Gemini Omni 1.2 Flash 視頻生成教程:3 檔分辨率按秒成本、官方門檻與接入前 5 項確認

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。

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

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。

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

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。

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

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:

  1. 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。
  2. 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。
  3. 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:

  1. 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)。
  2. 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。
  3. 下載結果:狀態爲 completed 後,通過內容接口取回視頻文件。

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

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

  1. 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
  2. 鏈接: teamorouter.com/zh/blogs/use-gemini-omni-1-2-flash-without-google-account
  3. 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

  4. Gemini API 官方價格頁:Google 發佈的模型計費標準

  5. 鏈接: ai.google.dev/gemini-api/docs/pricing
  6. 說明: 用於覈對免費檔狀態、每百萬 token 單價與分辨率折算

發佈留言