Gemini Omni 1.2 Flash 是 Google 在 2026 年 11 月 5 日正式推出的視頻生成與編輯模型，一句話就能生成帶原生音頻的短視頻，還能用對話接著改。
是什麼
Gemini Omni 1.2 Flash（模型代碼 gemini-omni-1.2-flash）是 Google 的多模態視頻模型，定位是“快、能對話、能編輯”。它接在 Gemini API 的 Interactions API 上，也集成在 Gemini 應用、Google Flow 和 Google Vids 裡。輸入可以是文字、圖片或視頻，輸出是帶原生音頻的視頻，單條 3–15 秒，24 幀/秒，分辨率 360p、720p、1080p、4K，畫幅 16:9 或 9:16。它的上一代 1.1 版從 2026 年 12 月 3 日起自動轉接到 1.2，按 1.2 的價格計費。Google 同時把 Veo 3.1 預覽從 Gemini API 下線，Omni Flash 成了 Google 視頻生成的主力路線。
能幹什麼
- 文生視頻：寫一段提示詞，直接生成帶配樂、音效和對白的短片，時長可按整秒在 3–15 秒之間指定，默認 10 秒。
- 圖生視頻：上傳產品圖、插畫或照片，讓靜止畫面動起來，適合電商主圖和廣告素材。
- 對話式編輯：生成後不用重寫提示詞，直接說“把彈珠換成藍色”“換成定格動畫風格”，模型在原片基礎上改，適合一版多改的廣告變體。
- 視頻擴展與首尾幀插值：把已有片段接長，或給定開頭和結尾兩幀，讓模型補出中間的運動過程。
- 多參考一致性：可同時用人物、產品、風格圖和最長 3 秒的動態參考來鎖定形象，1.2 這一代主打的就是角色和品牌元素在連續鏡頭裡不“變臉”。不過要注意，Google 稱 1.2 在 11 項並排偏好指標上都贏過 1.1，這只是官方自評，第三方盲測排行榜當時還沒有 1.2 的成績。
免費還是付費
API 沒有免費層，每次調用都按量計費；免費額度只存在於 Gemini 應用、Flow 和 Vids 裡，隨 Google 訂閱走。API 按輸出 Token 計費，視頻輸出 $12/每百萬 Token，輸入（文字、圖片、視頻）$1.50/每百萬 Token，官方再換算成按秒計價：
| 分辨率 | 每秒價格 | 15 秒一條約多少錢 |
|---|---|---|
| 360p（草稿） | $0.023 | $0.35 |
| 720p（默認） | 約 $0.07 | 約 $1.04 |
| 1080p（上採樣） | $0.104 | $1.56 |
| 4K（上採樣） | $0.209 | $3.13 |
注意 1080p 和 4K 是上採樣得到，不是原生渲染。開通付費層最低預付 $5，約夠生成 4 條 15 秒 720p 片段。和同行對比，實測價差很直觀：Kling 4.0 的官方 API 約 $0.157/秒（720p），Runway Gen-4.5 是 $0.12/秒且自家模型不帶原生音頻，需要另外配音；Omni 1.2 在 720p 約 $0.07/秒還自帶同步音頻，是目前大廠模型裡按秒最便宜的一檔。它的短板也很明確：單條最長只有 15 秒，做不了長敘事；快速體育動作和複雜物理效果仍是官方承認的弱項。
怎麼用
- 打開 Google AI Studio，選
gemini-omni-1.2-flash模型，或在 Gemini 應用 / Flow 裡直接用。 - 寫提示詞時一次寫清場景、主體、運鏡、光線和聲音，例如“清晨的菜市場，鏡頭緩慢推進，攤主笑著遞出一袋橘子，環境音是市集人聲”。
- 先用 360p 出草稿確認構圖和動作，滿意後再用 720p 生成正式版，成片需要再升到 1080p 或 4K。
- 想改細節就接著對話：“把背景換成雨夜”“語速再慢一點”，不用重新描述整個畫面。
- 走 API 的話，用 Interactions API 調用，配合 API Key 集成到自己的工具或工作流裡。
國內使用注意
Google AI Studio、Gemini 應用和 Flow 在國內都需要 VPN 才能訪問，註冊需要 Google 賬號；API 付費要綁定海外支付方式並預付 $5，國內銀行卡一般行不通。提示詞用英文更穩妥，中文提示詞能用，但複雜指令和否定指令建議寫英文。國內平替可以先試即夢 AI 和可靈 AI，中文提示詞支持更好，也不用折騰支付。如果只是偶爾做幾條短視頻，先用 Flow 和 Gemini 應用裡的免費額度，別一上來就開 API 按量燒錢。
來源：Google AI Studio 官方文檔、Google 官方博客、Gemini API 定價頁（經 Apidog、Upfynd 核對）、DataCamp 實測、Forasoft 橫向對比。