Choose your path
探索 Gemini Omni 1.2 Flash 規格, 15 秒影片, 定價, 編輯功能, 評估方法
from openai import OpenAI
client = OpenAI(
api_key="YOUR_COMETAPI_KEY",
base_url="https://api.cometapi.com/v1",
)
response = client.chat.completions.create(
model="gpt-5-mini",
messages=[{"role": "user", "content": "Build this workflow."}],
)
print(response.choices[0].message.content)Gemini Omni 1.2 Flash 是 Google 的影片生成與對話式剪輯模型，於 2026 年 11 月 5 日發佈。它可生成與剪輯最長 15 秒的片段，並將標示的 720p 價格下調 30%，至每秒約 $0.07。對於製作產品影片與廣告的團隊而言，這意味著更充裕的敘事空間，以及嘗試不同版本的成本更低。你可以透過對話完善片段，然後使用獨立升級將選定版本準備好交付。
Google 將此模型描述為支援透過對話進行影片生成與剪輯。其輸出包含帶音訊的影片；更廣泛的模型描述涵蓋文字、圖片、音訊與影片輸入。
在以參考為導向的工作中，請檢查你選用的服務接受哪些輸入。Google Cloud 透過白名單提供音訊參考。
想像將一張產品照片轉換為短廣告。先以清晰的產品視角開始，生成一個場景，接著在保留產品可辨識度的前提下，要求不同的場景或光線。這就是對話式剪輯的用武之地：你可以在多個回合中逐步完善已核准的構想，而不必為每個變體重新完整描述場景。
以下細節參考 Google 的企業開發者文件。消費者應用可能有不同限制。
| 規格 | Gemini Omni 1.2 Flash 技術細節 |
|---|---|
| Model ID | gemini-omni-1.2-flash |
| 發佈階段 | 一般供應 |
| 發佈日期 | November 5, 2026 |
| 最大輸入權杖 | 131,072 |
| 最大輸出權杖 | 260,640 |
| 生成與剪輯時長 | 3–15 seconds |
| 首尾幀生成 | 3–10 seconds |
| 每回合延伸輸出 | 3–10 seconds |
| 畫面比例 | 16:9 和 9:16 |
| 解析度選項 | 360p、720p、1080p 和 4K |
| 聲音生成 | 語音、音樂與音效 |
| 支援的生成介面 | Interactions API |
| Chat Completions 與 GenerateContent | 在此文件化的介面不支援 |
| 每個提示的參考圖片 | 最多 10 張 |
| 圖片檔 | PNG、JPEG、WebP、HEIC、HEIF；內嵌或主控台上傳每張最多 20 MB，或來自 Cloud Storage 每張最多 30 MB |
| 每個提示的影片數 | 最多 3 部 |
| 供剪輯或升級使用的影片輸入 | 最長 15 秒 |
| 供延伸使用的影片輸入 | 任意時長；最多使用最後 10 秒 |
請依所請求的操作套用相應限制。被接受用於理解的較長影片並不代表可直接用於剪輯。技術規格列出了上述輸入限制；Google 的 Content Credentials 指南說明了來源中繼資料。
在設計應用程式時，有兩個區別很重要。
首先，時長選擇器應視操作而定。一個有效的 15 秒生成請求並不表示 15 秒的首尾幀請求也有效。
其次，權杖容量不是品質分數。它描述的是介面限制；並不代表更好的動態表現、更強的提示遵循或更快的渲染。
在 Arena 於 2026 年 11 月 8 日的快照中，Gemini Omni 1.2 Flash 同時位居文字轉影片與圖片轉影片排行榜首位。兩項條目均標示為初步結果，因此請結合不確定度與投票數一併解讀分數。
| Arena 類別 | 分數 | 投票 | 顯示的名次範圍 |
|---|---|---|---|
| Text-to-video | 1540 ± 16 | 1,714 | 1–2 |
| Image-to-video | 1503 ± 12 | 2,667 | 1–6 |
這些結果使該模型值得測試，尤其是在將提示或產品圖片轉為短片方面。它們並不表示在每個正式製作任務中都會勝出。圖片轉影片的名次範圍尤其寬：在為某次活動選擇模型前，請比較你自己的產品細節、動態與剪輯結果。隨著更多投票到來，排名可能會改變。
最明顯的變化是更長的片段與更低的輸出定價。工作流程也值得注意：以參考為基礎的生成、對話式剪輯與獨立升級可協助你將有用的初稿一路帶到交付。下表將明確的版本比較與你可在 1.2 中使用的能力分開呈現。
| 面向 | 先前版本：Omni 1.1 Flash | Gemini Omni 1.2 Flash 發佈比較 | 實務意涵 |
|---|---|---|---|
| 最大原生片段 | 10 seconds | 15 seconds | 每個片段長度增加 50% |
| 約略 720p 單位價格 | $0.10/second，依公告降幅推論 | $0.07/second | 同時長下的輸出成本更低 |
| 參考遵循度 | 比較基準 | Google 報告有改善 | 測試產品識別與細節保真 |
| 時間一致性 | 比較基準 | Google 報告漂移更少 | 不只檢查端點畫面，亦需審視中間幀 |
| 對話式修訂 | 早期工作流程 | 跨完整 15 秒片段的多回合剪輯 | 測試無關細節是否能保持穩定 |
| 獨立偏好比較 | Arena text-to-video：2026/11/8 快照為 1513 ± 15 | 同一快照中初步結果為 1540 ± 16 | 該快照中的偏好分數較高；並非代表品質百分比提升 |
| 獨立升級 | 目前獨立升級指南未列出 | 文件化的獨立升級作業 | 先核准草稿，再升級選定影片 |
| 參考工作流程 | 參考為基礎的生成已存在 | 報告更強的參考遵循度 | 围绕同一產品或角色建立多種變體 |
對於製作 15 秒廣告的團隊而言，額外的 5 秒可以把引子、示範與收尾訊息納入一次生成。在相同時長下，較低的 720p 費率也讓額外的創意變體更便宜。品質提升在同一產品或角色必須在整支片段中保持可辨識時最為重要。
Gemini Omni 1.2 Flash 將原生生成與剪輯長度從 1.1 的 3–10 秒提升為 3–15 秒（可按 1 秒遞增選擇）。供剪輯的影片輸入也從 10 秒延長至 15 秒。多回合對話式剪輯有所強化，允許直接修改整支片段（包含畫面比例變更），而無需完全重新生成。影片延伸仍為每回合 3–10 秒，總長度上限約 30 秒。首尾幀插值仍限定在 3–10 秒。
1.2 在角色、產品、服裝、品牌色、臉部與物件鎖定方面提供明顯更高的穩定性，漂移更少、跳剪更少。鏡頭運動更平順且更可控，對嘴與語音更自然，也支援多說話者條件設定。它更可靠地遵循參考圖片、短動態片段與音訊提示。獨立評估（如 Arena 分數）顯示 1.2 在文字轉影片與圖片轉影片上均略優於 1.1。
兩個版本支援相同解析度：原生 360p／720p，並可升級至 1080p／4K，24 FPS。畫面比例維持 16:9 與 9:16。1.2 另外支援文字輸出，與具原生音訊的影片並行，並強化獨立升級作為專用任務。輸入型態（文字、圖片、影片）與內容視窗大小基本不變。
Gemini Omni 1.2 Flash 可在不需要新的文字轉影片生成請求的情況下，對先前生成的影片進行升級。支援路徑包括 360p 到 720p 或 1080p，以及 720p 到 1080p 或 4K。這讓團隊可以先在較低解析度核准構圖與動態，再準備可交付的版本。
在 720p 輸出下，1.2 Flash 的價格約為每秒 $0.07（約 $12.00／百萬影片權杖），相較於 1.1 的約 每秒 $0.10（$17.50／百萬權杖），約 降低 30%。360p 草稿更便宜，升級到 1080p／4K 的輸出遵循同樣的降幅。建議的工作流程是先在較低解析度快速迭代，僅將最終保留版本升級，以控制成本。
| 情境 | 每支採用片段的生成次數 | 15 秒 720p 輸出花費 |
|---|---|---|
| 高效率工作流程 | 1 | $1.05 |
| 中度修訂 | 2 | $2.10 |
| 大量修訂 | 4 | $4.20 |
以先前推估的每秒約 $0.10 費率計算，100 支 15 秒片段的輸出費用約 $150。新的四捨五入費率將此估算降至 $105，在相同總時長下節省約 $45。這些是規劃用的試算，並非完整專案的報價。
獨立升級有其自身的輸出權杖用量，且回報 0 個輸入權杖。其費用取決於來源與目標解析度，因此請勿將每秒 $0.07 的生成估算套用於所有升級情境。請參閱升級的計費規則。
更有用的商務指標是每支採用片段的成本。
例如，若每支核准的 15 秒影片需要 4 次分別計費的生成，則估計的輸出花費在其他成本之前為 $4.20。因此，較低的重試率可能比標示的單位定價小幅差異更重要。
在文件化的企業服務上，使用Interactions API進行生成與剪輯。GenerateContent 與 Chat Completions 無法用於這些作業。先從短片與簡單修訂開始，再將工作流程加入正式製作的應用程式。
一個簡單的首個專案是短版產品影片：
| 面向 | Google Cloud 原生 | CometAPI |
|---|---|---|
| Model ID | gemini-omni-1.2-flash | omni-fast |
| API 端點 | Interactions API | POST /v1/videos |
| 計費基礎 | 720p 約每秒 $0.07 | 目前目錄中每次請求 $0.40 |
| 請求格式 | Interactions API JSON | 依任務而定的 Multipart 表單／JSON |
| 任務處理 | 同步、具狀態、串流、非同步 | 提交、輪詢、下載 |
| 版本確定性 | 明確的 1.2 Flash | 已公布的 ID 未明確指向 1.2 |
| API 狀態 | GA | CometAPI 端點標示為 Beta |
CometAPI 的 Gemini Omni Fast API提供在 omni-fast 之下的獨立整合途徑。其公布的識別碼未指明 1.2 Flash，故請依該供應商文件的設定與定價使用該路徑。
生成的影片包含 SynthID 浮水印，而文件化的 Google Cloud 模型介面亦支援 Content Credentials（C2PA）。這些來源憑證機制在發布 AI 生成的行銷素材或管理內部內容審查工作流程時十分有用。
1.2 已於 2026 年 11 月 5 日成為一般供應（Model ID：gemini-omni-1.2-flash）。從 2026 年 12 月 3 日起，對 gemini-omni-1.1-flash 的請求將自動導向 1.2，並以新的較低費率計費，無需變更程式碼。付費層的速率限制也已提高。
若你的應用仰賴早期版本的行為，請在該日期前測試幾個具代表性的提示。自動導向可維持請求路徑運作，但你仍應檢視產生的影片。對於其他平台，請使用該服務的移轉與計費文件。
在創意工作會在首版生成後持續進行的專案中選擇 Gemini Omni 1.2 Flash：產品變體、季節性場景，以及以一致主體打造的短廣告。
先從一份可重複的活動簡述與一小組參考素材開始。一旦該簡述的構圖與剪輯行為可順利運作，再擴展到更多產品或投放。這能將有潛力的示範轉化為你的團隊可重複使用的正式製作流程。
企業 API 每個提示最多接受 10 張圖片。請將此額度用於與拍攝相關的重要視角或細節；加入近似重複的圖片會使簡述更難管理。以上回答遵循 Google 的企業技術規格；消費者應用的限制可能不同。
在延伸作業中，模型最多使用輸入影片最後 10 秒，即使來源更長。它會生成 3–10 秒的延續片段，串接到輸入影片最後最多約 30 秒的部分。若你需要保留較早的片段序列，請在剪輯時間軸中保留完整原始影片；回傳的延伸片段不應視為完整來源的替代。
支援的圖片格式為 PNG、JPEG、WebP、HEIC 和 HEIF。每張圖片在內嵌資料或直接於主控台上傳時可達 20 MB，從 Google Cloud Storage 提供時可達 30 MB。請在提交請求前同時檢查格式與檔案大小，尤其當你的來源素材是高解析度的產品照片時。
| 影片理解輸入 | 最長 10 分鐘；不會延長剪輯上限 |
| 影片輸入 MIME 類型 | video/x-flv, video/quicktime, video/mpeg, video/mpegs, video/mpg, video/mp4, video/webm, video/wmv, video/3gpp |
| 內容來源標記 | SynthID 浮水印與 C2PA Content Credentials |