Xây dựng với CometAPICần một API cho nhiều mô hình?Kiểm thử quy trình trong Playground, sau đó tạo API key khi mô hình và chi phí phù hợp với trường hợp sử dụng của bạn.
Gemini Omni 1.2 Flash là mô hình tạo video và chỉnh sửa qua hội thoại của Google, phát hành vào ngày 5 tháng 11 năm 2026. Mô hình tạo và chỉnh sửa các clip dài tối đa 15 giây, đồng thời giảm 30% mức giá 720p đã công bố, còn khoảng $0.07 mỗi giây. Đối với các đội làm video sản phẩm và quảng cáo, điều này đồng nghĩa có thêm không gian kể chuyện và chi phí thấp hơn để thử các phiên bản khác nhau. Bạn có thể tinh chỉnh clip qua hội thoại, rồi dùng upscaling độc lập để chuẩn bị phiên bản đã chọn cho khâu phân phối.
What is Gemini Omni 1.2 Flash?
Google mô tả mô hình này hỗ trợ tạo và chỉnh sửa video qua hội thoại. Đầu ra bao gồm video có âm thanh, trong khi mô tả rộng hơn của mô hình bao phủ đầu vào văn bản, hình ảnh, âm thanh và video.
Đối với công việc dựa trên tham chiếu, hãy kiểm tra loại đầu vào mà dịch vụ bạn chọn chấp nhận. Google Cloud cung cấp .
Hãy hình dung việc biến một ảnh sản phẩm thành một quảng cáo ngắn. Bắt đầu với góc nhìn rõ ràng về sản phẩm, tạo quang cảnh, rồi yêu cầu bối cảnh hoặc ánh sáng khác trong khi vẫn giữ sản phẩm dễ nhận diện. Đây là lúc chỉnh sửa qua hội thoại phát huy tác dụng: bạn có thể phát triển một ý tưởng đã được duyệt qua nhiều lượt thay vì mô tả lại toàn bộ cảnh cho mỗi biến thể.
Gemini Omni 1.2 Flash specifications
Những chi tiết sau dựa trên tài liệu dành cho nhà phát triển doanh nghiệp của Google. Ứng dụng cho người dùng cuối có thể áp dụng các giới hạn khác.
Thông số
Chi tiết kỹ thuật của Gemini Omni 1.2 Flash
Model ID
gemini-omni-1.2-flash
Giai đoạn phát hành
Generally available
Ngày phát hành
November 5, 2026
Số token đầu vào tối đa
131,072
Số token đầu ra tối đa
260,640
Thời lượng tạo và chỉnh sửa
3–15 giây
Tạo khung đầu-cuối
3–10 giây
Đầu ra mở rộng mỗi lượt
3–10 giây
Tỷ lệ khung hình
16:9 và 9:16
Tùy chọn độ phân giải
360p, 720p, 1080p và 4K
Tạo âm thanh
Giọng nói, âm nhạc và hiệu ứng âm thanh
Giao diện tạo nội dung được hỗ trợ
Interactions API
Chat Completions và GenerateContent
Không được hỗ trợ trên bề mặt được tài liệu hóa này
Ảnh tham chiếu mỗi prompt
Tối đa 10
Tệp hình ảnh
PNG, JPEG, WebP, HEIC, HEIF; tối đa 20 MB nhúng inline hoặc tải lên qua console, hoặc 30 MB từ Cloud Storage
Video mỗi prompt
Tối đa 3
Hãy dùng giới hạn tương ứng với tác vụ bạn yêu cầu. Một video dài hơn được chấp nhận để hiểu nội dung không đồng nghĩa hợp lệ cho chỉnh sửa. Thông số kỹ thuật liệt kê các giới hạn đầu vào ở trên; Hướng dẫn Content Credentials của Google giải thích siêu dữ liệu nguồn gốc.
Có hai điểm phân biệt quan trọng khi thiết kế ứng dụng.
Thứ nhất, bộ chọn thời lượng nên phụ thuộc vào tác vụ. Một yêu cầu tạo 15 giây hợp lệ không có nghĩa yêu cầu tạo khung đầu-cuối 15 giây cũng hợp lệ.
Thứ hai, sức chứa token không phải là thước đo chất lượng. Nó mô tả giới hạn giao diện; không xác lập chuyển động tốt hơn, bám sát prompt mạnh hơn hay kết xuất nhanh hơn.
How does Gemini Omni 1.2 Flash rank in independent comparisons?
Trong các ảnh chụp ngày 8 tháng 11 năm 2026 của Arena, Gemini Omni 1.2 Flash xếp hạng nhất trên cả bảng xếp hạng text-to-video và image-to-video. Cả hai mục đều được đánh dấu là sơ bộ, vì vậy hãy đọc điểm số cùng với độ bất định và số lượng phiếu.
Hạng mục Arena
Điểm
Phiếu
Khoảng xếp hạng hiển thị
Text-to-video
1540 ± 16
1,714
1–2
Image-to-video
1503 ± 12
2,667
1–6
Những kết quả này khiến mô hình đáng để thử nghiệm, đặc biệt cho việc biến prompt hoặc ảnh sản phẩm thành các clip ngắn. Chúng không khẳng định mô hình sẽ thắng mọi tác vụ sản xuất. Khoảng xếp hạng cho image-to-video đặc biệt rộng: hãy so sánh chi tiết sản phẩm của bạn, chuyển động và kết quả chỉnh sửa trước khi chọn mô hình cho một chiến dịch. Xếp hạng có thể thay đổi khi có thêm phiếu.
Gemini Omni 1.2 Flash vs Omni 1.1 Flash: có gì thay đổi?
Thay đổi rõ nhất là clip dài hơn và giá đầu ra thấp hơn. Quy trình cũng đáng chú ý: tạo dựa trên tham chiếu, chỉnh sửa qua hội thoại và upscaling độc lập giúp bạn đưa bản nháp hữu ích tới giai đoạn phân phối. Bảng dưới tách so sánh phiên bản rõ ràng khỏi những khả năng bạn có thể dùng ở 1.2.
Khía cạnh
Thế hệ trước: Omni 1.1 Flash
So sánh khi ra mắt Gemini Omni 1.2 Flash
Hệ quả thực tiễn
Thời lượng clip gốc tối đa
10 giây
15 giây
Nhiều hơn 50% thời lượng mỗi clip
Giá 720p xấp xỉ
$0.10/giây, suy ra từ mức giảm đã công bố
$0.07/giây
Chi phí đầu ra thấp hơn ở cùng thời lượng
Mức độ bám sát tham chiếu
Mốc so sánh cơ sở
Google báo cáo cải thiện
Kiểm tra tính đồng nhất danh tính sản phẩm và chi tiết tinh vi
Tính nhất quán theo thời gian
Mốc so sánh cơ sở
Google báo cáo ít trôi (drift) hơn
Rà soát các khung trung gian, không chỉ điểm đầu-cuối
Chỉnh sửa qua hội thoại
Quy trình trước đây
Chỉnh sửa đa lượt trên toàn bộ clip 15 giây
Kiểm thử xem các chi tiết không liên quan có giữ ổn định hay không
So sánh ưu thích độc lập
Arena text-to-video: 1513 ± 15 trong ảnh chụp 8/11
Arena text-to-video: 1540 ± 16, sơ bộ, cùng ảnh chụp
Điểm ưu thích cao hơn trong ảnh chụp này; không phải phần trăm cải thiện chất lượng
Upscaling độc lập
Không liệt kê trong hướng dẫn upscaling độc lập hiện tại
Tác vụ upscaling riêng được tài liệu hóa
Duyệt bản nháp trước, rồi upscale video đã chọn
Quy trình tham chiếu
Đã có tạo dựa trên tham chiếu
Báo cáo bám sát tham chiếu mạnh hơn
Xây dựng biến thể xoay quanh cùng sản phẩm hoặc nhân vật
Đối với các đội sản xuất quảng cáo 15 giây, thêm 5 giây có thể đủ để đưa phần mở đầu, minh họa và thông điệp kết thúc vào một lần tạo. Ở cùng thời lượng, mức 720p thấp hơn cũng khiến các biến thể sáng tạo bổ sung bớt tốn kém. Những cải thiện chất lượng đặc biệt đáng giá khi cùng một sản phẩm hoặc nhân vật cần giữ nhận diện xuyên suốt clip.
Thời lượng và khả năng chỉnh sửa
Gemini Omni 1.2 Flash tăng thời lượng tạo và chỉnh sửa gốc từ 3–10 giây ở 1.1 lên 3–15 giây (chọn theo bước 1 giây). Video đầu vào để chỉnh sửa cũng kéo dài từ 10 giây lên 15 giây. Chỉnh sửa qua hội thoại đa lượt được tăng cường, cho phép sửa trực tiếp toàn bộ clip (bao gồm thay đổi tỷ lệ khung hình) mà không cần tạo lại từ đầu. Mở rộng video vẫn ở mức 3–10 giây mỗi lượt, với tổng chiều dài tối đa khoảng 30 giây. Nội suy khung đầu-cuối vẫn bị giới hạn ở 3–10 giây.
Cải thiện về chất lượng và tính nhất quán
Phiên bản 1.2 mang lại độ ổn định tốt thấy rõ cho nhân vật, sản phẩm, trang phục, màu thương hiệu, khuôn mặt và khóa đối tượng, với độ trôi giảm và ít jump cut hơn. Chuyển động máy mượt và dễ kiểm soát hơn, đồng bộ khẩu hình và giọng nói tự nhiên hơn, hỗ trợ điều kiện hóa nhiều người nói. Mô hình bám theo ảnh tham chiếu, các đoạn chuyển động ngắn và tín hiệu âm thanh đáng tin cậy hơn. Đánh giá độc lập (như điểm Arena) cho thấy 1.2 nhỉnh hơn 1.1 ở cả text-to-video và image-to-video.
Chi tiết đầu ra và thông số
Cả hai mô hình đều hỗ trợ cùng độ phân giải: 360p / 720p gốc, với upscaling lên 1080p / 4K ở 24 FPS. Tỷ lệ khung hình vẫn là 16:9 và 9:16. 1.2 còn hỗ trợ đầu ra văn bản cùng với video có âm thanh gốc và củng cố upscaling độc lập như một tác vụ riêng. Các phương thức đầu vào (văn bản, hình ảnh, video) và kích thước cửa sổ ngữ cảnh về cơ bản không thay đổi.
Upscaling video độc lập
Gemini Omni 1.2 Flash có thể upscale các video đã tạo trước đó mà không cần yêu cầu tạo text-to-video mới. Các tuyến hỗ trợ gồm 360p lên 720p hoặc 1080p, và 720p lên 1080p hoặc 4K. Điều này cho phép đội ngũ duyệt bố cục và chuyển động ở độ phân giải thấp hơn trước khi chuẩn bị phiên bản sẵn sàng phân phối.
How much does Gemini Omni 1.2 Flash cost?
Ở đầu ra 720p, 1.2 Flash có giá khoảng $0.07 mỗi giây (khoảng $12.00 mỗi triệu video token), thấp hơn khoảng 30% so với mức ~ $0.10 mỗi giây ($17.50 mỗi triệu token) của 1.1. Bản nháp 360p rẻ hơn, và đầu ra upscaled 1080p / 4K cũng theo mức giảm tương tự. Quy trình khuyến nghị là lặp nhanh ở độ phân giải thấp, rồi chỉ upscale những bản cuối cùng được chọn để kiểm soát chi phí.
Kịch bản
Số lần tạo trên mỗi clip được chấp nhận
Chi phí đầu ra 720p 15 giây
Quy trình hiệu quả
1
$1.05
Chỉnh sửa vừa phải
2
$2.10
Chỉnh sửa nặng
4
$4.20
Ở mức trước đây xấp xỉ $0.10 mỗi giây, 100 clip dài 15 giây sẽ tốn khoảng $150 tiền đầu ra. Mức làm tròn mới đưa ước tính đó về $105, tiết kiệm khoảng $45 cho cùng tổng thời lượng. Đây là các phép tính lập kế hoạch, không phải báo giá cho toàn bộ dự án.
Upscaling độc lập có mức sử dụng token đầu ra riêng và báo cáo 0 token đầu vào. Chi phí phụ thuộc vào độ phân giải nguồn và đích, vì vậy đừng tái sử dụng ước tính $0.07 mỗi giây cho mọi lần upscale. Xem quy tắc tính phí upscaling.
Chỉ số hữu ích hơn cho kinh doanh là chi phí trên mỗi clip được chấp nhận.
Ví dụ, nếu mỗi video 15 giây được phê duyệt cần bốn lần tạo tính phí riêng, chi phí đầu ra ước tính là $4.20 trước các chi phí khác. Vì vậy, tỷ lệ phải thử lại thấp hơn có thể quan trọng hơn một khác biệt nhỏ trong đơn giá công bố.
How can developers use Gemini Omni 1.2 Flash?
Hãy sử dụng Interactions API để tạo và chỉnh sửa trên dịch vụ doanh nghiệp được tài liệu hóa. GenerateContent và Chat Completions không thể dùng cho các tác vụ đó. Bắt đầu với một clip ngắn và một chỉnh sửa đơn giản trước khi đưa quy trình vào ứng dụng sản xuất.
Một dự án khởi đầu đơn giản là video sản phẩm ngắn:
Chuẩn bị một ảnh sản phẩm rõ ràng và bản mô tả cảnh quay, chuyển động và âm thanh.
Tạo một bản nháp ngắn qua Interactions API.
Yêu cầu một chỉnh sửa tập trung, như phông nền mới, đồng thời giữ nguyên sản phẩm và khung hình.
Rà soát kết quả trước khi chọn độ phân giải phân phối.
Ghi lại thiết lập yêu cầu và mức sử dụng để có thể lặp lại quy trình đã duyệt.
Khía cạnh
Google Cloud bản địa
CometAPI
Model ID
gemini-omni-1.2-flash
omni-fast
API endpoint
Interactions API
POST /v1/videos
Cơ sở tính phí
Khoảng $0.07/giây ở 720p
$0.40/yêu cầu trong danh mục hiện tại
Định dạng yêu cầu
JSON của Interactions API
Multipart form / JSON tùy tác vụ
Xử lý tác vụ
Đồng bộ, có trạng thái, streaming, bất đồng bộ
Gửi, thăm dò, tải xuống
Độ chắc chắn về phiên bản
1.2 Flash rõ ràng
ID công bố không xác định 1.2
Trạng thái API
GA
Endpoint CometAPI được đánh dấu Beta
Gemini Omni Fast API trong CometAPI cung cấp một tuyến tích hợp riêng dưới omni-fast. Mã định danh đã công bố không chỉ rõ phiên bản 1.2 Flash, vì vậy hãy dùng thiết lập và giá do nhà cung cấp tài liệu cho tuyến đó.
Video được tạo bao gồm đóng dấu mờ SynthID, và bề mặt mô hình trên Google Cloud được tài liệu hóa cũng hỗ trợ Content Credentials (C2PA). Những cơ chế nguồn gốc này hữu ích khi xuất bản tài sản tiếp thị do AI tạo hoặc quản lý quy trình duyệt nội dung nội bộ.
What happens to existing Omni 1.1 Flash requests?
1.2 đã đạt mức sẵn sàng chung vào ngày 5 tháng 11 năm 2026 (Model ID: gemini-omni-1.2-flash). Bắt đầu từ ngày 3 tháng 12 năm 2026, các yêu cầu tới gemini-omni-1.1-flash sẽ tự động chuyển sang 1.2 và được tính phí theo mức mới thấp hơn, không cần thay đổi mã. Hạn mức tốc độ ở gói trả phí cũng đã được tăng.
Hãy thử một vài prompt đại diện trước ngày đó nếu ứng dụng của bạn phụ thuộc vào hành vi của mô hình trước đó. Chuyển tuyến tự động giữ đường dẫn yêu cầu hoạt động, nhưng bạn vẫn nên rà soát các video kết quả. Với các nền tảng khác, hãy theo tài liệu di trú và tính phí của dịch vụ đó.
Conclusion
Hãy chọn Gemini Omni 1.2 Flash cho các dự án mà công việc sáng tạo tiếp diễn sau lần tạo đầu tiên: biến thể sản phẩm, cảnh theo mùa và quảng cáo ngắn xoay quanh một chủ thể nhất quán.
Bắt đầu với một bản tóm tắt chiến dịch có thể lặp lại và một bộ tài nguyên tham chiếu nhỏ. Khi bố cục và hành vi chỉnh sửa hoạt động tốt cho bản tóm tắt đó, hãy mở rộng sang nhiều sản phẩm hoặc vị trí đặt hơn. Cách này biến một bản demo hứa hẹn thành quy trình sản xuất mà đội ngũ của bạn có thể tái sử dụng.
FAQ
Tôi có thể dùng bao nhiêu ảnh tham chiếu với Gemini Omni 1.2 Flash?
API doanh nghiệp chấp nhận tối đa 10 ảnh mỗi prompt. Hãy dùng hạn mức đó cho các góc nhìn hoặc chi tiết khác nhau quan trọng với cảnh quay; thêm các ảnh gần như trùng lặp có thể khiến bản mô tả khó quản lý hơn. Những câu trả lời này theo thông số kỹ thuật doanh nghiệp của Google; giới hạn trong ứng dụng người dùng có thể khác.
Gemini Omni 1.2 Flash mở rộng một video dài hơn như thế nào?
Đối với mở rộng, mô hình sử dụng tối đa 10 giây cuối của đầu vào, ngay cả khi video nguồn dài hơn. Mô hình tạo phần tiếp nối 3–10 giây, được nối vào tối đa 30 giây cuối của đầu vào. Hãy giữ bản gốc đầy đủ trong timeline chỉnh sửa nếu bạn cần bảo toàn đoạn trước đó; phần mở rộng trả về không nên được coi là thay thế cho toàn bộ nguồn.
Gemini Omni 1.2 Flash chấp nhận các tệp ảnh tham chiếu nào?
Các định dạng hình ảnh được hỗ trợ gồm PNG, JPEG, WebP, HEIC và HEIF. Mỗi ảnh có thể tối đa 20 MB khi nhúng inline hoặc tải trực tiếp qua console, hoặc 30 MB khi cung cấp từ Google Cloud Storage. Hãy kiểm tra cả định dạng lẫn kích thước tệp trước khi gửi yêu cầu, đặc biệt khi tài nguyên nguồn là ảnh sản phẩm độ phân giải cao.
Video đầu vào để chỉnh sửa hoặc upscale
Tối đa 15 giây
Video đầu vào để mở rộng
Bất kỳ độ dài; sử dụng tối đa 10 giây cuối
Đầu vào hiểu video
Tối đa 10 phút; điều này không mở rộng giới hạn chỉnh sửa
