
Gemini Omni Flash 1.2在Google那边写作Gemini Omni 1.2 Flash,于2026年11月5日发布,距1.1只隔了十周。两代的模型形态相同:根据文字、静帧或短片段生成带同步原声的视频,再用后续提示词继续修改。这次升级没有新花样,改的是上限。单次生成最长15秒,编辑能覆盖整段片子,720p每秒的价格约便宜30%。同样支持9:16竖屏,做抖音、小红书的竖版素材时不必额外换模型。下面把两代放在一起对照。
Gemini Omni 1.2 vs 1.1:四处关键变化
第一,时长从10秒涨到15秒。1.2单次生成3到15秒,默认10秒,而1.1最长只到10秒。10秒往往只是个片段,要先延长才像一场戏。15秒刚好容得下走近、转身、到达,一次就能出更多镜头。
第二,编辑覆盖整段。在1.2里,后续指令作用于全部15秒,还能改已通过那一条的画幅比例。横版母片转竖版,不用再生成一次,改一下就行。
第三,参考素材围绕人物来组织。1.2每次请求最多6张参考图,最多2个角色,每个角色3张。1.1宣传的是最多10张图。参考视频则和输出时长挂钩:输出11到15秒时只能带1段不超过3秒的参考视频,输出3到10秒时最多带3段。
第四,价格降了。Google标出的720p价格是每秒约0.07美元,1.1约为0.10美元,360p草稿约0.023美元。一条15秒的720p视频约1.04美元。
规格逐项对比
| 对比项 | Omni Flash 1.2 | Omni Flash 1.1 |
|---|---|---|
| 发布时间 | 2026年11月5日 | 2026年8月27日 |
| 模型ID | gemini-omni-1.2-flash | gemini-omni-1.1-flash |
| 单次生成时长 | 3到15秒,默认10秒 | 3到10秒 |
| 延长 | 每次3到10秒,总长最多30秒 | 每次10秒,总长最多40秒 |
| 编辑范围 | 整段片子,包括画幅比例 | 同一条素材 |
| 参考图片 | 每次请求6张,最多2个角色,每人3张 | 最多10张 |
| 参考视频 | 输出11到15秒时1段3秒;更短时3段 | 最多3段,每段3秒 |
| 分辨率 | 原生360p、720p;1080p、4K为放大 | 原生360p、720p;1080p、4K为放大 |
| 画幅比例 | 16:9、9:16 | 16:9、9:16 |
| 720p每秒价格 | 约0.07美元 | 约0.10美元 |
| 360p每秒价格 | 约0.023美元 | 未按分辨率单独公布 |
| 音频 | 原生音频,口型更清晰,支持多人说话条件 | 原生音频,对白与配乐一次生成 |
| 音频输入 | 当前API暂不支持 | 暂不支持 |
| 水印 | SynthID | SynthID |
| Morphic支持 | 暂未上线 | 视频模型选择器中可用 |
分辨率和画幅比例没变,这一点值得单独说明:如果以前16:9的720p就够用,输出格式上没有任何理由逼您升级。
没有变化的部分
两代都能一次生成带声音的视频,都接受静帧和短片段作为输入,都能在首尾两帧之间补出过渡,也都支持用自然语言反复修改同一条素材。所有输出都带SynthID标记。对白和画面文字都以英文为主,其他语言的表现参差不齐。两代都不能上传音频,也不能通过API改声音。
短板同样延续。Google自己点名,快速运动的体育场景、剧情急转的脚本和复杂物理仍在改进中。人多的场景里,被追踪的主体依然容易漂移。另外,在欧洲经济区、瑞士和英国,不能编辑或延长您自己上传的素材。
有一处变化会让旧提示词失效:过去用来给图片指定角色的尖括号标签已被弃用。Google现在要求用自然语言写明每个文件的用途。
该用哪一个
如果是新项目,选1.2,基本不用犹豫:时长更长,每秒更便宜,镜头运动中也更能稳住人脸和标签,输出格式则完全一样。继续关注1.1的理由多半只是历史原因,因为Google已表示,从2026年12月3日起,对1.1的请求会转到1.2。
真正的限制在于您在哪里生成。1.2已进入Gemini API,并陆续上线Google自家应用,但还没进入Morphic模型库。1.1已经在,所以这个系列的提示词结构和原生音频,今天就能在Morphic上用,旁边还有Veo 3.1、Seedance 2.5和Kling。为1.2写的提示词大部分可以直接沿用:结构、音频描述、每轮只改一处的习惯都通用。不能沿用的是15秒的长度和参考素材的搭配方式。
今天在Morphic上用Gemini Omni
Gemini Omni Flash 1.1在Morphic的视频模型选择器里。把镜头连同声音要求一起写成一段说明,生成后成片会落到Canvas上,同一段说明还能交给别的模型跑一遍,放在一起比较。之后用后续提示词继续改,每次只调一处。
提示词写法见Gemini Omni Flash 1.2使用指南。完整规格请看Gemini Omni Flash 1.2模型页或Gemini Omni Flash 1.1模型页。
常见问题
就Google公布的信息看,是的:单次生成从10秒延长到15秒,编辑覆盖整段,镜头运动中的一致性据称更稳,720p每秒约便宜30%。输出格式完全相同,不存在分辨率或画幅上的取舍。
对白和画面文字都以英文为主,中文等其他语言的表现参差不齐。想做中文口播或带字幕的画面,建议先用一两句短台词试跑,确认口型和字形没问题,再做整条。画面文字也可以留到后期再加。
每秒约便宜30%。Google标出的720p价格约0.07美元,1.1约0.10美元,10秒视频约0.70美元,15秒约1.04美元。360p草稿每秒约0.023美元,1080p和4K按放大另计更高的价格。
Google表示,从2026年12月3日起,对1.1模型的请求会自动转到1.2,并按1.2的价格计费。这是重定向,不是停用公告,但意味着新项目在API上没有理由再选1.1。
文字描述可以沿用,标签不行:过去给图片指定角色的尖括号标记已被弃用,Google要求用自然语言写明用途,比如“把第一张图作为开场画面”。参考图数量确实少了,1.2是6张(最多2个角色,每人3张),1.1宣传的是10张。参考视频则和输出时长挂钩:11到15秒带1段不超过3秒的,更短时最多3段。另外,为10秒写的提示词用在15秒上会显得内容偏少,时长要重新调整。
暂时不能。Gemini Omni Flash 1.1现已在Morphic上线,支持原生音频,模型库里还有Veo 3.1、Seedance 2.5、Kling等模型,并设有免费方案可供试用。