Google 在 2026 年 9 月发布 Gemini Omni 的 Asset Studio 工作流时，给了一个很容易被忽略的建议：除了品牌规范，还应上传 4–5 张不同角度的真实产品图、希望模仿的真实背景，甚至带品牌标识的工作服。这个细节比“能否一句话生成视频”更值得跨境品牌关注。
答案并不是一律重拍，也不是把旧图库全部倒进模型。真正要做的，是先判断现有资产能否覆盖产品真实性、场景边界和审批责任，再在复用、定向补拍与完整制作之间选择。
已确认的变化：模型能读得更多，但不会替品牌补齐事实
Google 的《Creative Drop #1》（2026 年 9 月）说明，Gemini Omni 可以同时理解网址、营销简报、产品图、视频片段和其他参考资产；在 Asset Studio 中选择创意来源与画幅后，系统会给出三个叙事方向，用户可以逐场景修改分镜。品牌规范导入则覆盖字体、色值、Logo 规则与视觉风格，并支持 16:9、9:16 和 1:1 输出。
这能证明 Google 已经把多模态参考、分镜和媒体投放接到同一条产品链路里，不能证明任何品牌上传一份 PDF 就能得到准确、合规、可直接投放的成片。Google Ads 帮助文档还写明：自动生成视频会依赖原始素材；原素材被删除或修改后，旧视频会停止投放并由系统生成更新版本。源资产因此不是一次性“喂给 AI”的附件，而是持续影响输出的运营输入。
Adobe 在 2026 年 8 月与 9 月的两篇官方材料也表达了相同的厂商方向：静态品牌规范依赖人工解释，而获批的真实活动图像能够补充构图、光线、主体位置和版式层级等执行信息。这仍是平台方观点，不等于已经形成统一行业标准，但足以提示采购端：品牌手册只描述身份规则，参考资产还要证明品牌怎样在现实中被执行。
先做三档判断，不要先问“要拍几天”
| 选择 | 适用条件 | 本次采购重点 |
|---|---|---|
| 复用现有图库 | 主力 SKU 有多角度真图；材质、比例、接口与包装清晰；目标场景已有获批样例 | 清理版本、补齐标签与禁用规则，不为“有新工具”而重拍 |
| 定向参考补拍 | 缺口集中在少数角度、手部交互、材质反光、开合动作或环境光 | 用精简棚拍填补事实缺口，交付可复用的参考模块，而非一条孤立成片 |
| 完整或混合制作 | 涉及演员表演、复杂物理动作、监管性主张、英雄发布片或难以容错的品牌时刻 | 保留导演、美术、实拍与后期控制，AI 用于预演、版本扩展或局部替换 |
这张表的关键是把“重拍”从创意偏好变成覆盖率决策。若缺的是一个背面接口，不需要重做整套片；若关键卖点依赖真人演示、精确安全步骤或高风险功效表达，也不应把完整制作降级成参考图生成。
ONCE 的 ANCHOR 参考资产包
一个可验收的 AI 品牌参考资产包，至少要覆盖六层。我们把它称为 ANCHOR：它不是平台功能清单，而是品牌在上传前、生成中和上线前都能使用的工作结构。
A — Authentic product evidence：真实产品证据
每个主力 SKU 提供正面、背面、侧面、俯视和关键细节等 4–5 个有效角度，并记录材质、真实色彩、相对尺寸、包装与配件。照片的任务不是“好看”，而是让模型和审核人能判断几何、纹理与功能是否被改坏。
N — Non-negotiables：不可变规则
把不能生成错的内容写成具体字段：接口数量、标签位置、开合方向、屏幕比例、危险动作、功效措辞和禁配场景。不要只写“保持产品一致”，要写明什么变化会构成错误。
C — Context library：场景库
分别提供获批环境、灯光、人物或手部、动作、道具与负面样例。对同一产品，家居、户外、工厂与零售货架的语义不同；场景库需要说明哪些组合可用，哪些组合会误导。
H — Hierarchy of identity：品牌识别层级
保留 Logo、字体、色值、语气、版式层级与安全区，同时加入“最佳实践”样例。品牌手册负责声明规则，获批资产负责展示规则如何落地。
O — Ownership and origins：权利与来源
每项资产记录版权主体、肖像或场地授权、可用市场、渠道、到期日、AI 使用限制、来源文件和版本号。跨市场投放时，最危险的往往不是画面不漂亮，而是团队无法回答“这张参考图是否可以在这个国家用于生成”。
R — Review and replacement：审核与替换
明确谁选择叙事、谁逐场景检查产品、谁审核主张与本地法规、谁批准上线。保留来源—输出依赖关系，并定义原素材变更后哪些派生视频必须重新审核。Google 的工作流允许在三个叙事中选择并逐场景修改，因此批准“故事方向”与批准“最终视频”应是两次不同的签字。
成本不要除以生成次数，要除以通过验证的任务覆盖
生成一百次并不等于获得一百个可投放资产。更稳妥的项目口径是：
参考资产系统总成本 = 资产审计 + 定向拍摄 + 结构化整理 + 规则编码 + 逐场景质检 + 权利与版本维护
然后用“通过验证的生成任务覆盖”作为分母。一个任务单元可以定义为：某个 SKU × 获批场景族 × 市场或语言 × 画幅族。只有当参考包能够支持该单元，并且产出通过产品、品牌、权利和本地化审核，才计入覆盖。
这个口径不会预设 AI 一定省钱。它能回答更重要的问题：新增一次补拍，究竟解锁了哪些可重复使用的任务；一个旧素材被替换后，哪些输出需要重新验证；团队是在增加资产，还是在增加可控的生产能力。
给跨境品牌的采购动作
下一份制作 brief 不妨先列出目标 SKU、市场、画幅和场景，再给现有素材逐项打上“已覆盖、待补拍、禁止生成”标签。把补拍范围限定在无法由现有证据证明的事实，把完整制作留给高风险表演与英雄内容。
如果品牌已经在建设可拆分的电商视频资产，可以把本方法与 ONCE 的亚马逊 REC 模块化资产方法 配合使用。
前者解决生成前的证据与治理，后者解决上线后的动态组装。两者共享的原则是，真正可规模化的不是成片数量，而是有来源、可替换、可审核的模块。
事实边界与来源
本文核验的可变事实来自：Google《Inside Drop #1: Your top questions on Gemini Omni in Asset Studio answered》（2026 年 9 月）、Google Ads Help《About auto-generated video ads》与《About creative enhancements and generative AI tools in Demand Gen》（查阅于 2026 年 10 月 11 日）；对照材料来自 Adobe《Build production-ready content with precision in Adobe Brand Intelligence》（2026 年 8 月 10 日）与《How to fine-tune custom AI models for brand visual identity》（2026 年 9 月 1 日）。ANCHOR、三档补拍判断与成本口径是 ONCE 基于上述已证实能力提出的分析框架，不代表 Google 或 Adobe 的官方承诺，也不是未经验证的效率结论。
