或突然剪切。 |
一段片段可以适合用作社交预告，但仍不能作为产品证据。买家要判断背面是否有开衩，需要清晰且与源图像匹配的背面视图。让审核标准与投放位置所承诺的内容保持一致。如果视频暗示准确的试穿或真实合身，那么视觉上的可信度不足以作为证据。
何时编辑或重新生成
仅当主要身份、体型、相机路径和服装已经可用时，才使用针对性编辑。衣领边缘或纽扣布局错位可能是合理的编辑候选。 Gemini Omni 1.2 Flash 视频编辑页面 接受 3 到 15 秒的可公开访问 MP4 源文件，并且可以接受服装参考图像。编辑后的输出保持源时长。
plaintext1Correct only the blazer's lapels and button layout to match the supplied front and back garment references throughout the source video. Keep the same model identity, body proportions, performance, camera movement, timing, lighting, background and all other garment details unchanged.
编辑是另一种生成输出，因此请重新运行完整的四点检查。如果模特身份发生变化、剪裁变成不同产品，或者背面从未展示，请从原始参考图重新生成并简化镜头。局部修补无法可靠修复一个从未捕捉到所需视图的简报。Google 将会话式编辑描述为一种能力；任何具体修复仍需要视觉审核（Google Cloud 产品说明，2026 年 11 月）。
15 秒和分辨率对产品片段意味着什么？
15 秒上限是最高限制，并不是每个产品都应填满的目标。一段 8 秒的单品片段大致可以包含一个短暂的正面停留、一个移动的四分之三视图和一个背面展示。12 到 15 秒的片段可以增加步伐或返回正面，但每增加一个节拍，都会给生成器多一次改动服装的机会。在选择时长之前，先明确必要的视图。
对于竖版社交投放，选择 9:16；当横向产品展示需要将服装及其周围环境纳入画面时，选择 16:9。在下摆和袖子周围留出空间。如果所选裁剪隐藏了你需要验证的部分，请先更改取景请求或宽高比，再花钱使用更高分辨率。
Atlas Cloud 将该路径的 360p 列为草稿选项，720p 为默认，1080p 或 4K 为放大输出。Google 同样建议以 360p 或 720p 草拟，并对选定的片段进行放大。放大有助于满足交付尺寸，但不能证明生成的织法、印花或接缝与实物匹配。在源尺寸下检查结构，然后检查最终编码文件是否有伪影和裁剪变化。
你可以在哪里运行，费用是多少？
Google 列出了其 Gemini API 和 Google Cloud 渠道，并在其自有应用中分阶段提供。Atlas Cloud 通过上面工作流中链接的模型页面，提供单独的参考图生视频和视频编辑路径。根据你拥有的是用于生成新片段的静态参考图，还是带有有限缺陷、需要编辑的现有 MP4，来选择路径。
| 路径 | 相关输入 | 时长 | 2026 年 11 月验证的价格背景 |
|---|---|---|---|
| Google 平台 | 图像、提示词和受支持的参考媒体 | 3 到 15 秒 | Google 表示其平台上 720p 为每秒 $0.07。 |
| Atlas Cloud 参考图生视频 | 提示词和 1 到 10 张参考图像 | 3 到 15 秒 | 模型页面列出折扣起始价为每秒 $0.023，标准基准价为 $0.028。 |
| Atlas Cloud 视频编辑 | 公开 MP4 URL、提示词和可选参考图像 | 源长度，3 到 15 秒 | 模型页面列出折扣起始价为每秒 $0.023，标准基准价为 $0.028。 |
Atlas 的数字是起始费率，不是本指南中 1080p 竖版设置的报价。 Atlas Cloud 模型目录 列出了该系列；请选择确切的路径和设置，并在提交前阅读实时报价。不要把起始费率乘以 8 或 12，并把结果当作最终账单。Google 的 $0.07 数字属于 Google 的 720p 平台价格，而不是 Atlas Cloud。
一段可用片段的实际成本还包括重试、人工审核和可能的编辑。比较不同路径的团队应为审批流程做预算，而不是假设第一次渲染就会通过。将源照片和审核日志保存在一起，以便第二次尝试时可以一次改变一个变量。
试穿视频何时可以发布？
只有在审核者能够在源照片和整个片段中识别出同一个人和商品之后，才发布。检查你是否有权将模特肖像和产品照片用于生成式商业媒体。保持商品名称和宣称与真实 SKU 一致，包括背面和买家可能用来做决定的细节。
当投放位置可能暗示这是纪实影像时，请将该素材标记为生成式可视化内容。避免声称它测量了顾客身体上的合身度、尺码、拉伸或垂坠。像素可以暗示造型和运动；它们不能确定实物服装如何适合某个特定的人。如果产品宣称取决于真实的接缝、口袋或扣合，请在发布前将该特征与实物产品或已批准的产品摄影进行比较。
审核日志使用三种结果：当每个必需视图和细节都通过时发布；当小的孤立缺陷有合理的编辑路径时修订；当身份或核心服装结构发生变化时拒绝。对每种新颜色和服装应用相同标准。对于一段 gemini omni 1.2 flash virtual try on video，下一步有用的做法是组装一个已授权的三照片源图像集，运行简短的单品简报，并记录四个检查点，然后再规划更大规模的广告活动。
常见问题
我可以只使用一张服装照片，而不是正反面视图吗？
你可以提交单张图像，但模型没有看不见的背面的直接证据。如果背面转身对商品详情很重要，请提供真实的背面照片。否则，将镜头限制在照片支持的视图内，并避免关于背面结构的宣称。
我可以为多件服装重复使用同一张模特照片吗？
可以，前提是你的权利涵盖每次生成使用。在更换每件服装自己的正反面图像时，保持模特源图像固定。检查每个结果中的身份和比例；重复使用输入并不保证输出完全相同。
生成的片段包含音频吗？
该模型支持原生音频，但声音通常与服装细节检查无关。如果你的投放位置期望有声音，请查看实际文件。短片的无声 GIF 无法携带音频，因此如果音频对你的广告活动很重要，请单独保留原始视频。
虚拟试穿视频能证明尺码或合身度吗？
不能。生成的视觉内容是造型插图，不是特定服装如何适合特定顾客的测量结果。请同时发布准确的尺码表、服装尺寸和真实产品信息。
