Gemini Omni 1.2 Flash – 谷歌推出的视频生成与对话式编辑模型

Gemini Omni 1.2 Flash 是谷歌于 2026 年 11 月推出的视频生成与编辑模型，单条视频原生支持 3 至 15 秒，输出提供 360p、720p、1080p 与 4K 四档并带原生音轨；同一片段可以用自然语言逐轮修改主体、光照与画幅，不必整段重新生成。它把时长、分辨率与音频放在同一条生成链上，适用于社交广告、产品演示与分镜预演的成片产出。

Gemini Omni 1.2 Flash 的核心能力

Gemini Omni 1.2 Flash 把视频生成与编辑放在同一段会话里：先按提示词出片，再用自然语言逐轮改画面。本次开放的能力集中在时长、分辨率、参考素材与音频四条主线上，编辑动作都落在同一段片段上，不需要重开一次生成任务。以下按五项能力逐条说明。

单条视频延长到 15 秒，四档分辨率可选

官方模型卡给出的输出区间是 3 至 15 秒，分辨率提供 360p、720p、1080p 与 4K 四档，帧率 24 FPS。起草阶段可以用 360p 出片，确认镜头与节奏之后再升到 1080p 或 4K，升档走的是上采样，不必把整段重新生成。官方按档位分开标价：720p 每秒约 0.07 美元，360p 每秒约 0.023 美元，4K 上采样到每秒 0.209 美元。

按轮次修改画面，替换主体与切换画幅

同一段视频可以逐轮下指令：换掉画面里的产品或背景、改光照与天气、切换横竖画幅。每一步都建立在上一版的基础上，场景与人物关系保持连贯，给不同投放位做变体时不必重写提示词。官方标注这项能力覆盖完整的 15 秒片段，改一处不会把前后镜头一起推翻。

最多 6 张参考图配一段 3 秒视频

输入侧接受文本、图片与视频三类素材：参考图最多 6 张，参考视频最长 3 秒，还可以给音频线索。把角色设定图、产品图或风格图放进去之后，模型在不同镜头角度下提升面部、服装、包装字体与品牌色彩的一致性，适合把现有素材转成旋转展示、虚拟试穿或品牌广告片段。这一系列最早的形态可对照站内 Gemini Omni Flash。

画面与音频一次生成，支持多说话人条件

输出的是一条带原生音轨的视频，另可返回文本，口型与对白同步，多人场景可用条件控制区分说话人，适用于多角色对话、讲解类视频与带数字人的成片。官方产品侧（Gemini 应用、Google Flow 与 YouTube）的生成结果带 SynthID 不可见水印与 C2PA 内容凭证，可通过 Gemini 应用核验来源。

首末帧插值与逐轮延长接成长镜头

给定首帧与末帧，模型在两帧之间生成过渡画面，官方给的区间是 3 至 10 秒；也可以对已有片段逐轮延长，每轮 3 至 10 秒，累计最长 30 秒。两条路径都意在减少镜头切换时的物体、角色与场景跳变，用于把分镜接成一条连续镜头，或在不重拍的前提下续写剧情。

Gemini Omni 1.2 Flash 与同代视频模型的对比

下表从输出分辨率、帧率及参考素材等维度，对三款视频生成模型逐项对照。

• 表格内数据来源：Gemini Omni 1.2 Flash 一行取自谷歌 Gemini API 官方模型页与 2026 年 11 月 5 日的变更日志条目，Gemini Omni 1.1 Flash 一行取自其站内评测页记录的官方参数，LTX-2.5 一行取自站内评测页记录的官方公布口径；三列均为厂商公布数据，未经本站逐项实测。
• 产品对比简述：输出分辨率上 Gemini Omni 1.2 Flash 与 Gemini Omni 1.1 Flash 都为 360p 至 4K 四档，LTX-2.5 为原生 4K HDR；帧率上 Gemini Omni 1.2 Flash 是 24 FPS，LTX-2.5 为 50 FPS。

站内另有一篇写 Gemini Omni 1.1 Flash 的评测，记录了上一代在时长、分辨率与调用入口上的取舍；两篇连起来读，能看出这一代把单条时长、参考素材与原生音频分别推到了什么位置。

Gemini Omni 1.2 Flash 的应用场景与适用人群

需要在一条片子上反复微调、或要把同一组产品素材铺到多个投放位时适用；只出一次成片的，用现成额度就够了：

• 社交广告：同一段素材按投放位切横竖画幅，分批导出，不必为每个尺寸重拍。
• 产品演示：把现有产品图当参考素材，生成旋转展示、虚拟试穿与品牌短片。
• 分镜预演：先用 360p 起草镜头走位与节奏，方向定下来再升到 1080p 或 4K。
• 讲解视频：多人对白与口型同步一次生成，省掉后期配音与对口型的环节。

适用人群：适合已经在用 Flow 或 Gemini API 做视频产出的创作与运营团队；只偶尔生成一条短视频的，用现成额度即可，不必为多轮编辑改流程。想横向对照的，站内 Vidu Q3 走 16 秒音画同步直出，Seedance 2.5 走长视频与多模态创作。

Gemini Omni 1.2 Flash 的使用方法

官方把入口分成两条路径：开发者走 Gemini API 的模型名，创作端走 Google Flow 与 Google Vids 的产品界面。参数、限额与价格以官方文档为准，模型卡见 Gemini Omni Flash 模型页。

在 Interactions API 里按模型名生成片段

1. 请求走 Interactions API 而非 generateContent，多轮编辑时直接引用前一轮的交互结果，不必重传素材。
2. 按交付要求设分辨率（360p 至 4K）与时长（3 至 15 秒）；先出 360p 核对镜头，再升到 1080p 或 4K。
3. 要做局部修改时，在下一轮带上上一版片段与一句修改指令，逐轮叠加，不必重写整段提示词。
4. 需要接分镜时给首帧与末帧，或以 3 至 10 秒为一轮延长已有片段，官方标注累计不超过 30 秒。

在 Google Flow 网页端按镜头生成与修改

1. 新建项目后先上传参考素材：角色、产品或风格图最多 6 张，需要锁动作时再加一段 3 秒以内的视频。
2. 写第一段提示词出片，确认镜头运动、画幅比例与时长是否符合投放要求。
3. 在同一项目里逐轮下修改指令，替换主体、改光照与天气、切换横竖画幅。
4. 定稿后再把分辨率升到 1080p 或 4K 导出；要带数字人与旁白的成片，可在 Google Vids 这一侧生成 15 秒片段。

三点需留意：1080p 与 4K 走的是上采样，起草阶段仍以 360p 与 720p 为主更省；1.1 的模型名会在 2026 年 12 月 3 日自动路由到 1.2，存量调用要按新价格重算；定价页按输出 Token 计费，换算成每秒费用时须按所选分辨率取对应速率。

Gemini Omni 1.2 Flash 的项目地址

• 官方产品页：https://deepmind.google/models/gemini-omni/
• Gemini API 模型文档：https://ai.google.dev/gemini-api/docs/models/gemini-omni-flash

Gemini Omni 1.2 Flash 的价格与开源情况

按输出 Token 计费，只对 Gemini API 付费档开放，免费档不提供该模型。

• 输入：每百万 Token 1.50 美元，文本、图片与视频同价。
• 输出：文本每百万 Token 9.00 美元，视频每百万 Token 12.00 美元。
• 720p 折算：每秒 5,792 Token，约 0.07 美元；10 秒约 0.70 美元，15 秒约 1.04 美元。
• 360p 每秒约 0.023 美元；1080p 上采样每秒约 0.104 美元；4K 上采样每秒约 0.209 美元。
• 免费档不提供该模型；付费档数据不用于改进产品。
• 开源情况：权重不开放，属闭源商用模型，只能经 Gemini API 与谷歌自家产品调用。

按 Token 计费意味着分辨率直接决定成本：同一段 15 秒片子，360p 与 4K 的差价接近九倍，起草与交付分两步走比一次出 4K 更省。官方价目页 https://ai.google.dev/gemini-api/docs/pricing#gemini-omni-1.2-flash。

Gemini Omni 1.2 Flash 的常见问题