Gemini Omni 1.2 Flash 视频生成：最长 15 秒，价格降低 30%
Google 的 Gemini Omni 1.2 Flash 可生成最长 15 秒的 AI 视频，支持对话式编辑，720p 每秒仅 0.07 美元。
本文的其他语言版本：العربيةDeutschEnglishEspañolFrançaisItaliano日本語Polski
本文内容
11 月 5 日，Google DeepMind 发布了 Gemini Omni 1.2 Flash，这是其视频生成与编辑模型的新版本。Gemini Omni Flash 的视频生成现在支持最长 15 秒的片段（Omni 1.1 为 10 秒），可以在后续消息中继续修改，并已在 Gemini API 和 Google Cloud 中全面开放，720p 视频的每秒价格下降了 30%。
Gemini Omni 1.2 Flash 视频生成有哪些新功能？
根据 Google 的公告，主要变化如下：
- 最长 15 秒的片段，时长可在 3 到 15 秒之间按秒设置；
- 对话式编辑：不必从头重新生成，在后续轮次中就能替换产品或背景，修改光线、天气或画面比例；
- 更忠实于参考素材：模型接受角色、产品或风格的图片以及简短的动作片段（最长 3 秒），面孔、服装、包装上的文字和品牌颜色在不同镜头之间应保持一致；
- 画面“漂移”更少：首帧与末帧之间的偏差减小，关键帧之间插帧和延长片段时也是如此；
- 更自然的对话，口型同步更清晰，同一场景中可以有多位说话者；
- 复杂的运镜，多余的剪切更少。
有意思的是，Google 还给出了具体的工作流程：先用 360p 或 720p 出草稿，在对话中修改，最后放大到 1080p 或 4K。每个片段都带有不可见的 SynthID 水印。
Gemini Omni 1.2 Flash 的价格是多少？
根据 Gemini API 定价页面，该模型仅在付费层级提供（免费层级没有），按视频 token 计费，每百万 12 美元。换算成每秒价格：
| 分辨率 | 每秒价格 |
|---|---|
| 360p | 约 0.023 美元 |
| 720p | 约 0.07 美元 |
| 1080p（放大） | 约 0.104 美元 |
| 4K（放大） | 约 0.209 美元 |
因此，一段完整的 15 秒 720p 片段约 1.05 美元。Omni 1.1 Flash 的价格为每百万 token 17.50 美元，即 720p 每秒约 0.10 美元。从 2026 年 12 月 3 日起，所有对 1.1 的请求都将转到 1.2，并按新价格计费。
如何试用 Gemini Omni 1.2 Flash？
Google 列出了以下几个入口：
- Google AI Studio 和 Gemini API：模型 ID 为
gemini-omni-1.2-flash（文档）； - Google Cloud：在控制台（Vertex AI Studio）中和通过 API 使用，也支持 Provisioned Throughput；
- Flow：用于导演场景并多轮修改；
- Google Vids：有 Google 账号或 Workspace 订阅即可无需额外付费生成 15 秒片段；
- Gemini 应用：正逐步向 Google AI Ultra 订阅用户推出；
- Google Ads。
在 API 中，片段比例为 16:9 或 9:16，默认时长 10 秒。我们可以添加最多 6 张参考图片（每个角色最多 3 张，最多 2 个角色），并在每一轮中将视频延长 3 到 10 秒，总长最多 30 秒。
为什么 Omni 1.2 引起这么多关注？
Google 的文章登上了 Hacker News 首页，获得了 300 多分和 200 多条评论。不过讨论褒贬不一：有人称赞角色的一致性，有人追问 15 秒视频到底有什么用（答案是：主要用于 B-roll 和广告），还有人抱怨 Google 各应用中混乱的上线节奏。
再加上价格：带声音、可对话式编辑的视频，720p 下每段 15 秒约一美元。而且这并不是 Google 最近几周唯一的视觉生成模型，10 月底 DeepMind 还发布了 Genie 4。
需要注意什么？
第一，Google 自己列出的局限：快速的体育动作、突然的情节变化和复杂的物理效果仍有待改进。
第二，语言。根据文档，英语获得完整支持，其他语言尚未经过测试 （在用中文对白规划整个项目之前，先用几段短片段试一试）。
第三，应用与 API 之间的差异。公告提到可以用音频提示作为参考，但根据 API 文档，目前还不支持上传音频。
第四，缺少数据。Google 没有公布基准测试结果，也没有与其他视频模型的对比，所以在看到独立测试之前，对“一致性更好”的承诺要保持审慎。顺便一提：几天前，OpenAI 刚在 ChatGPT 中加入了 Images 2.6 的动态 GIF。
常见问题
Gemini Omni 1.2 Flash 是什么？
它是 Google DeepMind 于 2026 年 11 月 5 日发布的模型，用于生成和编辑带声音的视频。它能根据文本、图片和简短的参考视频生成 3 到 15 秒的片段，并可在后续消息中修改。
Gemini Omni 1.2 Flash 免费吗？
在 Gemini API 中不免费：该模型仅在付费层级提供，360p 每秒约 0.023 美元起。在 Google Vids 中，有 Google 账号或 Workspace 订阅即可无需额外付费生成 15 秒片段。
Omni 1.2 和 Omni 1.1 有什么区别？
Omni 1.2 可生成最长 15 秒（而非 10 秒）的片段，更忠实于参考素材，支持对话式编辑视频，720p 每秒价格便宜 30%。从 2026 年 12 月 3 日起，对 1.1 的请求将转到 1.2。