guides

Gemini Omni 1.2 Flash API 指南:按秒计费、15 秒视频与代码示例

Poyo.ai Team
9 min read
Share:

核心要点

  • Gemini Omni 1.2 Flash(gemini-omni-1.2-flash)是 Google 的视频生成与编辑模型,2026 年 11 月 5 日正式发布(GA)。
  • 单段视频 3 到 15 秒,以 1 秒为步长可选,比 Omni 1.1 的 10 秒上限更长。使用首尾帧时为 3 到 10 秒。
  • 输出分辨率有 360p、720p、1080p、4K,24 FPS,画幅 16:9 或 9:16。其中 1080p 和 4K 由 Google 放大生成。
  • 在 PoYo 上按输出秒数计费: 360p 每秒 5.46 积分,720p 16.38,1080p 24.58,4K 49.14($1 = 200 积分),用积分随用随付,不需要订阅。
  • 一个模型 ID 覆盖四种模式。 文生视频、首尾帧、参考图和参考视频、视频编辑,由请求里传了哪些字段决定。
  • 一个 API Key,一套简单流程。 提交任务,再轮询状态或接收 Webhook,和在 PoYo 上调用其他图片、视频模型的方式完全一样。

Gemini Omni 1.2 Flash 一览

项目Gemini Omni 1.2 Flash
开发方Google DeepMind
模型 IDgemini-omni-1.2-flash
状态2026 年 11 月 5 日正式发布
任务文生视频、图生视频(首尾帧)、参考生成视频、视频编辑、视频延长
视频时长3–15 秒,1 秒步长;使用首尾帧时 3–10 秒
分辨率360p、720p、1080p、4K(1080p 和 4K 为放大输出)
帧率24 FPS
画幅16:9(默认)或 9:16
可编辑的输入视频最长 15 秒
输出带原生音频的视频
内容溯源每段视频都带 SynthID 水印
语言完整支持英语

本文只讲 1.2 带来了哪些变化,以及怎么调用。1.1 模型、它的固定价格档位和从预览版迁移的方法,请看我们的 Gemini Omni 1.1 Flash API 指南。

相比 Gemini Omni 1.1 Flash 有哪些变化

Gemini Omni 1.1 FlashGemini Omni 1.2 Flash
发布时间2026 年 8 月 27 日2026 年 11 月 5 日
视频时长3–10 秒3–15 秒,任意整数秒
首尾帧支持3–10 秒
可编辑的输入视频最长 10 秒最长 15 秒
视频延长(Gemini API)最多参考 10 秒输入视频每轮 3–10 秒,回看 10 秒,总长最多 30 秒
PoYo 计费方式按次计费,4 / 6 / 8 / 10 秒四档按输出秒数计费,3–15 秒

Google 还表示,1.2 的参考遵循度、一致性和多轮编辑都有提升,语音更自然,口型同步更清晰,并支持多说话人。在 Google 为 Omni 1.2 Flash 公布的并排对比图表中,图表列出的每一项里 1.2 都比 1.1 更受青睐:

任务指标Omni 1.2Omni 1.1
参考生成视频整体偏好63%37%
参考生成视频多参考身份一致性63%37%
图生视频整体偏好59%41%
图生视频参考身份一致性60%40%
文生视频画面一致性62%38%
文生视频提示遵循度55%45%
编辑指令编辑57%43%
编辑编辑指令遵循度54%46%

Google 也提到,快速的体育动作、频繁切换的脚本和复杂物理效果仍在持续改进,这类镜头建议先测试,再批量生成。

Gemini Omni 1.2 Flash 在 PoYo 上的价格

在 PoYo 上,Omni 1.2 Flash 按输出秒数计费,用积分随用随付,不需要订阅。参考图和参考视频已包含在每秒价格里。

分辨率每秒积分每秒美元
360p5.46$0.0273
720p16.38$0.0819
1080p24.58$0.1229
4K49.14$0.2457

生成按你选的 duration 计费;视频编辑按源视频时长计费,不足 1 秒的部分向上取整。

每段视频的成本

下表为每段视频的积分,括号里是四舍五入到美分的美元价格:

时长360p720p1080p4K
3 秒16.38 ($0.08)49.14 ($0.25)73.74 ($0.37)147.42 ($0.74)
5 秒27.30 ($0.14)81.90 ($0.41)122.90 ($0.61)245.70 ($1.23)
8 秒(默认)43.68 ($0.22)131.04 ($0.66)196.64 ($0.98)393.12 ($1.97)
10 秒54.60 ($0.27)163.80 ($0.82)245.80 ($1.23)491.40 ($2.46)
15 秒81.90 ($0.41)245.70 ($1.23)368.70 ($1.84)737.10 ($3.69)

算例

场景算式费用
先打样再交付: 360p × 8 秒打样 20 次,再出 2 条 1080p × 8 秒成片20×43.68 + 2×196.641,266.88 积分($6.33)
一组 9:16 广告: 720p 的 6 秒、10 秒、15 秒各一条(6+10+15)×16.38507.78 积分($2.54)
编辑一段 12.4 秒的视频,720p(按 13 秒计费)13×16.38212.94 积分($1.06)

第一行是最省钱的做法:在 360p 下把提示、节奏和运动调好,这时一次打样只要 720p 的三分之一;只有确定要用的镜头,才花钱出 1080p 或 4K。Google 自家的免费和订阅渠道,比如 Google Vids、Flow 和 Gemini 应用,请看 Gemini Omni 免费吗?

为什么通过 PoYo 调用 Gemini Omni 1.2 Flash

  • 一个 API Key 调用所有模型。 Omni 1.2 Flash 和 PoYo 上的其他视频、图片、语言模型放在一起,切换或组合模型都不用另开账号。
  • 积分随用随付。 按 $1 = 200 积分购买,按输出秒数扣费,不需要订阅或月度方案。
  • 四种模式共用一个模型 ID。 文生视频、首尾帧、参考素材和视频编辑都用 gemini-omni-1.2-flash。
  • 简单的异步 API。 一个提交接口、一个状态接口,外加可选的 Webhook,所有模型都一样。
  • 先在 Playground 里试。 在浏览器里测试提示词、首尾帧、参考素材和编辑,实时查看积分预估,再复制完整的 JSON 请求。

四种输入模式,一个模型 ID

PoYo 按请求里的字段判断模式,判断顺序如下:

模式传入时长说明
视频编辑video_url + prompt跟随源视频(最长 15 秒)和 video_url 一起传 prompt 和可选的 resolution
参考生成reference_image_urls 和/或 reference_video_urls3–15 秒最多 10 张图和 3 段视频(每段最长 15 秒),图和视频可以一起传
首尾帧image_urls,1 或 2 张图3–15 秒;设了尾帧时最长 10 秒一张图作为起始帧;两张图按顺序作为起始帧和结束帧
文生视频只传 prompt3–15 秒按需加 resolution、duration、aspect_ratio

通用字段:

字段取值默认值
prompt必填,最多 20,000 个字符—
duration整数 3–158
resolution360p、720p、1080p、4k720p
aspect_ratio16:9、9:1616:9
callback_url你的 Webhook 地址—

所有媒体 URL 使用公开可访问的 HTTP 或 HTTPS 链接。image_urls 单独传;两个参考字段可以一起传,也可以只传其中一个。编辑后的视频沿用源视频的画幅。

在 PoYo 上调用 Gemini Omni 1.2 Flash API

整个流程是异步的:提交任务,拿到 task_id,再轮询状态接口,或者等 Webhook 回调。

1. 提交任务

curl -X POST https://api.poyo.ai/api/generate/submit \
  -H "Authorization: Bearer $POYO_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gemini-omni-1.2-flash",
    "callback_url": "https://your-domain.com/callback",
    "input": {
      "prompt": "[0-4s] Wide shot of a lighthouse on a cliff at dusk, waves crashing below. [4-9s] The camera pushes in as the lamp turns on and sweeps across the sea. [9-12s] Close-up of the keeper closing a logbook. Wind and distant gulls, no dialogue.",
      "duration": 12,
      "resolution": "720p",
      "aspect_ratio": "16:9"
    }
  }'

响应里会返回任务 ID:

{
  "code": 200,
  "message": "success",
  "data": {
    "task_id": "task-unified-1757165031-uyujaw3d",
    "status": "not_started",
    "created_time": "2026-11-14T10:30:00"
  }
}

一定要检查响应体里的 code:有些参数校验错误会以 HTTP 200 返回,但 body 里是 "code": 400。

2. 轮询任务状态

curl https://api.poyo.ai/api/generate/status/task-unified-1757165031-uyujaw3d \
  -H "Authorization: Bearer $POYO_API_KEY"

data.status 会依次经过 not_started、running,最后变成 finished 或 failed。任务完成后会返回视频 URL 和实际扣除的积分:

{
  "code": 200,
  "data": {
    "task_id": "task-unified-1757165031-uyujaw3d",
    "status": "finished",
    "credits_amount": 196.56,
    "files": [
      {
        "file_url": "https://storage.poyo.ai/generated/video-abc123.mp4",
        "file_type": "video"
      }
    ],
    "created_time": "2026-11-14T10:30:00",
    "progress": 100,
    "error_message": null
  }
}

12 秒的 720p 视频是 12×16.38 = 196.56 积分。

3. 完整的 Python 示例

import os
import time
import requests

BASE = "https://api.poyo.ai"
HEADERS = {
    "Authorization": f"Bearer {os.environ['POYO_API_KEY']}",
    "Content-Type": "application/json",
}

body = {
    "model": "gemini-omni-1.2-flash",
    "input": {
        "prompt": "A ceramic mug of coffee on a sunlit wooden table. Steam rises as the camera slowly orbits. Soft cafe ambience, no dialogue.",
        "duration": 6,
        "resolution": "360p",
        "aspect_ratio": "9:16",
    },
}

submit = requests.post(f"{BASE}/api/generate/submit", json=body, headers=HEADERS, timeout=30).json()
if submit.get("code") != 200:
    raise RuntimeError(submit)
task_id = submit["data"]["task_id"]

while True:
    status = requests.get(f"{BASE}/api/generate/status/{task_id}", headers=HEADERS, timeout=30).json()["data"]
    if status["status"] == "finished":
        print(status["files"][0]["file_url"], status["credits_amount"])
        break
    if status["status"] == "failed":
        raise RuntimeError(status.get("error_message"))
    time.sleep(10)

这段 6 秒的 360p 打样花费 32.76 积分。镜头满意之后,用同一个提示改成 1080p 或 4k 再提交一次即可。

其他模式的请求体

首尾帧(传了两张图,duration 最多为 10):

{
  "model": "gemini-omni-1.2-flash",
  "input": {
    "prompt": "One continuous camera move from the shop exterior through the door to the diner at the counter. Keep the signage and the character unchanged.",
    "image_urls": [
      "https://example.com/first-frame.webp",
      "https://example.com/last-frame.webp"
    ],
    "duration": 8,
    "resolution": "1080p",
    "aspect_ratio": "16:9"
  }
}

首帧是一间微缩拉面店的外景,尾帧是坐在柜台前的食客,Gemini Omni 1.2 Flash 用一个连续的推镜头把两者连了起来。

参考图和参考视频:

{
  "model": "gemini-omni-1.2-flash",
  "input": {
    "prompt": "The woman from the first image walks toward the camera wearing the jacket from the second image, matching the walking rhythm of the reference video.",
    "reference_image_urls": [
      "https://example.com/model.webp",
      "https://example.com/jacket.webp"
    ],
    "reference_video_urls": ["https://example.com/walk.mp4"],
    "duration": 10,
    "resolution": "720p",
    "aspect_ratio": "9:16"
  }
}

一张模特照片,加上每套服装的正面和背面照,生成了一段 15 秒的虚拟试穿视频,人物始终是同一个人。

视频编辑(传 prompt、video_url 和可选的 resolution,时长和画幅跟随源视频):

{
  "model": "gemini-omni-1.2-flash",
  "input": {
    "prompt": "Change the season to winter with light snowfall. Keep everything else the same.",
    "video_url": "https://example.com/source.mp4",
    "resolution": "720p"
  }
}

想继续改,就把返回的视频作为下一次的 video_url,配上新的指令再提交。

同一段骑士与王后的视频,一轮轮把场景从橡树林改成马厩、集市和石头城堡,人物和构图始终保持不变。

Gemini Omni 1.2 Flash 提示词技巧

15 秒的视频足够在一次生成里放下好几个镜头,比如下面这段在蜂巢里拍摄的四镜头微距科普:

用 Gemini Omni 1.2 Flash 生成的 15 秒四镜头蜂巢微距科普视频,带动画标注。

以下是 Google 的提示建议,结合 1.2 更长的视频来用:

  1. 15 秒视频用时间码。 用 [0-4s]、[4-9s] 这样的写法,可以在一段视频里安排多个节拍或镜头,并控制每一段发生的时间。
  2. 把声音写清楚。 Omni 会和画面一起生成声音。写明你想听到什么:对白、环境声、音效或音乐风格。
  3. 否定写法要简短。 Google 建议用 "No dialogue" 这类简单短语去掉不想要的元素。
  4. 编辑指令要简单。 只写一处改动,再加一句 "Keep everything else the same",让镜头其余部分保持不变。
  5. 画面里的文字要原样写出。 如果招牌或字幕必须出现,就把确切的文字写进提示。
  6. 需要一镜到底时明确说出来。 Omni 可能会加入剪切,让视频更像一个小故事;只要一个连续镜头,就在提示里写明。
  7. 提示尽量用英文写。 Google 将英语列为完整支持的语言。

怎么选时长和分辨率

目标起步设置原因
探索提示词360p,4–6 秒每秒 5.46 积分,反馈最快
社交媒体短片720p,6–10 秒,9:16画质和成本比较均衡
多镜头故事或广告720p,15 秒一次生成能放下 3–4 个带时间码的节拍
可控的转场首尾帧,≤10 秒镜头的起点和落点都是确定的
产品或人物一致性参考图 + 720p人物身份和产品可以来自不同的文件
最终交付确认后再出 1080p 或 4K放大能让好镜头更清晰,所以先确认运动

从 1.1 迁移到 1.2

  • 模型 ID: 把 gemini-omni-1.1-flash 改成 gemini-omni-1.2-flash。
  • 时长: PoYo 上的 1.1 只能选 4、6、8、10 秒;1.2 可以选 3 到 15 之间的任意整数秒,默认 8 秒。
  • 字段名: 对照 1.2 的字段检查请求:首尾帧用 image_urls,参考素材用 reference_image_urls 和 reference_video_urls,编辑用 video_url。
  • 预算: PoYo 上的 1.1 按次固定收费;1.2 按秒计费,所以 3 秒视频比 8 秒的便宜。
  • 时间线: Google 已宣布,从 2026 年 12 月 3 日起,Gemini API 上对 gemini-omni-1.1-flash 的请求将由 1.2 处理,所以新项目建议直接基于 1.2 开发。

PoYo 上两个模型 ID 都可以用。把生产流量切到 1.2 之前,先用一小组回归样例(人脸、产品、快速运动、画面文字、对白)在 1.2 上跑一遍,并按「每条可用视频的成本」而不是「每次请求的成本」来比较。

常见问题

Gemini Omni 1.2 Flash 是什么?

它是 Google 的多模态视频模型,用来生成和编辑带原生音频的短视频。它接受文本、图片和视频输入,生成 3 到 15 秒、最高 4K 的视频。Google 于 2026 年 11 月 5 日正式发布。

Gemini Omni Flash 有 API 吗?

有。Google 通过 Gemini API 和 Google Cloud 提供 gemini-omni-1.2-flash。在 PoYo 上,用 POST https://api.poyo.ai/api/generate/submit 并指定 "model": "gemini-omni-1.2-flash" 调用同一个模型,再通过 GET /api/generate/status/<task_id> 读取结果。

Gemini Omni 1.2 Flash API 多少钱?

在 PoYo 上,360p 每秒 5.46 积分,720p 16.38,1080p 24.58,4K 49.14,所以一段 8 秒的 720p 视频是 131.04 积分($0.66)。费用从随用随付的积分里扣,不需要订阅。

Gemini Omni 1.2 Flash 的视频最长多长?

3 到 15 秒之间的任意整数秒。同时设置首帧和尾帧时,上限是 10 秒。编辑后的视频跟随源视频的时长,最长 15 秒。

Gemini Omni 1.1 Flash 和 1.2 Flash 有什么区别?

1.2 把视频时长从 10 秒延长到 15 秒,可以编辑最长 15 秒的源视频,在 PoYo 上按秒计费,并且在 Google 公布的对比图表中每一项都领先 1.1,其中参考生成视频的整体偏好为 63%。

Gemini Omni 1.2 Flash 支持 4K 吗?

支持。可以选 360p、720p、1080p 或 4K。1080p 和 4K 由 Google 放大生成,建议先在低分辨率下确认运动和细节。

Gemini Omni 1.2 Flash API 免费吗?

API 采用随用随付:Google 在 Gemini API 的付费档提供 Omni 1.2 Flash,在 PoYo 上则按秒从积分里扣费。想零成本体验 Omni,可以用 Google 自家应用里的渠道,比如 Google Vids 和 Flow 的每日积分;我们在 Gemini Omni 免费吗? 里逐一做了对比。

在 PoYo 上试用 Gemini Omni 1.2 Flash

打开 Gemini Omni 1.2 Flash 模型页,可以在 Playground 里测试提示词、首尾帧、参考素材和视频编辑,实时查看积分预估,再把 JSON 请求复制到代码里。如果你的流程还在用固定的 4–10 秒档位,也可以继续使用 Gemini Omni 1.1 Flash 模型页。想了解其他视频模型,可以看我们的 2026 年最佳 AI 视频生成器。

Share: