想用 Gemini Omni 1.2 Flash 製作動畫短鏡頭，先確認三件事：它已於 2026 年 11 月 5 日正式推出、API 採付費計價、15 秒上限並不適用所有任務。 穩定版模型 ID 為 gemini-omni-1.2-flash，可生成帶原生音訊的影片，並透過對話逐輪編輯。
本文於 11 月 6 日查核 Google 公告、模型規格及開發指南。內容依官方文件整理，費用為試算；AniKuku 未實際付費生成，也未獨立驗證 Google 展示的畫質與一致性改善。
API 開放與應用程式上線要分開看
Gemini Developer API 已正式提供 1.2，僅限付費層級，沒有 API 免費額度。AI Studio 是原型開發入口，不代表影片生成免付費。Flow、Vids、Gemini 應用程式和 Google Cloud 的推出進度、方案與地區條件各有不同，不能只看產品示範就認定 API 也支援同一項輸入。
請先查可用地區和專案的現行配額。名單列有臺灣、日本與韓國，未列中國大陸與香港；帳號資格和任務限制仍須逐項確認。
生成、首尾影格、編輯與延長的片長限制
| 製作方式 | Gemini API 的文件限制 |
|---|---|
| 生成新影片 | 3–15 秒，以整秒設定；未指定時為 10 秒 |
| 首尾影格插補 | 3–10 秒；同時提供兩端影格卻要求超過 10 秒會報錯 |
| 編輯既有影片 | 輸入影片最長 15 秒，可透過 Interactions API 接續對話 |
| 延長影片 | 每輪增加 3–10 秒，完成後總長最多 30 秒 |
| 延長時的參考範圍 | 使用原片最後 10 秒，只能往片尾延伸 |
影片為 24 fps，預設解析度 720p，也提供 360p；1080p 與 4K 為放大輸出，不應寫成原生 4K 生成。可選橫式 16:9 或直式 9:16。
所有片長最多可使用六張參考圖片。新生成影片若為 11–15 秒，只能搭配一段最長三秒的參考影片；3–10 秒則最多三段，每段不超過三秒。參考影片的聲音會被忽略，且影片參考不適用編輯或延長任務；參考圖片可用於這些任務。
目前 API 不接受上傳音訊或音訊參考，也不支援聲音編輯。公告中的音訊條件示範不能直接當成 API 功能。文件另指出，歐洲經濟區、瑞士及英國目前無法編輯或延長自行上傳的影片；模型生成的影片則支援這兩種操作。
約 US$0.07／秒，算的是哪一部分？
依官方 Standard 費率，影片輸出為 US$12／百萬 token，文字／圖片／影片輸入為 US$1.50／百萬 token，含思考 token 的文字輸出為 US$9／百萬 token。這些是 API 美元單價，與個人訂閱方案或應用程式點數不同。
720p 每秒按 5,792 個影片 token 換算：
5,792 × US$12 ÷ 1,000,000 = US$0.069504／輸出秒
| 720p 影片長度 | 僅影片輸出費用 |
|---|---|
| 5 秒 | US$0.34752 |
| 10 秒 | US$0.69504 |
| 15 秒 | US$1.04256 |
以上是依公開費率計算的例子，並非實測帳單或整次請求報價。輸入、其他輸出 token、追加編輯和重做都需要另編預算。依文件的 token 數換算，360p 約 US$0.023／秒，放大至 1080p 約 US$0.104／秒，放大至 4K 約 US$0.209／秒；大量生成前應核對實際用量與當時費率。
例如，假設生成 100 段五秒的 720p 影片，單算影片輸出共 US$34.752；若只有 50 段採用，每段可用影片分攤的這部分費用為 US$0.69504。五成採用率是假設情境，不是模型評測，也未計剪輯工時和其他費用。
做一個短鏡頭，再測一次局部修改
官方端點為 POST https://generativelanguage.googleapis.com/v1beta/interactions。以下請求主體依文件格式撰寫，尚未實際送出生成，使用時須有自己的合資格付費專案與驗證資訊。範例採英文指令，因為指南明確支援並評估英文，其他語言仍需另測。
{
"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"
}
}
取得結果後先看片，再把 interaction ID 填入下一輪的 previous_interaction_id，只要求將雨天換成晴天，保留角色、包裹與攝影機位置。若要沿用該 ID 編輯，不要設 store=false。大型影片請依指南使用 URI 交付方式，不要假設結果一定放在內嵌 base64 欄位。
參考圖的用途用自然語言說清楚，不要再貼已棄用的 <FIRST_FRAME> 等控制標籤。Google 建議先讓模型根據指令判斷任務，必要時才以 video_config.task 指定；後者會收緊輸入條件。
檢視片頭、中段與片尾的人物、服裝、手部接觸、運鏡與對嘴，記錄設定、用量及淘汰原因。中文對白與畫面文字另行測試；五語文章不代表模型的五語生成品質已獲驗證。前期製作可參考劇本轉分鏡流程。若要比較另一種收費方式，可看 Seedance API 成本指南，不要混用兩家的費率。
1.1 使用者須留意 12 月 3 日
更新紀錄說明四週過渡期：2026 年 12 月 3 日起，gemini-omni-1.1-flash 請求自動轉至 1.2，並按 1.2 費率計價。建議提前指定新 ID，以既有素材與提示詞檢查任務、參考處理、對白、影片交付及實際用量。自動轉換並不保證結果完全相同；早期的 gemini-omni-flash-preview 已停用。
更多選型角度見影片模型比較。本文介紹 Google API，不表示 AniKuku 已整合此模型。封面是原創概念插畫，並非 Omni 生成樣片。