什么是 Gemini Omni 1.2 Flash?

Google 正式发布视频生成与编辑模型 Gemini Omni 1.2 Flash,支持 3 至 15 秒原生音频视频,720p 约 $0.07/秒。本文解析新特性、定价与 12 月 3 日切流影响。

用 Apifox,节省研发团队的每一分钟

什么是 Gemini Omni 1.2 Flash?

免费使用 Apifox

相关推荐

最新文章

API

一体化协作平台

API 设计

API 文档

API 调试

自动化测试

API Mock

API Hub

立即体验 Apifox
目录

简要回答: Gemini Omni 1.2 Flash 是 Google 于 2026 年 11 月 5 日正式发布(GA)的视频生成与编辑模型。它支持生成 3 至 15 秒带原生音频的视频片段,720p 分辨率下每秒成本约为 $0.07,并通过 Interactions API 以模型 ID gemini-omni-1.2-flash 提供调用。自 2026 年 12 月 3 日起,发往 1.1 的请求将自动路由至该模型。

如果你已经在生产环境中接入了视频生成,最后这个日期尤为关键:原有的 1.1 代码可以继续运行,但在不到一个月后,实际响应请求的将换成新模型。

如果你刚开始接触这一系列,可以先了解 Gemini Omni 是什么;关于 1.1 版本的发布细节,可参考我们的 Omni 1.1 Flash 介绍文章。本文将围绕当前开发者的实际接入需求,解析 1.2 版本带来的变化。

AI Coding 交流群

如果你也在用 AI 写代码,或者正在研究 Cursor、Claude Code 这些工具,欢迎加入以下交流群。群里平时会聊一些 AI 编程的实际用法、开发工作流,还有各种新工具和新玩法。

AI Coding 交流群二维码

Gemini Omni 1.2 Flash 能做什么

Gemini Omni 1.2 Flash 接收文本、图片和视频作为输入,并返回带声音的视频。它通过同一个 API 即可完成新视频生成、多轮对话式编辑以及视频延展(extension)。你可以按 1 秒为步长选择视频时长,并为每次请求单独设置分辨率。

Google 官方发布公告列出了五项值得关注的能力:

  • 参考图遵循度(Reference adherence)。 支持传入角色、产品和风格参考图,在不同镜头角度下保持人脸、服装、包装和品牌配色一致。单次最多可传入 6 张参考图,最多支持 2 个角色、每个角色最多 3 张参考图。
  • 画面一致性(Consistency)。 Google 表示角色、物体和场景从首帧到尾帧的稳定性更好,并支持首尾关键帧插值(keyframe interpolation)。
  • 多轮编辑(Multi-turn editing)。 可在后续对话轮次中直接替换商品、更改天气或调整画面宽高比,无需从头重新生成。
  • 语音表现(Speech)。 Google 宣称对白更加自然、口型同步(lip-sync)更清晰,并支持区分不同说话人的语音控制。
  • 运镜控制(Camera control)。 支持第一视角(FPV)穿梭和环绕运镜,减少了非预期的跳切(jump cuts)。

上述画质提升均为 Google 官方表述,官方并未公布基准测试数据,建议将其作为实测方向,而非既定结论。

相比 Gemini Omni 1.1 Flash 有哪些变化

直接影响代码改动的有三点:单段视频时长上限、价格以及提示词语法。两代模型均运行在 Interactions API 上,因此迁移工作主要是修改模型名称字符串并重新验证效果。

Omni 1.1 Flash Omni 1.2 Flash
状态 上一代模型 正式版(GA)
模型 ID gemini-omni-1.1-flash gemini-omni-1.2-flash
单次最长片段 10 秒 15 秒
视频输出价格 $17.50 / 1M tokens $12.00 / 1M tokens
720p 每秒成本 约 $0.10 约 $0.07
输入价格 $1.50 / 1M tokens $1.50 / 1M tokens
视频延展时传入参考图 不支持 最多 2 张(仅限 Agent Platform)
Gemini API 免费层级 不提供 不提供

15 秒时长上限存在几项例外限制:首尾帧插值模式仍保持在 3 至 10 秒,超出范围会返回无效参数错误(invalid argument);参考视频的数量上限也会随输出时长缩减——生成 3 至 10 秒视频时最多可传 3 段参考视频,而生成 11 至 15 秒视频时只能传 1 段,且每段参考视频最长不超过 3 秒。因此,如果界面上只有一个直通 15 秒的时长滑块,在关键帧模式下就会触发报错。

文档还提醒不要在提示词中继续使用 <FIRST_FRAME> 和 <IMAGE_REF_0> 等控制标签。Google 已将这些标签列为弃用(deprecated),且未来模型不再支持,建议改用自然语言直接描述每个输入素材的作用。

Gemini Omni 1.2 Flash 各分辨率定价

Omni 按输出 token 计费,Google 的定价页面将其折算成了每秒费率。720p 视频每秒对应 5,792 个 token。下表仅包含输出 token 成本,输入 token 会在此基础上增加少量费用。

分辨率 每秒成本 5 秒片段 15 秒片段
360p $0.023 $0.12 $0.35
720p 约 $0.07 约 $0.35 约 $1.04
1080p(上采样) $0.104 $0.52 $1.56
4K(上采样) $0.209 $1.05 $3.14

Google 推荐的工作流是:先在 360p 或 720p 下生成初稿,通过多轮对话编辑修复问题(而非每次从头生成),最后再升级到 1080p 或 4K。价格数据也印证了这一策略:生成 9 段 15 秒 360p 初稿的成本,大约只相当于渲染 1 段 15 秒 4K 成片。

四步工作流示意图:先在 360p 下生成初稿,通过后续轮次编辑调整,在 720p 下检查效果,最后输出 1080p 或 4K 成片,并标注了每一步的每秒单价

预算规划时还需注意两点:第一,该模型目前未提供批处理(Batch)折扣定价;第二,我们尚未实测付费上采样(upscale)的计费细节,因此在将其纳入成本预算前,请先确认初稿升级到 1080p 或 4K 时的具体计费方式。如需了解更详细的 token 换算逻辑,可参考我们的 Omni 1.1 定价拆解文章并将单价替换为 $12.00。

可以通过哪些渠道调用 Gemini Omni 1.2 Flash

你可以通过两个 API 和四款 Google 应用使用该模型。面向开发者的接入方式包括:

  • Gemini API。 使用 Google AI Studio 签发的 API Key 调用 POST https://generativelanguage.googleapis.com/v1beta/interactions。
  • Vertex AI Studio 与 Gemini Enterprise Agent Platform。 使用 Google Cloud 项目和访问令牌调用全局 interactions 端点。Google 的视频延展文档展示了完整的请求结构。

无需编写代码的应用端入口包括:

  • Flow: 支持多轮场景编辑。
  • Google Vids: 拥有 Google 账号或 Workspace 订阅即可生成 15 秒视频片段,无额外费用。
  • Gemini 应用: 支持生成 15 秒视频,正逐步向 Google AI Ultra 订阅用户开放。
  • Google Ads: 用于视频广告素材生成。

一个最简的 Gemini API 调用示例如下:

curl -X POST "https://generativelanguage.googleapis.com/v1beta/interactions" \
  -H "x-goog-api-key: $GEMINI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gemini-omni-1.2-flash",
    "input": "A marble rolling fast along a chain reaction track, one smooth shot.",
    "response_format": {
      "type": "video",
      "duration": "3s",
      "resolution": "360p",
      "delivery": "uri"
    }
  }'

响应体是一个包含 id、status 和 steps 数组的 interaction 对象。生成的视频位于类型为 model_output 的步骤中,MIME 类型为 video/mp4。默认情况下,视频会以 base64 编码形式放在 data 字段中返回。对于超过 4MB 的视频,请设置 "delivery": "uri",随后轮询 Files API 直至文件状态变为 ACTIVE。注意一个容易踩坑的细节:即使创建请求时指定了返回 URI,后续对该 interaction 发起 GET 请求仍会返回内联的 base64 数据,因此请务必在创建响应中直接保存 URI。Omni 官方文档提供了 Python、JavaScript、Java、Go 和 REST 示例,我们的 Omni 1.1 API 指南也梳理了相同的请求流程。

如需编辑已生成的视频片段,只需在请求中传入 previous_interaction_id 和新的提示词。计划后续继续编辑的视频切勿将 store 设为 false,否则无法进行多轮追问。关于多次拼接延展的用法,可参考我们的视频延展指南;如果还在对比选型,可以阅读 Omni 1.2 Flash 与 Veo 对比。

12 月 3 日自动路由对你的应用意味着什么

自 2026 年 12 月 3 日起,Google 会将所有发往 gemini-omni-1.1-flash 的请求自动路由至 gemini-omni-1.2-flash,并按 1.2 的费率计费。接口不会报错中断,720p 视频每秒成本会下降约 30%,但处理现有提示词的底层模型已经发生了变化。

标出 2026 年 12 月 3 日的时间线图:在此之前 gemini-omni-1.1-flash 字符串运行在 1.1 模型上(720p 约 $0.10/秒),在此之后同一字符串会自动路由到 1.2 模型(约 $0.07/秒)

潜在风险在于这种静默切换可能改变生成效果,因此建议按自己的节奏提前迁移:

  1. 立即切换模型字符串。 自主选择测试与上线时间,而不是被动等待 Google 切流。
  2. 重新跑一遍存量提示词。 并排对比新旧生成结果,重点检查包含人物对白或品牌素材的场景。
  3. 更新成本估算逻辑。 代码或报表中写死的每秒 $0.10 费率在切换后将不再准确。
  4. 按模式限制时长上限。 普通生成模式可放开到 15 秒,关键帧插值模式则需限制在 10 秒以内。
  5. 移除旧版控制标签。 重写仍在使用 <IMAGE_REF_0> 等格式标签的提示词。
  6. 长视频统一使用 URI 交付。 15 秒的视频输出很容易超过 4MB 的内联返回限制。

上述切流通知发布在 Gemini API 定价页面上。如果你通过 Agent Platform 调用,请查阅对应平台的模型页面以确认其排期。

Gemini Omni 1.2 Flash 仍存在的局限与文档矛盾

Google 明确指出了三个薄弱场景:高速体育运动、剧烈切换的剧本动作以及复杂物理规律。如果你的产品依赖这些场景,请优先针对相关提示词进行测试。

此外,官方文档还列出了几项硬性限制:

  • 不支持提示词控制参数。 不支持系统指令(system instructions)、temperature、top_p、停止序列(stop sequences)和负向提示词(negative prompt)字段,排除项需直接写进正文提示词中。
  • 地区限制。 欧洲经济区(EEA)、瑞士和英国不支持对上传的视频进行编辑或延展。
  • 仅支持向后追加。 视频延展只能在片段末尾续接,无法在开头插入或修改中间部分。
  • 语言支持。 仅完整支持英语,Google 将其他语言标注为“未经测试(untested)”。
  • 内容溯源水印。 所有输出视频均带有肉眼不可见的 SynthID 水印。

Google 自己的不同文档页面之间还存在三处不一致,请以你实际部署的调用入口为准进行实测:

  • 延展后的总时长上限。 Gemini API 文档写的是总长最多 30 秒,而 Agent Platform 文档写的是最多 40 秒。
  • 音频输入。 发布公告提到了可将音频提示(audio cues)作为参考输入,但 Gemini API 文档将音频输入列为不支持。
  • 预置吞吐量(Provisioned Throughput)。 发布公告称已面向企业客户开放,但 Gemini API 文档将其列为不支持,预计该能力仅在企业端平台提供。

使用 Apifox CLI 让编程智能体测试接口

模型静默切流正是契约测试应当捕获的变更场景。你可以让编程智能体针对 Interactions API 编写测试用例并在终端执行,自己只需审阅测试结果。先完成 Apifox CLI 的一次性配置:

npm install -g apifox-cli@latest
apifox auth login --with-token <YOUR_TOKEN>
apifox skill install

随后向 Claude Code、Codex 或 Cursor 提供一条提示词:

In Apifox project <id>, create an endpoint for POST /v1beta/interactions on
generativelanguage.googleapis.com, sending x-goog-api-key from {{GEMINI_API_KEY}}.
Add a test case that requests gemini-omni-1.2-flash at 3s, 360p, delivery uri.
Assert HTTP 200, object is "interaction", status is "completed", and steps holds
a model_output entry of type video with mime_type video/mp4 and a uri.
Run it and summarize any failures.

智能体会依次读取各项 schema、校验请求载荷、写入测试用例并执行运行:

apifox cli-schema get endpoint-create
apifox cli-schema validate endpoint-create --file omni.json
apifox endpoint create --project <id> --file omni.json
apifox test-case category --project <id>
apifox cli-schema get test-case-create
apifox cli-schema validate test-case-create --file case.json
apifox test-case create --project <id> --file case.json
apifox run --test-case <caseId> --project <id> -e <envId> \
  --env-var "GEMINI_API_KEY=$GEMINI_API_KEY" \
  --timeout-request 300000 -r cli,json

每次运行都会产生真实的视频生成费用,这条测试夹具单次成本约为 $0.07,因此建议配置为每晚定时运行,而非每次提交代码都触发。为了提前验证切流影响,可以让智能体克隆一份使用 1.1 模型字符串的测试用例,在 12 月 3 日前同时运行两条用例进行对比。同样的 apifox run 命令加上 -r junit 参数即可直接接入流水线,详见我们的 Apifox CLI CI/CD 指南;关于智能体侧的配置可参考在 Claude Code 中使用 Apifox CLI。

常见问题

Gemini Omni 1.2 Flash 免费吗? API 调用不免费。Google 在 Gemini API 定价页中将该模型的输入和输出免费层级均列为“不提供(Not available)”。不过拥有 Google 账号或 Workspace 订阅的用户可以在 Google Vids 中免费生成 15 秒视频片段。

模型 ID 是什么? gemini-omni-1.2-flash,需通过 Interactions API 而非 generateContent 调用。

Gemini Omni 1.2 Flash 生成的视频最长多少秒? 单次生成支持 3 至 15 秒(以 1 秒为步长,默认 10 秒)。视频延展每次可追加 3 至 10 秒。延展后的总时长上限在 Gemini API 文档中为 30 秒,在 Agent Platform 文档中最高可达 40 秒。

12 月 3 日我的 Omni 1.1 代码会怎样? 代码会继续正常运行。发往 gemini-omni-1.1-flash 的请求会自动路由到 gemini-omni-1.2-flash 并按 1.2 费率计费,建议在此日期前重新测试现有提示词。

Gemini Omni 1.2 Flash 会生成音频吗? 会,生成的视频片段自带原生音频。但你无法通过 Gemini API 上传音频文件作为输入,参考视频中的音轨也会被忽略。

官方有公布 1.2 对比 1.1 的基准测试吗? 没有。Google 未发布任何对比跑分,建议在 12 月 3 日前用自己的业务提示词在两个版本上实测对比。