Gemini Omni 1.2 Flash：谷歌的影片生成模型單次生成 15 秒帶音訊

更新時間:2026-11-06 23:21:13 發布時間:12小時前閱讀:10次

Gemini Omni 1.2 Flash 是谷歌 2026 年 11 月 5 日發佈的影片生成模型，模型 ID 為 gemini-omni-1.2-flash。它在一個模型裡做文生影片、圖生影片、參考生成、編輯、延長和升頻，輸出帶同步音訊，解析度 360p 到 4K。開發者走 Gemini API，普通使用者在 Flow、Google Vids 和 Gemini app 裡用。入口是 aistudio.google.com。

Gemini Omni 1.2 Flash 官方公告 — 谷歌官方部落格，2026 年 11 月 5 日，署名 Anish Nangia，Google DeepMind 產品經理

Gemini Omni 1.2 Flash是什麼

發佈即正式可用，一上線就支援預置吞吐量。谷歌部落格標的是 11 月 5 日，谷歌雲部落格寫的是 11 月 6 日，兩個官方頁面對不上，這裡取部落格的日期。輸出帶 SynthID 水印和 C2PA 內容憑證，水印肉眼看不到。區域只有 global 一個端點。

輸入模態是文字、圖像和影片，音訊不支援輸入。輸出是文字和影片。輸入上限 131,072 token，輸出上限 260,640 token。

Gemini Omni 1.2 Flash 模型卡 — 模型卡。四個入口按鈕，下面依次是 Model ID、四種模態、token 上限

Gemini Omni 1.2 Flash和1.1的差別

六處改動，全部來自官方公告：

時長：單次從 10 秒延到 15 秒，按 1 秒一檔，3 到 15 秒之間任選，預設 10 秒。
價格：影片輸出從每百萬 token 17.50 美元降到 12.00 美元，720p 每秒約 0.07 美元。
編輯視窗：可編輯的片段從 10 秒變成完整的 15 秒。
延長：每次加 3 到 10 秒，回看輸入影片最後 10 秒，總長最多 30 秒。
參考遵循：人臉、服裝、包裝字體、品牌配色在多機位之間保持一致，官方給的例子是一張模特照片加三套服裝的正反面產品圖，出 15 秒 360 度轉身連續鏡頭。
語音：支援多說話人條件控制，口型同步，可把同一條音軌裡採樣的幾個聲音分別分配給對應角色。

Gemini Omni 1.2 Flash 官方新特性清單 — 官方公告裡的六條新特性原文，最後一行說明音訊參考需要申請白名單

2026 年 12 月 3 日起，gemini-omni-1.1-flash 的調用會自動轉到 1.2 並按 1.2 計費，應用不改程式碼也會換模型。

Gemini Omni 1.2 Flash能做什麼

能力	輸入	輸出
文生影片	提示詞	3 到 15 秒帶音訊影片
圖生影片	最多 10 張圖	最長 15 秒影片
參考生成	圖 + 最長 3 秒動效片段 + 音訊提示	參照主體一致的影片
首尾幀	起始幀 + 結束幀	3 到 10 秒插值影片
影片編輯	15 秒以內影片 + 對話指令	改光線、換背景、換產品、改畫幅
影片延長	任意長度影片	每輪加 3 到 10 秒
影片升頻	15 秒以內影片	1080p 或 4K
聲音生成	提示詞或音訊參考	對白、音樂、音效

編輯是逐輪改同一個片段，不重新生成。換產品、改光照、換天氣、切畫幅比例都在原片段上改，改完仍是 15 秒。每個請求最多返回 3 個影片，寬高比只有 16:9 和 9:16 兩種。

Gemini Omni 1.2 Flash 能力清單 — 模型卡的能力清單。綠色是支援，灰色是不支援，Thinking 和影片生成、編輯、延長、升頻都在支援列

Gemini Omni 1.2 Flash已接入的產品

官方公告列了十家已經用上這個模型的產品，加上第三方平台的接入，各自的用法不同：

Adobe Firefly：創作者在 Firefly 裡用 Omni 出片，1.2 帶來的是更長片段和更強的參考一致性。
Flow：谷歌自家的場景編排工具，做多鏡頭連續片段和多輪編輯。
Figma Weave：在一次生成裡排完整條序列，再在畫布上用參考圖和分支版本細化。
Runway：用它產出素材，企業版把它放進協作和生產流程。
Picsart：草稿模式先出概念，再渲染 4K 用於電視級短劇，官方稱覆蓋 1 億創作者。
invideo：一次提示詞出一個完整場景，看重 15 秒能裝下的內容量。
Krea、FLORA、Magnific：做角色替換、場景替換和影片轉風格，改一處其餘不動是共同訴求。
Photoroom、Whering：把商品圖轉成展示影片和虛擬試穿，看重布料垂墜和配色準確。
PixTV：第三方影片平台，模型名叫 Gemini Omni Flash，那邊的版本和出片速度站內單獨寫過。

這些是廠商在公告裡的自述，沒有第三方復現的量化結果，看的時候當方向參考。

Gemini Omni 1.2 Flash怎麼用

四條路，按是否需要寫程式碼分：

Google Vids：打開 vids.new，用 Google 帳號或 Workspace 訂閱登入，新建影片後選 AI 生成，描述鏡頭，出 15 秒片段，不額外收費。素材拖到時間軸上加字幕和旁白。
Flow：打開 labs.google/fx/tools/flow，把要拍的鏡頭寫成場景，生成後在同一段對話裡繼續改，改用 AI Plus、AI Pro 或 AI Ultra 計劃裡的 Flow 額度。
Gemini app：選影片工具，描述片段。先向 Google AI Ultra 訂閱使用者推送，其他計劃要等。
Google AI Studio：打開 aistudio.google.com，在 Google Cloud 項目上開通結算，模型列表選 gemini-omni-1.2-flash，設寬高比、解析度、時長，生成後在同一會話裡追問修改，滿意後升頻到 1080p 或 4K 再下載 MP4。

走介面時用 Interactions API，不是 GenerateContent API。生成時傳 response_format 指定影片類型、解析度、寬高比；編輯時把上一次請求的 id 傳進 previous_interaction_id，提示詞寫改動內容；延長時把影片檔案當輸入，提示詞寫續寫要求。Google AI Studio 裡能直接跑通再遷到程式碼。

廣告素材走 Google Ads 的 Asset Studio，企業版走 Gemini for business 和 Google Cloud 控制台。

Gemini Omni 1.2 Flash的價格

按輸出影片 token 計費，每百萬影片 token 12.00 美元。各檔解析度對應的每秒 token 數和價格，表內金額單位美元：

解析度	每秒 token	每秒	5 秒	10 秒	15 秒
360p 草稿	1,931	0.023	0.12	0.23	0.35
720p 原生	5,792	0.070	0.35	0.70	1.04
1080p 升頻	8,688	0.104	0.52	1.04	1.56
4K 升頻	17,376	0.209	1.04	2.09	3.13

輸入按每百萬 token 1.50 美元，文字輸出每百萬 token 9.00 美元。上表只算影片輸出，不含提示詞和參考圖的輸入費用。

按每百萬 12.00 美元折算，100 條 15 秒 720p 是 8,688,000 個影片 token，約 104.26 美元；同樣數量的 360p 只要 34.76 美元，4K 要 312.77 美元。官方建議的工作流是先出 360p 或 720p 草稿，用對話改完細節，只對成片升頻，一次 15 秒 720p 約 1.04 美元。

Gemini Omni 1.2 Flash 影片規格 — 官方規格表。Video 段從輸入影片的四類上限到輸出時長、影片數、寬高比、解析度，底部是發佈與退役日期

Gemini Omni 1.2 Flash的參數限制

項目	值
輸入影片總長（理解）	10 分鐘
輸入影片總長（編輯）	15 秒
輸入影片（延長）	任意長度，取最後 10 秒
輸入影片（升頻）	15 秒
輸出時長（生成與編輯）	3 到 15 秒
輸出時長（首尾幀）	3 到 10 秒
輸出時長（延長）	每輪 3 到 10 秒，總長 30 秒
單次影片數	3 個
寬高比	16:9、9:16
解析度	360p、720p、1080p、4K
單次圖片數	10 張
單張圖片大小	20 MB 直傳、30 MB 雲端儲存
temperature	0 到 2，預設 1.0
topP	0 到 1，預設 0.95
候選數	固定 1

圖片支援 png、jpeg、webp、heic、heif，影片支援 flv、quicktime、mpeg、mp4、webm、wmv、3gpp。20 MB 那一檔指控制台上傳和內聯資料，走 Google Cloud Storage 可以到 30 MB。

Gemini Omni 1.2 Flash的限制

1080p 和 4K 是升頻：原生只有 360p 和 720p，高解析度由低解析度結果放大，不是直接渲染。
音訊參考要申請：Google Cloud 上音訊參考在 allowlist 後面，預設關。
API 沒有免費額度：免費列寫的是 Not available，只能走付費檔。
三個地區不能上傳影片：歐洲經濟區、瑞士、英國的 Gemini API 使用者不能上傳影片做編輯或延長，只能改模型自己生成的片段。
只測過英文：官方說英文完整支援，其他語言沒有評測，結果會有差異。
三類畫面還在改：快速體育動作、腳本快速變化、複雜物理效果，官方明確列為改進中。
沒有第三方跑分：一致性和口型同步的說法都來自谷歌自己的公告和客戶案例，沒有獨立基準。
工具鏈大半關閉：function calling、Grounding、程式碼執行、結構化輸出、上下文快取、微調、圖像生成都不支援，支援的介面只有 Interactions API 和 Count Tokens API。