Gemini Omni 1.2 Flash 视频生成教程:3 档分辨率按秒成本、官方门槛与接入前 5 项确认

摘要:Gemini Omni 1.2 Flash 能生成 3~15 秒、带原生音频的视频。走 Google 官方需要付费档和受支持地区。按公开价格换算,720p 每秒约 $0.07,10 秒一段约 $0.70。

结论先行:Gemini Omni 1.2 Flash 是 Google 于 2026 年 11 月 5 日发布的视频模型,支持 3~15 秒时长、360p 到 4K 分辨率、最多 6 张参考图,并直接输出原生音频。它在 Gemini API 上没有免费档,调用前必须拥有开通结算的付费项目,且所在地区要在 Google AI Studio 与 Gemini API 的支持列表内。按视频输出每百万 token $12.00 计算,360p 每秒约 $0.023,720p 每秒约 $0.07,超分 4K 每秒约 $0.21。对多数试用场景来说,一段 8 秒 720p 视频约 $0.56,单次试错成本较低,真正的门槛在账号、结算和地区。

下文先用一张术语表扫清基础概念,再拆解模型能力和官方门槛,接着给出不同分辨率、时长组合的成本对照表和估算方法,然后说明“创建、轮询、下载”这一异步视频任务的调用形态,最后列出接入前需要逐项核实的事项。读完这些内容,你可以判断这个模型值不值得放进自己的应用或内容生产流程。

gemini-omni-1-2-flash-video-generation-cost-guide-image-0

To Know:Gemini Omni 1.2 Flash 相关术语

术语 解释
Gemini API Google 面向开发者的模型调用接口,按 token 计费
Google AI Studio Google 的网页端调试控制台,可创建 API Key、试用模型
付费档(Paid Tier) 绑定 Cloud 结算账户后才能使用的计费等级,与免费档相对
Cloud 结算 Google Cloud 的计费账户,通常需要绑定信用卡
token 模型计量单位;视频输出也会按分辨率和时长折算成 token
原生音频 模型在生成画面时同步生成声音,无需额外配音步骤
参考图 生成时提供的图片,用来约束人物、物体或风格的一致性
文生视频 / 图生视频 分别以文字提示词、图片加提示词作为输入生成视频
超分 4K 先生成较低分辨率再放大到 4K 的处理方式,计费按 4K 档
异步任务 提交请求后先拿到任务 ID,等后台生成完成再取结果
轮询 每隔一段时间查询任务状态,直到完成或失败
Interactions API Google 自有接口,提供视频对话式编辑、续写等能力
OpenAI 兼容接口 第三方平台按 OpenAI SDK 的请求格式封装的接口,便于复用代码

1 Gemini Omni 1.2 Flash 核心要点:能做什么

1.1 Gemini Omni 1.2 Flash 能力边界

下表汇总目前公开资料中的核心参数。这些参数来自第三方平台对 Google 发布信息的整理,正式接入前应在 Google 官方发布页再核对一次。

维度 参数 对开发者的意义
发布时间 2026 年 11 月 5 日 属于新模型,价格与可用性仍可能调整
视频时长 3~15 秒 适合短视频片段、广告镜头、产品演示,长视频需拼接
分辨率 360p 到 4K(4K 为超分) 预览用低分辨率,成片再用高分辨率,可控成本
参考图 最多 6 张 可锁定角色外观、商品细节或画面风格
音频 原生音频 环境音、音效与画面同步生成,减少后期工序
免费档 无 必须先开通付费项目才能调用

1.2 Gemini Omni 1.2 Flash 的能力归属:哪些只在 Google 自有接口

文生视频和图生视频是最基础的两种模式,第三方 OpenAI 兼容平台通常也会覆盖。对话式编辑(基于上一段视频继续用自然语言修改)和视频续写属于 Google Interactions API 的功能。

这一区分对选型影响很大。如果你的产品需要“生成后让用户一句话改镜头”,就要直接使用 Google 自有接口;如果只是批量生成独立片段,任务式接口已经足够。

gemini-omni-1-2-flash-video-generation-cost-guide-image-1

2 Gemini Omni 1.2 Flash 官方门槛:走 Google 要满足的条件

2.1 付费档与 Cloud 结算

Google 价格页上 Gemini Omni 1.2 Flash 的免费档标注为“Not available”。调用前需要一个开启结算的 Gemini API 项目,也就是开通 Google Cloud 结算并绑定信用卡。

对国内开发者而言,这一步的实际难点通常是可用的境外支付方式和 Google 账号。团队使用时,还要提前规划谁持有结算账户、如何设置预算告警,避免测试脚本循环调用产生意外账单。

2.2 地区限制与报错识别

Google AI Studio 和 Gemini API 只在支持的地区开放。不在支持列表内的地区,AI Studio 无法打开,API 调用会返回“User location is not supported for the API use”。

遇到这个报错时,问题出在请求来源地区,更换 Key 或修改参数都无法解决。Google 的支持地区列表会动态更新,接入前请以官方文档中的最新列表为准。

2.3 Gemini Omni 1.2 Flash 官方事实与第三方自述的区分

市面上已有第三方平台宣布将接入该模型,它们的介绍里混合了 Google 的官方信息和平台自身的服务说明。下表把两类信息拆开,方便你判断哪些可以直接引用,哪些要向平台本身确认。

信息 类别 说明
发布日期、时长、分辨率、参考图数量、原生音频 Google 官方信息(经第三方转述) 以 Google 发布页为准
无免费档、需付费项目 Google 官方价格页 以 Gemini API 价格页为准
每百万 token 价格、每秒 token 折算 Google 官方价格页 以 Gemini API 价格页为准
对话式编辑、续写归属 Interactions API Google 自有接口能力 以 Google 文档为准
模型 ID gemini-omni-1.2-flash 第三方平台自述 各平台命名可能不同,需逐一确认
/v1/videos 任务接口、seconds / size 参数 第三方平台自述 属于 OpenAI 兼容封装,非 Google 原生格式
充值方式、起充金额、余额不足返回 402 第三方平台自述 仅适用于该平台
“已上线 / 即将上线” 第三方平台自述 截至该平台发文时尚未上线,需实时确认

3 Gemini Omni 1.2 Flash 成本估算:按秒、按段换算

3.1 官方计价结构

Gemini API 对该模型按 token 计价,每百万 token 的价格如下:输入 $1.50,视频输出 $12.00,文字输出 $9.00。视频输出 token 按分辨率和秒数折算:

  • 360p:每秒 1,931 token,约每秒 $0.023
  • 720p:每秒 5,792 token,约每秒 $0.07
  • 超分 4K:每秒 17,376 token,约每秒 $0.209

换算公式很直接:单段视频输出成本 = 每秒 token 数 × 秒数 × $12 ÷ 1,000,000。以 720p、10 秒为例,5,792 × 10 × 12 ÷ 1,000,000 ≈ $0.695。

3.2 Gemini Omni 1.2 Flash 分辨率 × 时长成本对照表

下表按官方视频输出单价计算,只含视频输出部分,四舍五入到小数点后三位。

时长 360p(1,931 token/秒) 720p(5,792 token/秒) 超分 4K(17,376 token/秒)
3 秒 $0.070 $0.209 $0.626
5 秒 $0.116 $0.348 $1.043
8 秒 $0.185 $0.556 $1.668
10 秒 $0.232 $0.695 $2.085
15 秒 $0.348 $1.043 $3.128

可以看到,同样时长下 4K 约为 720p 的 3 倍、360p 的 9 倍。公开资料中没有给出 1080p 的 token 折算值,需要该档位时请查官方价格页。

gemini-omni-1-2-flash-video-generation-cost-guide-image-2

3.3 估算时容易漏掉的三项开销

上表只覆盖视频输出。实际账单还要考虑以下几部分:

  1. 输入 token:提示词和参考图按每百万 token $1.50 计费。最多 6 张参考图的 token 数取决于官方的图片折算规则,公开资料未给出具体数值。
  2. 重试成本:生成结果不满意需要重跑,预算应按“单段成本 × 平均尝试次数”计算。目前没有公开的失败率或采纳率数据,建议先用小批量任务实测。
  3. 分辨率策略:先用 360p 调提示词和镜头,确定后再出 720p 或 4K,能明显压低试错费用。8 秒片段在 360p 下试 5 次约 $0.93,接近 720p 跑 2 次的花费。

4 Gemini Omni 1.2 Flash 快速上手:异步视频任务调用流程

4.1 异步任务的三个阶段

视频生成耗时远长于文本补全,因此普遍采用异步任务形态。一次完整调用分三步:

  1. 创建任务:提交模型、提示词、时长、分辨率等参数,接口立即返回任务 ID 和初始状态(如 queued)。
  2. 轮询状态:按固定间隔查询任务,状态依次经历 queued、in_progress,最终变为 completed 或 failed。
  3. 下载结果:状态为 completed 后,通过内容接口取回视频文件。

gemini-omni-1-2-flash-video-generation-cost-guide-image-3

4.2 OpenAI 兼容格式的调用示例

下面的代码使用 OpenAI SDK 的 videos 接口,参数名来自第三方平台公开的 OpenAI 兼容格式。base_url 和模型 ID 请替换为你实际使用的服务所提供的值,并先确认该服务已上线 Gemini Omni 1.2 Flash。

import os, time
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["VIDEO_API_KEY"],
    base_url=os.environ["VIDEO_API_BASE_URL"],  # 替换为实际服务地址
)

video = client.videos.create(
    model="gemini-omni-1.2-flash",   # 以服务方公布的模型 ID 为准
    prompt="一只穿着迷你宇航服的猫在空间站里漂浮,背景有轻微的环境音",
    seconds="8",
    size="1280x720",
)

while video.status in ("queued", "in_progress"):
    time.sleep(5)
    video = client.videos.retrieve(video.id)

if video.status == "failed":
    raise RuntimeError(video.error)

client.videos.download_content(video.id).write_to_file("omni.mp4")

不使用 SDK 时,对应的 HTTP 流程是:POST /v1/videos 创建任务,GET /v1/videos/{id} 轮询状态,GET /v1/videos/{id}/content 下载视频。图生视频通过 input_reference 字段传入参考图。部分服务还提供 GET /v1/models?type=video,可列出各模型支持的时长和尺寸。

查看带超时、预算预估与错误处理的完整实现
import os, time
from openai import OpenAI

# 官方视频输出折算(每秒 token),用于提交前预估成本
TOKENS_PER_SECOND = {"640x360": 1931, "1280x720": 5792}
VIDEO_OUTPUT_PRICE_PER_M = 12.00  # 美元 / 百万 token

def estimate_cost(size: str, seconds: int) -> float:
    tps = TOKENS_PER_SECOND.get(size)
    if tps is None:
        raise ValueError(f"未登记的分辨率: {size}")
    return tps * seconds * VIDEO_OUTPUT_PRICE_PER_M / 1_000_000

def generate_video(
    prompt: str,
    seconds: int = 8,
    size: str = "1280x720",
    out_path: str = "output.mp4",
    poll_interval: float = 5.0,
    timeout: float = 600.0,
    budget_usd: float = 1.0,
) -> str:
    cost = estimate_cost(size, seconds)
    if cost > budget_usd:
        raise ValueError(f"预估 ${cost:.3f} 超出单段预算 ${budget_usd}")
    print(f"预估视频输出成本: ${cost:.3f}")

    client = OpenAI(
        api_key=os.environ["VIDEO_API_KEY"],
        base_url=os.environ["VIDEO_API_BASE_URL"],
    )

    video = client.videos.create(
        model=os.environ.get("VIDEO_MODEL_ID", "gemini-omni-1.2-flash"),
        prompt=prompt,
        seconds=str(seconds),
        size=size,
    )
    print(f"任务已创建: {video.id}")

    start = time.time()
    while video.status in ("queued", "in_progress"):
        if time.time() - start > timeout:
            raise TimeoutError(f"任务 {video.id} 超时,可稍后用 ID 继续查询")
        time.sleep(poll_interval)
        video = client.videos.retrieve(video.id)
        print(f"状态: {video.status}")

    if video.status == "failed":
        raise RuntimeError(f"生成失败: {video.error}")

    client.videos.download_content(video.id).write_to_file(out_path)
    return out_path

if __name__ == "__main__":
    path = generate_video(
        prompt="清晨的咖啡店,蒸汽从杯口升起,背景有轻柔的人声与杯碟碰撞声",
        seconds=8,
        size="640x360",   # 先用 360p 调提示词
        budget_usd=0.5,
    )
    print(f"已保存: {path}")

4.3 轮询与存储的工程建议

轮询间隔设置在 5 秒左右即可,过于频繁会增加无效请求。生产环境建议把任务 ID 写入数据库,由后台任务统一轮询,这样前端刷新或进程重启都不会丢失已付费的任务。

下载后的视频应尽快转存到自己的对象存储。如果需要批量生成,可以用队列控制并发,并在提交前用 estimate_cost 一类的函数做预算校验,超额任务直接拦截。

5 Gemini Omni 1.2 Flash 接入前需确认的事

5.1 Gemini Omni 1.2 Flash 接入确认清单

确认项 走 Google 官方 走第三方兼容平台
账号与支付 Google 账号、Cloud 结算、信用卡 平台账号与充值方式
地区 所在地区在 Google 支持列表内 平台自身的服务范围
模型是否可用 价格页与模型列表中已列出 平台模型列表中已上线,模型 ID 确认
功能范围 含 Interactions API 的对话式编辑与续写 通常为文生视频、图生视频任务
价格 官方 token 单价 平台标价,与官方价对比

5.2 用小样本验证质量与耗时

目前公开资料中没有生成质量、耗时和失败率的实测数据。建议准备 5~10 条覆盖你核心场景的提示词,先在 360p、5~8 秒下跑一轮,记录每条的耗时、是否成功和是否可用,再决定高分辨率批量生成的预算。这一轮测试的视频输出成本在 $1~$2 之间。

6 常见问题 FAQ

Q1:Gemini Omni 1.2 Flash 是什么模型?

它是 Google 于 2026 年 11 月 5 日发布的视频生成模型,可生成 3~15 秒、带原生音频的视频,分辨率覆盖 360p 到 4K,最多支持 6 张参考图。

Q2:Gemini Omni 1.2 Flash 有免费额度吗?

Gemini API 价格页上该模型的免费档标注为“Not available”,需要开启结算的付费项目才能调用。

Q3:生成一段 Gemini Omni 1.2 Flash 视频大概多少钱?

按官方视频输出价,720p 每秒约 $0.07:8 秒约 $0.56,10 秒约 $0.70,15 秒约 $1.04。360p 约为其三分之一,超分 4K 约为其 3 倍。提示词和参考图的输入 token 另计。

Q4:调用时报“User location is not supported for the API use”怎么办?

这表示请求来源地区不在 Gemini API 支持列表内,与 Key 和参数无关。需要在受支持地区发起调用,或改用已上线该模型的合规服务。

Q5:能不能在生成后用对话方式修改 Gemini Omni 1.2 Flash 视频?

对话式编辑和续写是 Google Interactions API 的功能。第三方 OpenAI 兼容的 `/v1/videos` 接口一般只负责文生视频和图生视频任务,需要多轮编辑时应使用 Google 自有接口。

Q6:Gemini Omni 1.2 Flash 适合哪些场景?

适合需要声画同步的短片段:电商商品展示镜头、社交媒体短视频素材、App 内的动态封面、广告分镜预演。依赖参考图锁定角色或商品外观的场景也较为合适。

Q7:Gemini Omni 1.2 Flash 目前有哪些限制?

单段最长 15 秒,长内容需要拼接;4K 为超分输出,成本较高;没有免费档;Google 官方渠道受地区限制。生成质量、耗时和失败率暂无公开实测数据,需要自行小样本验证。

7 Gemini Omni 1.2 Flash 核心要点 Key Takeaways

  • 能力边界:3~15 秒、360p 到 4K、最多 6 张参考图、原生音频
  • 官方门槛:无免费档,需付费 Gemini API 项目与受支持地区
  • 按秒成本:360p 约 $0.023、720p 约 $0.07、超分 4K 约 $0.209
  • 常用基准:8 秒 720p 约 $0.56,10 秒 720p 约 $0.70
  • 调用形态:异步任务,创建、轮询、下载三步完成
  • 能力归属:对话式编辑与续写属于 Google Interactions API
  • 省钱策略:先 360p 调提示词,确认后再出高分辨率

8 总结:Gemini Omni 1.2 Flash 值不值得试用

Gemini Omni 1.2 Flash 的单段成本处于可以放心试错的区间,720p 一段 10 秒视频不到 1 美元,原生音频还能省掉一道配音工序。对国内开发者来说,主要障碍集中在 Google 付费档的结算要求和地区限制,以及对话式编辑只在 Google 自有接口提供。

建议的决策路径是:先确认自己能满足官方门槛,或找到已正式上线该模型的服务;再用本文的成本对照表做预算;最后以 360p 小样本测试质量和耗时,数据达标后再扩大到生产规模。模型刚发布不久,价格与可用性可能变化,每次接入前都应重新核对 Google 官方价格页。

参考资料

  1. TeamoRouter 博客:Gemini Omni 1.2 Flash 使用说明:第三方平台对发布信息、官方价格的整理及其接口说明
  2. 链接: teamorouter.com/zh/blogs/use-gemini-omni-1-2-flash-without-google-account
  3. 说明: 本文的能力参数与 token 折算数据来源,其中平台接口、充值相关内容属于平台自述

  4. Gemini API 官方价格页:Google 发布的模型计费标准

  5. 链接: ai.google.dev/gemini-api/docs/pricing
  6. 说明: 用于核对免费档状态、每百万 token 单价与分辨率折算

发表评论