摘要:Gemini Omni 1.2 Flash 能生成 3~15 秒、帶原生音頻的視頻。走 Google 官方需要付費檔和受支持地區。按公開價格換算,720p 每秒約 $0.07,10 秒一段約 $0.70。
結論先行:Gemini Omni 1.2 Flash 是 Google 於 2026 年 11 月 5 日發佈的視頻模型,支持 3~15 秒時長、360p 到 4K 分辨率、最多 6 張參考圖,並直接輸出原生音頻。它在 Gemini API 上沒有免費檔,調用前必須擁有開通結算的付費項目,且所在地區要在 Google AI Studio 與 Gemini API 的支持列表內。按視頻輸出每百萬 token $12.00 計算,360p 每秒約 $0.023,720p 每秒約 $0.07,超分 4K 每秒約 $0.21。對多數試用場景來說,一段 8 秒 720p 視頻約 $0.56,單次試錯成本較低,真正的門檻在賬號、結算和地區。
下文先用一張術語表掃清基礎概念,再拆解模型能力和官方門檻,接着給出不同分辨率、時長組合的成本對照表和估算方法,然後說明“創建、輪詢、下載”這一異步視頻任務的調用形態,最後列出接入前需要逐項覈實的事項。讀完這些內容,你可以判斷這個模型值不值得放進自己的應用或內容生產流程。

To Know:Gemini Omni 1.2 Flash 相關術語
| 術語 | 解釋 |
|---|---|
| Gemini API | Google 面向開發者的模型調用接口,按 token 計費 |
| Google AI Studio | Google 的網頁端調試控制檯,可創建 API Key、試用模型 |
| 付費檔(Paid Tier) | 綁定 Cloud 結算賬戶後才能使用的計費等級,與免費檔相對 |
| Cloud 結算 | Google Cloud 的計費賬戶,通常需要綁定信用卡 |
| token | 模型計量單位;視頻輸出也會按分辨率和時長折算成 token |
| 原生音頻 | 模型在生成畫面時同步生成聲音,無需額外配音步驟 |
| 參考圖 | 生成時提供的圖片,用來約束人物、物體或風格的一致性 |
| 文生視頻 / 圖生視頻 | 分別以文字提示詞、圖片加提示詞作爲輸入生成視頻 |
| 超分 4K | 先生成較低分辨率再放大到 4K 的處理方式,計費按 4K 檔 |
| 異步任務 | 提交請求後先拿到任務 ID,等後臺生成完成再取結果 |
| 輪詢 | 每隔一段時間查詢任務狀態,直到完成或失敗 |
| Interactions API | Google 自有接口,提供視頻對話式編輯、續寫等能力 |
| OpenAI 兼容接口 | 第三方平臺按 OpenAI SDK 的請求格式封裝的接口,便於複用代碼 |
1 Gemini Omni 1.2 Flash 核心要點:能做什麼
1.1 Gemini Omni 1.2 Flash 能力邊界
下表彙總目前公開資料中的核心參數。這些參數來自第三方平臺對 Google 發佈信息的整理,正式接入前應在 Google 官方發佈頁再覈對一次。
| 維度 | 參數 | 對開發者的意義 |
|---|---|---|
| 發佈時間 | 2026 年 11 月 5 日 | 屬於新模型,價格與可用性仍可能調整 |
| 視頻時長 | 3~15 秒 | 適合短視頻片段、廣告鏡頭、產品演示,長視頻需拼接 |
| 分辨率 | 360p 到 4K(4K 爲超分) | 預覽用低分辨率,成片再用高分辨率,可控成本 |
| 參考圖 | 最多 6 張 | 可鎖定角色外觀、商品細節或畫面風格 |
| 音頻 | 原生音頻 | 環境音、音效與畫面同步生成,減少後期工序 |
| 免費檔 | 無 | 必須先開通付費項目才能調用 |
1.2 Gemini Omni 1.2 Flash 的能力歸屬:哪些只在 Google 自有接口
文生視頻和圖生視頻是最基礎的兩種模式,第三方 OpenAI 兼容平臺通常也會覆蓋。對話式編輯(基於上一段視頻繼續用自然語言修改)和視頻續寫屬於 Google Interactions API 的功能。
這一區分對選型影響很大。如果你的產品需要“生成後讓用戶一句話改鏡頭”,就要直接使用 Google 自有接口;如果只是批量生成獨立片段,任務式接口已經足夠。

2 Gemini Omni 1.2 Flash 官方門檻:走 Google 要滿足的條件
2.1 付費檔與 Cloud 結算
Google 價格頁上 Gemini Omni 1.2 Flash 的免費檔標註爲“Not available”。調用前需要一個開啓結算的 Gemini API 項目,也就是開通 Google Cloud 結算並綁定信用卡。
對國內開發者而言,這一步的實際難點通常是可用的境外支付方式和 Google 賬號。團隊使用時,還要提前規劃誰持有結算賬戶、如何設置預算告警,避免測試腳本循環調用產生意外賬單。
2.2 地區限制與報錯識別
Google AI Studio 和 Gemini API 只在支持的地區開放。不在支持列表內的地區,AI Studio 無法打開,API 調用會返回“User location is not supported for the API use”。
遇到這個報錯時,問題出在請求來源地區,更換 Key 或修改參數都無法解決。Google 的支持地區列表會動態更新,接入前請以官方文檔中的最新列表爲準。
2.3 Gemini Omni 1.2 Flash 官方事實與第三方自述的區分
市面上已有第三方平臺宣佈將接入該模型,它們的介紹裏混合了 Google 的官方信息和平臺自身的服務說明。下表把兩類信息拆開,方便你判斷哪些可以直接引用,哪些要向平臺本身確認。
| 信息 | 類別 | 說明 |
|---|---|---|
| 發佈日期、時長、分辨率、參考圖數量、原生音頻 | Google 官方信息(經第三方轉述) | 以 Google 發佈頁爲準 |
| 無免費檔、需付費項目 | Google 官方價格頁 | 以 Gemini API 價格頁爲準 |
| 每百萬 token 價格、每秒 token 折算 | Google 官方價格頁 | 以 Gemini API 價格頁爲準 |
| 對話式編輯、續寫歸屬 Interactions API | Google 自有接口能力 | 以 Google 文檔爲準 |
模型 ID gemini-omni-1.2-flash |
第三方平臺自述 | 各平臺命名可能不同,需逐一確認 |
/v1/videos 任務接口、seconds / size 參數 |
第三方平臺自述 | 屬於 OpenAI 兼容封裝,非 Google 原生格式 |
| 充值方式、起充金額、餘額不足返回 402 | 第三方平臺自述 | 僅適用於該平臺 |
| “已上線 / 即將上線” | 第三方平臺自述 | 截至該平臺發文時尚未上線,需實時確認 |
3 Gemini Omni 1.2 Flash 成本估算:按秒、按段換算
3.1 官方計價結構
Gemini API 對該模型按 token 計價,每百萬 token 的價格如下:輸入 $1.50,視頻輸出 $12.00,文字輸出 $9.00。視頻輸出 token 按分辨率和秒數折算:
- 360p:每秒 1,931 token,約每秒 $0.023
- 720p:每秒 5,792 token,約每秒 $0.07
- 超分 4K:每秒 17,376 token,約每秒 $0.209
換算公式很直接:單段視頻輸出成本 = 每秒 token 數 × 秒數 × $12 ÷ 1,000,000。以 720p、10 秒爲例,5,792 × 10 × 12 ÷ 1,000,000 ≈ $0.695。
3.2 Gemini Omni 1.2 Flash 分辨率 × 時長成本對照表
下表按官方視頻輸出單價計算,只含視頻輸出部分,四捨五入到小數點後三位。
| 時長 | 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,同樣時長下 4K 約爲 720p 的 3 倍、360p 的 9 倍。公開資料中沒有給出 1080p 的 token 折算值,需要該檔位時請查官方價格頁。

3.3 估算時容易漏掉的三項開銷
上表只覆蓋視頻輸出。實際賬單還要考慮以下幾部分:
- 輸入 token:提示詞和參考圖按每百萬 token $1.50 計費。最多 6 張參考圖的 token 數取決於官方的圖片折算規則,公開資料未給出具體數值。
- 重試成本:生成結果不滿意需要重跑,預算應按“單段成本 × 平均嘗試次數”計算。目前沒有公開的失敗率或採納率數據,建議先用小批量任務實測。
- 分辨率策略:先用 360p 調提示詞和鏡頭,確定後再出 720p 或 4K,能明顯壓低試錯費用。8 秒片段在 360p 下試 5 次約 $0.93,接近 720p 跑 2 次的花費。
4 Gemini Omni 1.2 Flash 快速上手:異步視頻任務調用流程
4.1 異步任務的三個階段
視頻生成耗時遠長於文本補全,因此普遍採用異步任務形態。一次完整調用分三步:
- 創建任務:提交模型、提示詞、時長、分辨率等參數,接口立即返回任務 ID 和初始狀態(如
queued)。 - 輪詢狀態:按固定間隔查詢任務,狀態依次經歷
queued、in_progress,最終變爲completed或failed。 - 下載結果:狀態爲
completed後,通過內容接口取回視頻文件。

4.2 OpenAI 兼容格式的調用示例
下面的代碼使用 OpenAI SDK 的 videos 接口,參數名來自第三方平臺公開的 OpenAI 兼容格式。base_url 和模型 ID 請替換爲你實際使用的服務所提供的值,並先確認該服務已上線 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"], # 替換爲實際服務地址
)
video = client.videos.create(
model="gemini-omni-1.2-flash", # 以服務方公佈的模型 ID 爲準
prompt="一隻穿着迷你宇航服的貓在空間站裏漂浮,背景有輕微的環境音",
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 時,對應的 HTTP 流程是:POST /v1/videos 創建任務,GET /v1/videos/{id} 輪詢狀態,GET /v1/videos/{id}/content 下載視頻。圖生視頻通過 input_reference 字段傳入參考圖。部分服務還提供 GET /v1/models?type=video,可列出各模型支持的時長和尺寸。
查看帶超時、預算預估與錯誤處理的完整實現
import os, time
from openai import OpenAI
# 官方視頻輸出折算(每秒 token),用於提交前預估成本
TOKENS_PER_SECOND = {"640x360": 1931, "1280x720": 5792}
VIDEO_OUTPUT_PRICE_PER_M = 12.00 # 美元 / 百萬 token
def estimate_cost(size: str, seconds: int) -> float:
tps = TOKENS_PER_SECOND.get(size)
if tps is None:
raise ValueError(f"未登記的分辨率: {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"預估 ${cost:.3f} 超出單段預算 ${budget_usd}")
print(f"預估視頻輸出成本: ${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"任務已創建: {video.id}")
start = time.time()
while video.status in ("queued", "in_progress"):
if time.time() - start > timeout:
raise TimeoutError(f"任務 {video.id} 超時,可稍後用 ID 繼續查詢")
time.sleep(poll_interval)
video = client.videos.retrieve(video.id)
print(f"狀態: {video.status}")
if video.status == "failed":
raise RuntimeError(f"生成失敗: {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,蒸汽從杯口升起,背景有輕柔的人聲與杯碟碰撞聲",
seconds=8,
size="640x360", # 先用 360p 調提示詞
budget_usd=0.5,
)
print(f"已保存: {path}")
4.3 輪詢與存儲的工程建議
輪詢間隔設置在 5 秒左右即可,過於頻繁會增加無效請求。生產環境建議把任務 ID 寫入數據庫,由後臺任務統一輪詢,這樣前端刷新或進程重啓都不會丟失已付費的任務。
下載後的視頻應儘快轉存到自己的對象存儲。如果需要批量生成,可以用隊列控制併發,並在提交前用 estimate_cost 一類的函數做預算校驗,超額任務直接攔截。
5 Gemini Omni 1.2 Flash 接入前需確認的事
5.1 Gemini Omni 1.2 Flash 接入確認清單
| 確認項 | 走 Google 官方 | 走第三方兼容平臺 |
|---|---|---|
| 賬號與支付 | Google 賬號、Cloud 結算、信用卡 | 平臺賬號與充值方式 |
| 地區 | 所在地區在 Google 支持列表內 | 平臺自身的服務範圍 |
| 模型是否可用 | 價格頁與模型列表中已列出 | 平臺模型列表中已上線,模型 ID 確認 |
| 功能範圍 | 含 Interactions API 的對話式編輯與續寫 | 通常爲文生視頻、圖生視頻任務 |
| 價格 | 官方 token 單價 | 平臺標價,與官方價對比 |
5.2 用小樣本驗證質量與耗時
目前公開資料中沒有生成質量、耗時和失敗率的實測數據。建議準備 5~10 條覆蓋你核心場景的提示詞,先在 360p、5~8 秒下跑一輪,記錄每條的耗時、是否成功和是否可用,再決定高分辨率批量生成的預算。這一輪測試的視頻輸出成本在 $1~$2 之間。
6 常見問題 FAQ
Q1:Gemini Omni 1.2 Flash 是什麼模型?
它是 Google 於 2026 年 11 月 5 日發佈的視頻生成模型,可生成 3~15 秒、帶原生音頻的視頻,分辨率覆蓋 360p 到 4K,最多支持 6 張參考圖。
Q2:Gemini Omni 1.2 Flash 有免費額度嗎?
Gemini API 價格頁上該模型的免費檔標註爲“Not available”,需要開啓結算的付費項目才能調用。
Q3:生成一段 Gemini Omni 1.2 Flash 視頻大概多少錢?
按官方視頻輸出價,720p 每秒約 $0.07:8 秒約 $0.56,10 秒約 $0.70,15 秒約 $1.04。360p 約爲其三分之一,超分 4K 約爲其 3 倍。提示詞和參考圖的輸入 token 另計。
Q4:調用時報“User location is not supported for the API use”怎麼辦?
這表示請求來源地區不在 Gemini API 支持列表內,與 Key 和參數無關。需要在受支持地區發起調用,或改用已上線該模型的合規服務。
Q5:能不能在生成後用對話方式修改 Gemini Omni 1.2 Flash 視頻?
對話式編輯和續寫是 Google Interactions API 的功能。第三方 OpenAI 兼容的 `/v1/videos` 接口一般只負責文生視頻和圖生視頻任務,需要多輪編輯時應使用 Google 自有接口。
Q6:Gemini Omni 1.2 Flash 適合哪些場景?
適合需要聲畫同步的短片段:電商商品展示鏡頭、社交媒體短視頻素材、App 內的動態封面、廣告分鏡預演。依賴參考圖鎖定角色或商品外觀的場景也較爲合適。
Q7:Gemini Omni 1.2 Flash 目前有哪些限制?
單段最長 15 秒,長內容需要拼接;4K 爲超分輸出,成本較高;沒有免費檔;Google 官方渠道受地區限制。生成質量、耗時和失敗率暫無公開實測數據,需要自行小樣本驗證。
7 Gemini Omni 1.2 Flash 核心要點 Key Takeaways
- 能力邊界:3~15 秒、360p 到 4K、最多 6 張參考圖、原生音頻
- 官方門檻:無免費檔,需付費 Gemini API 項目與受支持地區
- 按秒成本:360p 約 $0.023、720p 約 $0.07、超分 4K 約 $0.209
- 常用基準:8 秒 720p 約 $0.56,10 秒 720p 約 $0.70
- 調用形態:異步任務,創建、輪詢、下載三步完成
- 能力歸屬:對話式編輯與續寫屬於 Google Interactions API
- 省錢策略:先 360p 調提示詞,確認後再出高分辨率
8 總結:Gemini Omni 1.2 Flash 值不值得試用
Gemini Omni 1.2 Flash 的單段成本處於可以放心試錯的區間,720p 一段 10 秒視頻不到 1 美元,原生音頻還能省掉一道配音工序。對國內開發者來說,主要障礙集中在 Google 付費檔的結算要求和地區限制,以及對話式編輯只在 Google 自有接口提供。
建議的決策路徑是:先確認自己能滿足官方門檻,或找到已正式上線該模型的服務;再用本文的成本對照表做預算;最後以 360p 小樣本測試質量和耗時,數據達標後再擴大到生產規模。模型剛發佈不久,價格與可用性可能變化,每次接入前都應重新覈對 Google 官方價格頁。
參考資料
- TeamoRouter 博客:Gemini Omni 1.2 Flash 使用說明:第三方平臺對發佈信息、官方價格的整理及其接口說明
- 鏈接:
teamorouter.com/zh/blogs/use-gemini-omni-1-2-flash-without-google-account -
說明: 本文的能力參數與 token 折算數據來源,其中平臺接口、充值相關內容屬於平臺自述
-
Gemini API 官方價格頁:Google 發佈的模型計費標準
- 鏈接:
ai.google.dev/gemini-api/docs/pricing - 說明: 用於覈對免費檔狀態、每百萬 token 單價與分辨率折算