Google 于 2026 年 11 月 5 日正式发布 Gemini Omni 1.2 Flash。 Gemini API 的稳定模型 ID 是 gemini-omni-1.2-flash，可生成带原生音频的视频，生成和编辑最长 15 秒，视频输出价格也有所降低。这次更新面向视频制作，不能用普通聊天模型的回答速度来解释它的能力。
本文于 11 月 6 日核对了官方公告、模型页和开发指南。以下是文档解读与预算演算；AniKuku 尚未付费调用该模型，也没有验证公告中的画质提升。
先分清 API 和产品入口
Gemini Developer API 的 1.2 已进入正式可用阶段，但只提供付费层级，没有 API 免费额度。AI Studio 可以用于原型开发，不代表视频调用免费。Flow、Vids、Gemini 应用和 Google Cloud 各有自己的开放节奏、套餐和地区条件，不能把某个产品中的演示直接当作 API 已开放的参数。
使用前检查支持地区和项目的实际配额。当前名单列有日本、韩国和台湾，未列中国大陆和香港；正式发布也不代表所有账户都能立即使用全部任务。
“最长 15 秒”不是所有任务的统一上限
| 想做的事 | Gemini API 当前限制 |
|---|---|
| 生成新视频 | 3–15 秒，按整秒指定；默认 10 秒 |
| 同时指定首帧和尾帧 | 3–10 秒；两帧输入配超过 10 秒会报错 |
| 编辑已有视频 | 输入不超过 15 秒，通过 Interactions API 多轮修改 |
| 续接视频 | 每轮追加 3–10 秒，总长不超过 30 秒 |
| 续接时使用的上下文 | 读取输入末尾 10 秒，只能往末尾追加 |
输出为 24 fps，默认 720p，也可选择 360p；1080p 和 4K 通过超分辨率放大获得，不是原生 4K 生成。画幅支持横屏 16:9 与竖屏 9:16。
参考素材也要随输出时长调整：所有时长最多使用六张参考图；生成 11–15 秒视频时，只能加入一段不超过三秒的参考视频；生成 3–10 秒时，最多三段，每段不超过三秒。参考视频里的音频会被忽略，而且视频参考只用于新视频生成，不能套用到编辑和续接；参考图可用于这些任务。
当前 API 不支持上传音频、音频参考或声音编辑。公告展示了更广泛的声音条件演示，但不能据此承诺 API 支持同样输入。另外，欧洲经济区、瑞士和英国目前不能编辑或续接自行上传的视频；模型生成的视频仍支持这两类操作。
API 价格怎么算，$0.07/秒是不是总价？
官方 Standard 价格为：视频输出 $12／百万 token，文本／图片／视频输入 $1.50／百万 token，文本输出含思考 token $9／百万 token。这是美元 API 单价，与 Gemini 应用的订阅或积分不同。
Google 按每秒 720p 视频 5,792 个 token 换算：
5,792 × $12 ÷ 1,000,000 = $0.069504／输出秒
| 720p 输出时长 | 仅视频输出费用 |
|---|---|
| 5 秒 | $0.34752 |
| 10 秒 | $0.69504 |
| 15 秒 | $1.04256 |
这些是按公布单价计算的例子，不是实测账单或包干价。输入、其他输出 token、后续编辑和多次尝试都要另计预算。按官方 token 换算，360p 输出约 $0.023／秒，超分 1080p 约 $0.104／秒，超分 4K 约 $0.209／秒；批量制作前以实际 usage 和现行计费为准。
假设生成 100 条五秒 720p 视频，视频输出本身合计 $34.752；若最终只采用 50 条，这部分费用就是每条成片 $0.69504。50% 采用率只是教学假设，不代表模型测试结果，也未包含剪辑工时和其他收费。
漫剧试做：先做短镜头，再只改一个变量
官方入口是 POST https://generativelanguage.googleapis.com/v1beta/interactions。下面是遵循文档格式的请求体示例，需要使用自己的合资格付费项目并完成鉴权；本示例未执行生成。提示词用英文，是因为指南明确评估并支持英文，其他语言效果仍需自行检验。
{
"model": "gemini-omni-1.2-flash",
"input": "One continuous shot. An adult courier in a rust-red jacket holds a blue parcel at a rainy station. The courier looks toward the arriving train and stays still. Soft rain and distant station ambience. No cuts.",
"response_format": {
"type": "video",
"duration": "5s",
"resolution": "720p",
"aspect_ratio": "16:9"
}
}
先查看返回视频，再把 interaction ID 作为下一轮的 previous_interaction_id，只要求把天气改晴，同时保留人物、包裹和机位。需要沿用 ID 继续编辑时，不要设置 store=false。较大视频按指南使用 URI 交付流程，不能假定所有结果都以内联 base64 返回。
用自然语言说清每张图负责角色、场景还是首帧；不要把已弃用的 <FIRST_FRAME> 等控制标签贴进提示词。Google 建议先让模型按自然语言选择任务，只有选择不符预期时再用 video_config.task，因为它会增加更严格的输入约束。
审核时检查开头、中段和结尾的人脸、服装、手与道具接触、机位连续性和口型，每轮只改一个变量，记录设置、用量和弃用原因。中文台词及字幕要单独测试；本文有五种语言，不等于模型在五种语言上都经过质量验证。镜头怎样从剧本交付，可接着看剧本转分镜流程。想对照另一种计费方式，可看 Seedance API 成本指南，但不要把其价格套给 Omni。
旧版 1.1 什么时候自动迁移？
官方更新日志给出四周过渡期：2026 年 12 月 3 日起，gemini-omni-1.1-flash 请求将自动路由到 1.2，按 1.2 价格收费。建议提前显式使用新 ID，拿保存的素材和提示词复验任务行为、参考素材、对白、交付和实际用量。自动路由不代表输出完全相同；更早的 gemini-omni-flash-preview 已停用。
视频模型总览提供其他方案的选择框架。本文说明 Google API，不代表 AniKuku 已接入该模型。封面为原创概念插画，并非 Omni 生成样片。