Gemini Omni 1.2 Flash：15 秒视频，0.07 美元每秒

Google 在 2026 年 11 月 5 日发布 Gemini Omni 1.2 Flash，把原生视频生成时长从 10 秒推到 15 秒，720p 每秒价格下调 30% 至 0.07 美元，同时开放多轮对话式剪辑与参考一致性控制。模型已在 Gemini API 和 Google Cloud 上全面可用，输出带 SynthID 水印。

这条消息的关键词是「全面可用」。Google 官方博客在标题里直接写了 Gemini Omni 首次实现 general availability，配套的配额、审计和企业部署通道一并到位，不再是预览名单里的实验模型。对做批量视频生成的团队来说，可用量和单价这两件事同时落地，比任何单项跑分都更能改变采购口径。

本文按价格、规格、能力边界、落地位置四条线把 Gemini Omni 1.2 Flash 拆开看，并把它放回同期国产与开源视频模型的横向坐标里。文中所有价格与规格均取自 Google 官方公告与官方费率表，官方未逐档披露的部分会单独标注为推算值。

一次更新里的六个确定变化

Google 官方博客把 Gemini Omni 1.2 Flash 的更新点列成了六条，每一条都能对应到具体的技术动作，而不是形容词。

第一，原生视频生成上限从 10 秒提升到 15 秒，并且时长可以在 3 秒到 15 秒之间按 1 秒为步长指定。这条对广告素材影响最大，一条 15 秒的完整信息流广告位，现在一次生成就能覆盖，不需要拼接或者加速降帧。

第二，720p 每秒价格从 0.10 美元降到 0.07 美元，官方表述是相对 Gemini Omni 1.1 降价 30%。

第三，多轮对话式剪辑。同一段素材可以在多轮对话里被反复修改，换产品、换背景、改灯光天气、切换画面比例，不需要从头重生成。这一点把视频生成从「一次性抽奖」拉到了「可编辑的工作流」。

第四，参考素材的类型扩展到角色图、产品图、风格图，配合最长 3 秒的动作片段以及音频线索，并且这些细节要在整段片子的首尾都保持住。

第五，音画同步质量提升，官方强调对白更自然、口型同步更清晰、多说话人可以被分别指定。第六，镜头控制能力扩展，官方示例包括一次不间断的 FPV 穿楼飞行、戏剧性拉远和环绕运镜。

这六条里，第四和第五条是模型能力，第六条是控制精度，第一、二、三条则直接改变了成本结构和使用方式。对开发者来说，一次生成的失败成本从「整条重做」变成了「补一句对话」，这是最实际的变化。

价格拆解：0.07 美元每秒背后是什么

Gemini Omni 1.1 的官方费率是按视频输出 token 计费的，官方费率表在 720p 档对应每秒 0.10 美元，360p 档 0.03 美元，1080p 档 0.15 美元，4K 档 0.30 美元。第三方对官方 token 计数做过还原，720p 每秒计 5792 个视频输出 token，视频输出 token 单价 17.5 美元每百万 token，两者相乘约等于每秒 0.1014 美元。

Gemini Omni 1.2 Flash 的 0.07 美元正是从这 0.10 美元上降下来的三成。下表按官方费率与 30% 降幅做了对照，其中 1.2 的 1080p 与 4K 官方公告没有逐档列出，表中数值属于按同幅度折算的推算值，实际以控制台账单为准。

把这条费率换算成成片预算更直观。下表按上述单价乘以时长，列出单条视频的生成成本。

这组数字说明了两件事。其一，单条成本几乎没变，15 秒 720p 的 1.05 美元和 10 秒 720p 的 1.00 美元基本持平，时长增加五成而总价持平，这正是降价的实际效果。其二，官方建议的三段式流程有真实的经济性，先用 360p 或 720p 起草，改一处而不是重生成整条，最后只把满意的结果升采样到 1080p 或 4K。对需要一天出几百条素材的投放团队，4K 档只在终稿阶段启用这一条纪律，就能把整体预算压到原来的三分之一左右。

需要说明的是，官方费率表目前没有给 Gemini Omni 列出批量折扣，API 也没有免费额度，第一秒就开始计费。这一条和 OpenAI 那边的情况类似，做成本测算时不能按「先免费试」来估。

参考一致性：这次最值钱的技术点

视频生成模型进入商用阶段，卡点从来不在画面是否漂亮，同一套素材在不同镜头里能不能保持住才是关键。人物换了脸、服装花纹漂移、包装上的字变形、品牌的绿色变成别的色相，这些问题会让成片直接不可用。

Google 在公告里给出的方案是把参考素材按类型组合起来使用：人物照、产品正反面图、风格图、最长 3 秒的动作片段，再加音频线索。官方的一个演示是给一张模特照片和三套服装的正反面图，模型输出 15 秒的虚拟试穿序列，在 360 度转身和跳切之间保持住模特身份，以及每件服装的剪裁、垂坠和背面细节。

另一个演示是海报复刻。给定一张静态影棚灯光下的展览海报和五层动画提示词，模型在粉色无缝背景上逐层搭建六边形底座，把肋纹玻璃、暖色灯丝、多面切割水晶和盘绕电线构成的 HALO、GLOW、LUMEN 三个字依次立起来，并把每一层的材质、阴影和字体细节锁定到最后一帧。Google 对比指出，同样条件下 Gemini Omni 1.1 Flash 的参考贴合度不及 1.2。

字面渲染和包装保真是商品视频的硬指标，市面上不少模型在这类任务上会打乱笔画。前面提到的 Qwen-Image 2.1 用 7B 参数实现文生图与编辑大一统 在静态图像一侧给出的思路相近，都是把结构约束前置到生成过程里，而不是事后靠人工修图。视频侧目前把这条能力做成默认项的模型还不多。

多轮对话剪辑：从抽奖变成改稿

过去生成视频的流程是提示词碰运气，出来的结果不满意就换一版提示词重跑。Gemini Omni 1.2 Flash 提供的多轮对话式剪辑改变了这个循环：同一段素材可以在连续几轮对话里被就地修改。

官方给出的示例是背景逐轮替换，从条纹凉亭帐篷换成橡树林、马厩、市场集市、石堡，两名角色的表演、盔甲上的反光和取景机位保持原样。另一个示例是 15 秒的镜头运动迁移，第一轮生成一只起伏的章鱼，第二轮把它替换成一位礼服起伏节奏完全一致的舞者。

这类能力对广告业务的含义在于版本管理。同一条主片要出横版、竖版、方版三套，还要换背景、换产品、换天气，如果每换一项就重跑一次，成本和等待时间都是乘法关系。多轮剪辑把它变成加法，一轮改一个变量，改完直接续上。

值得一提的是官方自己也留了口子。公告结尾明确写了，快速体育动作、脚本的快速变化以及复杂物理仿真仍在改进中。也就是说，这三类的输出目前不能当作稳定产能使用，需要人工逐条审核。敢于在发布公告里点名自己还没做好的场景，比笼统宣称全面领先更值得信任。

落地位置：五个入口分别对应什么场景

Gemini Omni 1.2 Flash 的能力被分发到了五个入口，各入口面向的用户和配额规则不一样。

开发者走 Gemini API，可以在 Google AI Studio 里做原型，配合官方文档和 Starter 应用，企业用户则从 Google Cloud 控制台接入，可以申请 Provisioned Throughput 预留吞吐。这一层的价值是配额可控和审计完整，适合把视频生成嵌进已有生产流水线。

创作侧的主入口是 Flow，支持直接编排场景和做多轮修改。Google Vids 面向普通用户，用 Google 账号或 Workspace 订阅可以额外生成 15 秒片段，官方注明不产生额外费用。Gemini 应用内的 15 秒视频能力正在向 Google AI Ultra 订阅者开放。Google Ads 则把批量视频投放接入了这个模型。

一个容易被忽略的细节是所有输出都带 SynthID 水印，官方称之为人眼不可感知的标记。对商业客户来说这是合规刚需，避免了 AI 生成内容被误认为实拍素材的争议。

放在横向坐标里看

把 Gemini Omni 1.2 Flash 放进当前的视频模型序列里，两个参照物最能说明它的位置。一个是同门的 Gemini 4 Carbon，那是 Google 的前沿模型档位，走的是通用推理路线，和视频生成不直接竞争；前面 Gemini 4 Carbon 发布：AA 指数 59 分登顶与安全基准全优 记录了它的定位，这里不再展开。

另一个参照物是 可灵 AI 4.0 深度：8000 Token 提示词容量、Omni Reference 与多语言唇音同步。可灵 4.0 在参考一致性、多语言唇音同步上已经形成自己的能力线，而 Gemini Omni 1.2 Flash 这轮的动作集中在时长、单价与编辑工作流。同样在 Qwen3.8-Omni-Flash 的 29 项基准与 API 降价 那条线上，阿里的路径是用原生全模态 Agent 架构加上 93% 的 API 降幅。

三家的共同点很清楚，视频生成正在从模型能力竞赛转成单位成本的竞争。0.07 美元每秒这个数字，把 15 秒成片的成本压到了 1 美元附近，这个量级让批量投放第一次在成本上算得过来。

常见问题

Gemini Omni 1.2 Flash 一次生成 15 秒视频要多少钱？

720p 档官方公布价为每秒 0.07 美元，一条 15 秒视频约 1.05 美元。1080p 与 4K 档官方公告未逐档列出，按同样 30% 降幅折算分别约为每秒 0.105 美元和 0.21 美元，属于推算值，实际计费以 Gemini API 控制台账单为准。

Gemini Omni 1.2 Flash 支持多长的视频？

原生生成上限为 15 秒，相较 Gemini Omni 1.1 的 10 秒有明显提升。时长可以在 3 秒到 15 秒之间按 1 秒步长指定，因此 3 秒、7 秒、12 秒等非整十秒的长度都可以一次生成，不必再靠拼接。

多轮对话式剪辑和直接重新生成有什么区别？

重新生成会换掉整段素材，之前满意的部分也随之作废；多轮剪辑在原片上就地改，只替换指定的变量。官方演示中，背景从凉亭帐篷逐轮换成橡树林、马厩、集市、石堡，角色表演、盔甲反光和取景机位都保持原样，修改成本远低于整条重跑。

这个模型适合做哪些类型的视频？

适合需要保持品牌与人物一致性的商品展示、虚拟试穿、广告版本批量出图场景。官方明确说明快速体育动作、脚本快速变化和复杂物理仿真仍在改进中，这三类目前需要逐条人工审核，不能按稳定产能使用。

小结

Gemini Omni 1.2 Flash 的价值不在于把画面做得更漂亮，它真正把视频生成推进到了可以算账的阶段。15 秒 720p 成片 1.05 美元，配合 360p 起草、多轮修改、终稿升采样的三段式流程，单条成片的实际支出还能进一步压低；参考素材组合与多轮剪辑把失败重来的成本从整条重做降到一次对话。

对采购方，接下来值得做的一件事是拿自己的真实素材在三个档位各跑一批，比对实际账单与成片可用率。对使用方，可以先把多轮剪辑这条链路跑通，它改变的是工作方式而不只是模型参数。至于官方点名的三个短板，等后续版本更新再评估更稳妥。

相关阅读

• Gemini 4 Carbon 发布：AA 指数 59 分登顶与安全基准全优
• Qwen3.8-Omni-Flash：29 项基准涨 25%、API 降 93%
• 可灵 AI 4.0 深度：8000 Token 提示词容量、Omni Reference 与多语言唇音同步
• Qwen-Image-2.1 深度：7B 参数实现文生图与编辑大一统