作者注：本文逐項解讀 Gemini Omni 1.2 Flash 的 15 秒時長、參考遵循、多輪編輯、語音與鏡頭控制，以及降價 30% 和官方承認的短板，幫開發者判斷是否把它納入視頻生成方案評估。
Google 於 2026 年 11 月 5 日發佈 Gemini Omni 1.2 Flash，並在 Gemini API 與 Gemini for business 上同步 GA。這一版帶來 原生 15 秒視頻、多輪對話式編輯、720p 每秒 0.07 美元（較 1.1 降價 30%） 三項核心更新，參考遵循、一致性、語音和鏡頭控制也有改進。
這不是坊間傳言，以上信息均來自 Google 官方博客的發佈文章，由 Google DeepMind 產品經理署名。不過官方文章偏重效果展示，對開發者真正關心的參數、模型 ID 和速率限制着墨很少。本文會把營銷表述還原成規格與邊界，並標出哪些仍需你在自己的素材上驗證。
核心價值：用幾分鐘弄清 Gemini Omni 1.2 Flash 相比 1.1 改了什麼、哪些是 API 能力、哪些只是 Google 應用內的功能，以及現在值不值得投入評估。
Gemini Omni 1.2 Flash 核心信息速覽
先用一張表把發佈要點彙總清楚。表中所有內容都來自官方發佈文章，沒有提到的參數（模型 ID、接口形式、速率限制等）我們沒有填寫，留到後文的“待驗證”部分。
| 信息項 | Gemini Omni 1.2 Flash 詳情 |
|---|---|
| 發佈時間 | 2026-11-05，同日 GA（正式可用） |
| 發佈方 | Google / Google DeepMind |
| 視頻時長 | 3–15 秒，按 1 秒爲單位設定（1.1 版本上限 10 秒） |
| 價格 | 720p 每秒 0.07 美元（視頻輸出每 100 萬 tokens 12 美元、720p 每秒 5,792 tokens 折算），較 Omni 1.1 下降 30% |
| 分辨率工作流 | 先用 360p / 720p 快速出稿，再把滿意結果放大到 1080p 或 4K |
| 參考輸入 | 角色/產品/風格圖像、最長 3 秒的動作片段、音頻提示 |
| 編輯方式 | 多輪對話式編輯，覆蓋完整 15 秒片段 |
| 企業能力 | 基於 Google Cloud 基礎設施，提供 Provisioned Throughput |
| 內容標識 | 輸出內嵌不可感知的 SynthID 水印 |
| 官方承認的短板 | 快速體育動作、快速的腳本變化、複雜物理仍在改進中 |
Gemini Omni 1.2 Flash 的 GA 與 Provisioned Throughput 是什麼意思
官方特別強調，這是 Gemini Omni 第一次達到 GA 狀態。對開發者來說，GA 代表模型離開了預覽或實驗階段，可以放心用在生產環境，通常也意味着接口和行爲會比預覽版更穩定。
Provisioned Throughput 是 Google Cloud 的預留吞吐能力：企業預先購買一定的處理容量，換取高峯期更可預期的可用性和延遲。如果你的業務需要批量生成廣告素材，或者對出片時效有 SLA 要求，這一點比單價更重要。發佈文章沒有給出它的具體計費方式，需要到 Google Cloud 的定價頁確認。
Gemini Omni 1.2 Flash 相比 1.1 的 6 個關鍵變化
官方文章用了大量示例視頻來說明進步，我們把這些描述整理成開發者視角的變化清單，並區分“可量化的規格變化”和“效果層面的改進”。前者可以直接寫進技術方案，後者必須實測。
| 維度 | Gemini Omni 1.1 Flash | Gemini Omni 1.2 Flash | 變化類型 |
|---|---|---|---|
| 最長時長 | 10 秒 | 15 秒，3–15 秒按 1 秒設定 | 規格變化 |
| 720p 價格 | 0.10 美元/秒（視頻輸出每 100 萬 tokens 17.50 美元） | 0.07 美元/秒（視頻輸出每 100 萬 tokens 12 美元） | 價格變化 |
| 參考遵循 | 官方示例中對參考圖貼合度較弱 | 面部、服裝、包裝字體、品牌色跨機位保持一致 | 效果改進 |
| 首尾幀一致性 | 示例中出現屋頂的貓、湯勺變筷子等細節偏差 | 細節漂移和形變更少 | 效果改進 |
| 多輪編輯 | 發佈文章未提及 | 可逐輪替換產品/背景、燈光/天氣、畫幅比例 | 新增能力 |
| GA 狀態 | 非 GA | 首次 GA，支持 Provisioned Throughput | 規格變化 |
💡 定價說明：Google 的視頻輸出按 token 計費，不按秒，所以文中的「每秒多少錢」都是折算值。兩個數字都來自 Gemini API 定價頁：1.1 的視頻輸出每 100 萬 tokens 17.50 美元，1.2 是 12 美元；按 720p 每秒 5,792 個輸出 tokens 折算，分別約 0.10 美元/秒和 0.07 美元/秒，降幅約 30%。定價頁還說明，從 2026 年 12 月 3 日起，發給 gemini-omni-1.1-flash 的請求會自動路由到 1.2，並按 1.2 的價格計費。
變化一：Gemini Omni 1.2 Flash 支持 3–15 秒靈活時長
時長從 10 秒提升到 15 秒，看起來只多了 5 秒，但對很多場景是質變。一條完整的社交廣告、一個產品功能講解、一個帶起承轉合的短故事，往往卡在 12–15 秒這個區間，以前要拼接兩段，現在可以一次生成。
另一個容易被忽略的細節是按 1 秒爲單位設定時長。按秒計費的模型裏，能精確指定 7 秒就不必爲 10 秒付費，這對批量生成的成本控制很有意義。
變化二：參考遵循覆蓋圖像、動作片段與音頻
1.2 Flash 允許組合多種參考：角色、產品或風格圖像，最長 3 秒的動作片段，以及音頻提示。官方示例裏，用一張模特照加三套服裝的正反面產品圖，生成了 15 秒的虛擬試穿視頻，模特身份和每件衣服的剪裁、垂墜、背部細節在 360 度轉身中保持一致。
這類能力最直接的落地方向是電商：把現有的產品攝影或角色設定圖，轉成試穿片段、商品 360 度展示和品牌廣告。需要注意，“動作片段最長 3 秒”是硬約束，如果你的動作參考素材更長，需要提前裁剪。
變化三：首尾幀與片段延長的一致性提升
官方稱角色、物體和場景從第一幀到最後一幀都更穩定，運動和鏡頭切換時的視覺漂移、形變更少。這同時適用於兩種用法：在首幀和尾幀之間插值，以及延長已有片段來構建更長的序列。
有意思的是，官方在 1.1 與 1.2 的首尾幀對比中坦誠指出了細微差異，比如屋頂上的貓、湯勺變成筷子等。這說明一致性是“明顯改善”而非“徹底解決”，對細節敏感的場景依然需要人工檢查。
變化四：Gemini Omni 1.2 Flash 的多輪對話式編輯
這是本次更新對工作流影響最大的一項。你可以對同一段視頻逐輪修改，比如替換產品或背景、改變燈光或天氣、切換畫幅比例，而不必從頭重新生成。官方示例從一段生成視頻出發，連續五輪更換背景，兩位角色的表演、盔甲反光和鏡頭構圖都保持不變。
多輪編輯覆蓋完整 15 秒片段，官方給出的典型用途是爲不同受衆和投放位置批量做廣告變體。另一個示例是“動作遷移”：第一輪生成一隻擺動的章魚，第二輪替換成一位舞者，舞裙復刻了章魚的流體運動。
變化五：更自然的語音與多人對話
1.2 Flash 的對話更流暢，口型同步更清晰，並支持區分多個說話人。官方示例用一張場景圖配合四組角色、口型和 1 秒語音參考，讓每段採樣聲音分配到正確的角色。
需要區分的是，官方在這一節提到的落地形態大多是 Google 應用：Flow 裏的多角色對話、Gemini for business 裏的講解視頻、Google Vids 裏帶虛擬形象和旁白的成片。語音能力在 API 層面如何調用、參數怎麼傳，發佈文章沒有說明。
變化六：更可控的連續鏡頭運動
官方稱複雜的連續運鏡（FPV 穿越、戲劇性拉遠、環繞）中，非預期的跳切明顯減少，比例更穩定。示例包括依據兩張建築照片完成一條從廣場穿過銅門、上升到萬神殿穹頂的無剪輯 FPV 飛行，以及一個 10 秒從海岸特寫拉到島嶼全景的連續鏡頭。
Gemini Omni 1.2 Flash 的成本工作流如何運作
降價 30% 只是一部分，官方更強調的是一套“控制總成本”的工作流：低分辨率快速出稿 → 用多輪編輯修細節 → 只對最終滿意的版本做放大。這和過去“不滿意就整段重生成”的做法相比，能顯著減少廢片開銷。
在 Google AI Studio 裏，這個模型的卡片顯示的是 token 價：輸入每 100 萬 tokens 1.50 美元、文本輸出每 100 萬 tokens 9 美元、視頻輸出每 100 萬 tokens 12 美元。這和上文「每秒 0.07 美元」是同一筆賬，只是計費單位不同。官方定價頁按 720p 每秒 5,792 個輸出 tokens 折算成秒價，其他分辨率也一併給出：
- 360p：每秒 1,931 個輸出 tokens，約 0.023 美元/秒
- 720p：每秒 5,792 個輸出 tokens，約 0.07 美元/秒
- 1080p（升採樣）：每秒 8,688 個輸出 tokens，約 0.104 美元/秒
- 4K（升採樣）：每秒 17,376 個輸出 tokens，約 0.209 美元/秒
按 720p 的單價，單段成本大致是這樣：
| 時長 | 720p 單段成本（0.07 美元/秒） | 典型用途 |
|---|---|---|
| 3 秒 | 約 0.21 美元 | 鏡頭測試、動態封面 |
| 6 秒 | 約 0.42 美元 | 短信息流廣告 |
| 10 秒 | 約 0.70 美元 | 產品亮點展示 |
| 15 秒 | 約 1.05 美元 | 完整廣告、產品講解 |
多輪編輯每一輪是否按完整時長計費，發佈文章沒有說明，這會直接決定“編輯比重生成更省錢”的幅度。建議在小規模試用時記錄每輪的實際扣費。
視頻生成的另一大成本是提示詞反覆試錯。很多團隊會先用文本大模型把創意 brief 拆成分鏡腳本和逐輪編輯指令，再交給視頻模型執行，以減少無效生成。最簡版本用 OpenAI 兼容接口調用文本模型，一次產出多輪編輯提示詞：
- 裝好 SDK：在 Python 裏
import openai，再用openai.OpenAI(api_key="YOUR_API_KEY", base_url="https://api.apiyi.com/v1")建客戶端。base_url 指向 API易 的 OpenAI 兼容接口，Key 用控制檯裏的那把。 - 選寫提示詞的模型：把
YOUR_TEXT_MODEL換成平臺模型列表裏可用的 Gemini、GPT 或 Claude 文本模型。這一步只負責寫提示詞，視頻模型另外調用。 - 把 brief 作爲一條 user 消息發出去：
messages=[{"role": "user", "content": "爲一段 15 秒運動鞋廣告寫 4 輪編輯指令：換背景、換天氣、換燈光、切 9:16"}]，連同模型 ID 一起傳給client.chat.completions.create(...)。 - 讀回結果：
print(resp.choices[0].message.content)就是那幾輪指令，按順序一輪一輪餵給視頻模型，讓後一輪在前一輪的成片上改，而不是整段重生成。
想讓同一份腳本服務不同 brief，就看下面這版固定了輸出結構的寫法。
- 寫系統提示詞：用 Python 字符串定義，讓模型扮演視頻廣告分鏡師，只輸出 JSON，三個鍵分別是
duration_sec（3 到 15 的整數）、base_prompt（首輪生成提示詞）、edit_turns（第 2 輪及之後的編輯指令）。再加一條規則：每輪只改一個變量（背景、產品、燈光、天氣或畫幅），角色和鏡頭不變。 - 定義函數
build_video_plan(brief, variants, model="YOUR_TEXT_MODEL")，入參是創意 brief 和想要的變體列表。 - 拼 user 消息：用 f-string，把 brief 接在
創意簡報：後面，把變體用逗號拼在需要的變體：後面。 - 一次發兩條消息給文本模型：系統提示詞放
system，拼好的字符串放user，並加response_format={"type": "json_object"}，讓回覆能直接解析成 JSON。 - 解析並收斂時長：先
plan = json.loads(resp.choices[0].message.content)，再plan["duration_sec"] = max(3, min(15, int(plan.get("duration_sec", 15))))，因爲這個模型的時長是 3 到 15 秒、按 1 秒步進。 - 拿真實 brief 跑一次：比如「跑步鞋新品，城市晨跑，強調輕量與回彈」，變體給「雨天街道」「黃昏海邊」「切換 9:16 豎屏」，用
json.dumps(plan, ensure_ascii=False, indent=2)打印出來。 - 交給視頻模型：把
base_prompt和edit_turns傳給你用的視頻 API，按順序執行每一輪。批量跑很多輪之前，先記下每輪實際扣費。
🚀 快速上手建議：分鏡和編輯指令的生成適合交給文本模型批量完成。你可以通過 API易 apiyi.com 用同一個 API Key 對比不同文本模型寫提示詞的質量，新用戶有免費測試額度。需要說明的是，Gemini Omni 視頻模型本身請以 Google 官方渠道爲準；API易 是否已接入該視頻模型，請以平臺模型列表爲準。
Gemini Omni 1.2 Flash 對開發者的影響分析
區分 Gemini Omni 1.2 Flash 的 API 能力與 Google 應用功能
官方文章把 API、雲平臺和多個 Google 應用混在一起介紹，評估時很容易誤判“某個功能能不能用 API 調”。下表按渠道拆開，便於對照。
| 渠道 | 面向人羣 | 官方描述的能力 | 選型注意 |
|---|---|---|---|
| Gemini API / Google AI Studio | 開發者 | GA，可在 AI Studio 原型驗證，有交互式 starter apps 和開發者文檔 | 具體參數、模型 ID、速率限制需查官方文檔 |
| Google Cloud 控制檯 | 企業 | GA，企業級基礎設施與安全，Provisioned Throughput | 適合有 SLA 和批量需求的團隊 |
| Flow | 創作者 | 場景導演、多輪編輯、多角色對話 | 應用內功能，不等同於 API 能力 |
| Google Vids | Google 賬號 / Workspace 用戶 | 15 秒片段，無額外費用 | 應用內功能，適合非技術團隊試效果 |
| Gemini 應用 | Google AI Ultra 訂閱用戶 | 15 秒視頻，逐步推送中 | 推送節奏可能因地區和賬戶而異 |
| Google Ads | 廣告投放團隊 | 擴展視頻營銷活動 | 面向投放場景 |
| 文本輔助（分鏡/提示詞） | 開發者 | 非 Omni 官方渠道，用文本模型生成腳本與編輯指令 | 可通過 API易 apiyi.com 等平臺調用多種文本模型 |
對應用開發者的影響
- 工作流設計會變化：多輪編輯讓“生成一次、編輯多次”成爲可行模式，產品裏可以設計類似聊天的視頻修改界面，而不是每次都讓用戶重寫完整提示詞。
- 成本模型需要重算：按秒計費加 1 秒粒度的時長設定，配合低分辨率草稿，單位成本有下降空間，但編輯輪次的計費規則必須先弄清。
- 合規更省心：SynthID 水印默認內嵌，對需要標識 AI 生成內容的平臺是加分項。
對內容創作者和產品負責人的影響
- 電商與品牌素材最受益：參考遵循和一致性的提升，正好對應虛擬試穿、商品 360 度展示、多版本廣告變體這幾類高頻需求。
- 短板場景暫緩重押：官方明確說快速體育動作、快速的腳本變化、複雜物理仍在改進，體育、動作類內容和強物理交互的鏡頭暫不適合作爲主力方案。
Gemini Omni 1.2 Flash 選型自查清單
官方示例都是精心挑選的展示案例，獨立的效果測試目前還很少。以下事項建議在你自己的素材上逐一驗證後，再決定是否納入方案。
| 驗證項 | 爲什麼要測 | 建議做法 |
|---|---|---|
| 參考一致性 | 官方示例不等於你的產品圖和角色設定 | 用自有產品圖、帶文字的包裝做 10–20 次生成，統計變形率 |
| 快速運動與複雜物理 | 官方承認的短板 | 專門準備跑跳、碰撞、液體等鏡頭測試 |
| 多輪編輯的穩定性 | 輪次越多越可能累積漂移 | 連續編輯 5 輪以上，檢查角色與構圖是否保持 |
| 編輯計費規則 | 決定實際省錢幅度 | 小額試用，記錄每輪扣費 |
| 接口參數與速率限制 | 發佈文章未給出 | 查閱 Gemini API 開發者文檔並壓測 |
| 語音與口型 | 中文等非英語對白效果未知 | 用目標語言做多人對話測試 |
常見問題 FAQ
Q1：什麼是 Gemini Omni 1.2 Flash？
Gemini Omni 1.2 Flash 是 Google 於 2026-11-05 發佈並 GA 的視頻生成模型，主打快速、低成本，支持 3–15 秒原生視頻、多種參考輸入和多輪對話式編輯，720p 定價爲每秒 0.07 美元。
Q2：Gemini Omni 1.2 Flash 和 1.1 有什麼區別？
1.1 最長 10 秒，1.2 提升到 15 秒並可按 1 秒設定；價格下降 30%；新增多輪對話編輯；參考遵循、首尾幀一致性、語音口型和連續運鏡都有改善；同時首次達到 GA，並提供 Provisioned Throughput。
Q3：Gemini Omni 1.2 Flash 現在可以用了嗎？
可以。它已在 Gemini API 和 Google Cloud 上 GA，開發者可在 Google AI Studio 原型驗證。Google Vids、Flow、Google Ads 同步上線，Gemini 應用則正向 Google AI Ultra 訂閱用戶逐步推送。
Q4：Gemini Omni 1.2 Flash 最適合哪些場景？
– **電商虛擬試穿與商品展示**：用模特照和產品圖生成試穿、360 度展示片段
– **廣告變體批量生產**：一段素材多輪編輯，產出不同背景、天氣、畫幅的版本
– **產品講解與科普短片**：15 秒內完成多鏡頭講解，官方示例中標註文字拼寫準確
– **連續運鏡的空間展示**：建築、景區的 FPV 穿越與拉遠鏡頭
Q5：能通過 API易 調用 Gemini Omni 1.2 Flash 嗎？
API易 已提供 Gemini 系列文本模型的接入，但 Gemini Omni 視頻模型目前請以平臺的模型列表爲準，本文不作承諾。在等待期間，你可以先通過 API易 apiyi.com 調用文本模型生成分鏡腳本和多輪編輯指令，視頻生成本身走 Google 官方渠道，兩者組合使用。
Q6：Gemini Omni 1.2 Flash 有哪些已知限制？
官方承認快速體育動作、快速的腳本變化和複雜物理仍在改進中；首尾幀示例裏也能看到細微的細節偏差。此外，API 參數、模型 ID 和速率限制發佈文章沒給，需要查官方文檔；放大到 1080p 約 0.104 美元/秒、4K 約 0.209 美元/秒，定價頁上都能查到。
Q7：如何降低視頻生成的提示詞試錯成本？
先用文本模型把 brief 拆成結構化分鏡和“每輪只改一個變量”的編輯指令，再交給視頻模型執行，能明顯減少廢片。藉助 API易 apiyi.com 的統一接口，可以快速對比不同文本模型寫提示詞的效果，選出最適合你業務的那個。
Gemini Omni 1.2 Flash 核心要點 Key Takeaways
- 時長升級：最長 15 秒，3–15 秒按 1 秒設定，一次生成完整廣告
- 價格下調：720p 每秒 0.07 美元，較 1.1 降價 30%
- 省錢工作流：低分辨率草稿 + 多輪編輯 + 只放大最終版
- 參考更穩：圖像、≤3 秒動作片段、音頻共同約束，跨機位保持一致
- 首次 GA：支持 Provisioned Throughput，輸出內嵌 SynthID 水印
- 短板明確：快速運動、複雜物理仍需謹慎，務必用自有素材實測
- 輔助鏈路：分鏡與編輯指令可經 API易 apiyi.com 調用文本模型批量生成
總結：Gemini Omni 1.2 Flash 值得現在評估嗎
Gemini Omni 1.2 Flash 的核心要點：
- 規格實打實提升：15 秒時長、1 秒粒度、降價 30%、首次 GA，可以直接寫進技術方案
- 多輪編輯改變工作流：從“整段重生成”轉向“逐輪修改”，對廣告變體和電商素材價值最大
- 效果改進需要實測：一致性、口型、運鏡的進步來自官方示例，在你的素材上表現如何，還要自己驗證
如果你正在做電商、品牌廣告或產品講解類視頻，現在就值得在 Google AI Studio 裏拿自有素材跑一輪對比；如果主要內容是體育、高速動作或強物理交互，可以先觀望後續版本。
在評估過程中，推薦通過 API易 apiyi.com 用同一個 Key 調用多種文本模型來生成分鏡和編輯指令，把提示詞試錯成本先降下來，平臺提供新用戶免費測試額度。
📚 參考資料
- Google 官方博客 – Gemini Omni 1.2 Flash 發佈文章：本文全部事實來源
- 鏈接：
blog.google/innovation-and-ai/technology/developers-tools/introducing-gemini-omni-1-2-flash/ -
說明： 包含時長、價格、參考輸入、多輪編輯、可用渠道和已知短板的官方描述
-
Google AI Studio：Gemini API 原型驗證入口
- 鏈接：
aistudio.google.com - 說明： 官方推薦的開發者試用渠道，可查看 starter apps 與開發者文檔
作者: APIYI 技術團隊
技術交流: 歡迎在 API易 apiyi.com 網站首頁聯繫我們，更多接入資料可訪問 docs.apiyi.com 文檔中心
