comparisons

Gemini Omni 1.2 Flash vs Kling 4.0 Flash vs Veo 3.1 对比

Poyo.ai Team
11 min read
Share:

核心要点

  • 三款快速视频模型,各有长处。 Gemini Omni 1.2 Flash 最灵活(3–15 秒,360p 到 4K,还能编辑视频)。Kling 4.0 Flash 单条最长(最多 20 秒),720p 下可选的画幅也最多。Veo 3.1 是 PoYo 上拿到一条带音频的 8 秒成片最便宜的方式。
  • Gemini Omni vs Veo,如今更像是新旧交替。 Google 已于 2026 年 10 月 22 日在 Gemini API 中下线 Veo 3.1 预览版模型,并把 gemini-omni-1.2-flash 列为替代模型。Veo 3.1 仍以 GA 模型的形式在 Google Cloud 上提供,PoYo 上两者也都可以继续使用。
  • 时长是很多选择的关键。 Veo 3.1 每次生成 4、6 或 8 秒;Omni 1.2 Flash 支持 3 到 15 秒之间的任意整数秒;Kling 4.0 Flash 支持 3 到 20 秒之间的任意整数秒。
  • PoYo 上的单条价格: 5 秒 720p 视频,Omni 1.2 Flash $0.41,Kling 4.0 Flash $0.47。8 秒带音频的 Veo 3.1 视频,在固定时长的 Veo 3.1 页面上 Lite 为 $0.10、Fast 为 $0.18,Veo 3.1 Fast Official 为 $0.60。
  • 在 PoYo 上一个 Key 用三款。 同一个 API Key、同一份余额、同一套提交和状态接口就能调用这里的所有模型,按量付费,无需订阅。
  • 编辑已有视频: Omni 1.2 Flash 和 Kling 4.0 Flash 都能用一句文字指令编辑源视频;Veo 3.1 Official 可以给视频再续 1–7 秒。

Gemini Omni 1.2 Flash vs Kling 4.0 Flash vs Veo 3.1 一览

Gemini Omni 1.2 FlashKling 4.0 FlashVeo 3.1
开发方Google快手(可灵 AI)Google
PoYo 模型 IDgemini-omni-1.2-flashkling-4.0-flashveo3.1-lite / -fast / -quality,或 veo3.1-lite-official / -fast-official / -quality-official
视频时长3–15 秒,任意整数秒(使用尾帧时最多 10 秒)3–20 秒,任意整数秒4、6 或 8 秒(Veo 3.1 页面固定 8 秒)
分辨率360p、720p、1080p、4K720p720p、1080p、4K(视档位而定)
画幅16:9、9:1616:9、9:16、1:1、21:916:9、9:16
文生视频支持支持支持
图生视频首帧,或首帧 + 尾帧一张首帧一张图片,或首帧 + 尾帧
PoYo 上的参考输入最多 10 张图片 + 3 段视频最多 10 张图片、5 段视频、7 个主体(合计 15 项)3 张参考图(Fast 和 Quality,8 秒视频)
编辑已有视频支持,最长 15 秒支持,3–20 秒,可加参考视频Veo 3.1 Official 提供视频延长
PoYo 价格360p 起 $0.0273/秒;720p 为 $0.0819/秒$0.094/秒;有视频输入时 $0.063/计费秒每条 8 秒视频 $0.10 起;Official 每秒 $0.018 起

三款模型都走 PoYo 的同一个接口,一个 API Key 就能并排测试:Gemini Omni 1.2 Flash、Kling 4.0 Flash、Veo 3.1 和 Veo 3.1 Official。

Gemini Omni vs Veo:你比的是哪个版本?

"Gemini Omni vs Veo" 这个搜索词从 Google 首次推出 Gemini Omni Flash 时就有人搜,排在前面的不少页面比较的仍是早期预览版和 Veo 3.1。此后 Google 又发布了两个 Omni 版本,Veo 3.1 的提供渠道也有了变化:

模型Google 模型 ID发布日期2026 年 11 月 14 日的状态
Veo 3.1 与 Veo 3.1 Fast(预览版)veo-3.1-generate-preview、veo-3.1-fast-generate-preview2025 年 10 月 15 日2026 年 10 月 22 日在 Gemini API 中下线;替代模型:gemini-omni-1.2-flash
Veo 3.1 与 Veo 3.1 Fast(GA,Google Cloud)veo-3.1-generate-001、veo-3.1-fast-generate-0012025 年 11 月 17 日在 Gemini Enterprise Agent Platform 上正式可用;计划至少提供到 2027 年 5 月 4 日
Veo 3.1 Lite(预览版)veo-3.1-lite-generate-preview2026 年 3 月 31 日2026 年 10 月 22 日在 Gemini API 中下线
Gemini Omni Flash(预览版)gemini-omni-flash-preview2026 年 6 月 30 日2026 年 10 月 22 日下线
Gemini Omni 1.1 Flashgemini-omni-1.1-flash2026 年 8 月 27 日自 2026 年 12 月 3 日起,请求自动转到 1.2
Gemini Omni 1.2 Flashgemini-omni-1.2-flash2026 年 11 月 5 日当前版本

从这张表可以得出两点:

  • 在 Google 自己的开发者 API 里,Omni 已经接替了 Veo。 如果你直接基于 Gemini API 开发,视频模型就该用 Omni 1.2 Flash。Veo 3.1 则继续在 Google Cloud 上面向企业客户提供。
  • 早期的 "Omni Flash vs Veo 3.1 Fast" 对比,说的是预览版。 Omni 1.2 Flash 能生成更长的视频(从 1.1 的 10 秒提升到 15 秒),可以编辑完整的 15 秒视频,Google 也称它速度更快、性价比更高。上一代的完整介绍见我们的 Gemini Omni 1.1 Flash 指南。

本文下面比较的都是现在就能调用的模型:Gemini Omni 1.2 Flash、Kling 4.0 Flash,以及 Veo 3.1 的 Lite、Fast 和 Quality 档位。

三款模型的共同点

  • 都接受文字和图片输入。 三者都能把提示词变成视频,也都能让一张首帧图片动起来。
  • 定位都是"快"。 Kling 称 Flash "生成速度显著提升,性价比出色",Google 称 Omni 1.2 Flash 更快、成本更低,Veo 3.1 Fast 则是 Veo 系列里主打速度的档位。生成时间会随视频时长、分辨率和当前负载而变化,建议用自己的提示词在每款模型上各测几次。
  • Google 的两款模型会同时生成声音。 Omni 1.2 Flash 生成原生音频,Veo 3.1 也会生成声音;在 Veo 3.1 Official 上,可以用 sound 字段选择带音频还是无声视频。
  • 在 PoYo 上的调用流程相同。 提交任务,拿到 task_id,再轮询状态接口或接收回调。

规格对比:时长、分辨率、画幅和输入方式

视频时长

最短单次最长步长PoYo 默认值
Gemini Omni 1.2 Flash3 秒15 秒(使用尾帧时 10 秒)1 秒8 秒
Kling 4.0 Flash3 秒20 秒1 秒5 秒
Veo 3.1 Official4 秒8 秒4、6、8 秒每次请求自选
Veo 3.18 秒8 秒固定8 秒

如果要一次生成 12 秒、15 秒或 20 秒的镜头,两款 Flash 模型单次请求就能完成。Veo 3.1 Official 要更长的视频,可以用 veo3.1-extend 在已有视频后面续 1–7 秒,总长最多 30 秒。

Gemini Omni 1.2 Flash 一次生成的 15 秒视频:在蜂巢里拍摄的四镜头微距科普短片。示例来自 PoYo 模型页。

分辨率和画幅

  • Gemini Omni 1.2 Flash 以 360p 或 720p 生成,1080p 和 4K 由 Google 超分得到。所以同一个模型里,360p 可以当便宜的草稿档,4K 可以当交付档。画幅为 16:9 或 9:16。
  • Kling 4.0 Flash 按可灵的说明输出 720p、8-bit SDR。它还提供 1:1 和 21:9 画幅,适合方形信息流和超宽横幅。用首帧图片生成时,画幅由图片决定。
  • Veo 3.1 提供 720p、1080p 和 4K,画幅为 16:9 或 9:16,帧率 24 FPS。在 PoYo 上,Fast 和 Quality 档位以及固定时长的 Lite 档位都有 4K;Veo 3.1 Lite Official 为 8 秒视频提供 1080p。

Veo 3.1 Fast Official 生成的 8 秒 16:9 文生视频:纽约街头黄色出租车旁的一段街头采访。示例来自 PoYo 模型页。

输入和编辑

工作流Gemini Omni 1.2 FlashKling 4.0 FlashPoYo 上的 Veo 3.1
文字提示词promptpromptprompt
首帧image_urls 传一张图image_urls 传一张图一张图片(Fast、Quality 和 Official 档位)
首帧 + 尾帧image_urls 传两张图,最长 10 秒首帧(尾帧可用 Kling 4.0)两张图片
参考图最多 10 张最多 10 张3 张(Fast、Quality;8 秒视频)
参考视频最多 3 段,每段最长 15 秒最多 5 段,输入视频合计最长 20 秒图片参考
可复用主体参考图和参考视频最多 7 个 kling_elements(每个用 2–4 张图或一段 3–8 秒视频)图片参考
编辑源视频video_url 最长 15 秒,输出时长跟随源视频video_url 3–20 秒,可加参考图、最多 4 段参考视频和主体用 veo3.1-extend 延长

Kling 4.0 Flash 的参考体系最完整:可以在提示词里用 @Image1、@Video1 或 @Element1 指代每个输入,同一个主体还能在多条视频里反复使用。Omni 1.2 Flash 编辑起来最简单:传入视频,再用一句话描述要改什么,编辑结果会沿用源视频的节奏。Veo 3.1 最适合做首尾帧过渡和短小的成片镜头。

Kling 4.0 Flash 视频编辑:左边是在雪地里蹦跳的柯基,右边是动作相同、换成方块体素风格的柯基。示例来自 PoYo 模型页。

价格:PoYo 上的每秒价与单条价

下面都是 PoYo 的标价($1 = 200 积分)。一个 PoYo API Key 就能调用这三款模型,按量付费、无需订阅,按表中的每秒价或每条价结算。

每秒价格

模型PoYo 价格
Gemini Omni 1.2 Flash360p $0.0273/秒 · 720p $0.0819/秒 · 1080p $0.1229/秒 · 4K $0.2457/秒
Kling 4.0 Flash720p 文字、图片和图片参考任务 $0.094/秒 · 有视频输入时 $0.063/计费秒
Veo 3.1 Official,Lite720p 无声 $0.018/秒、带音频 $0.03/秒 · 1080p(8 秒视频)无声 $0.03/秒、带音频 $0.048/秒
Veo 3.1 Official,Fast720p/1080p 无声 $0.05/秒、带音频 $0.075/秒 · 4K 无声 $0.15/秒、带音频 $0.175/秒
Veo 3.1 Official,Quality720p/1080p 无声 $0.12/秒、带音频 $0.24/秒 · 4K 无声 $0.24/秒、带音频 $0.36/秒
Veo 3.1(固定 8 秒,含音频)720p/1080p 每条:Lite $0.10 · Fast $0.18 · Quality $1.00;4K 每条:$0.15 / $0.30 / $2.00

720p 单条价格:两款 Flash 模型

时长Gemini Omni 1.2 FlashKling 4.0 Flash
4 秒$0.33$0.38
5 秒$0.41$0.47
8 秒$0.66$0.75
10 秒$0.82$0.94
15 秒$1.23$1.41

Kling 4.0 Flash 还能继续生成到 20 秒,价格为 $1.88。精确数值:Omni 1.2 Flash 5 秒为 81.9 积分($0.4095),10 秒为 163.8 积分($0.819);Kling 4.0 Flash 5 秒为 94 积分($0.47),10 秒为 188 积分($0.94)。

720p 单条价格:Veo 3.1

时长Veo 3.1 Official Fast,带音频Veo 3.1 Official Lite,带音频
4 秒$0.30$0.12
6 秒$0.45$0.18
8 秒$0.60$0.24

一条带音频的 8 秒 Veo 3.1 Official Fast 视频为 120 积分($0.60)。在固定时长的 Veo 3.1 页面上,一条带音频的 8 秒视频 Fast 为 $0.18,Lite 为 $0.10。

计算示例

任务Gemini Omni 1.2 FlashKling 4.0 FlashVeo 3.1
广告测试: 30 条 8 秒竖屏 720p 版本30×0.6552 = $19.6630×0.752 = $22.56Fast 固定 8 秒:30×0.18 = $5.40
先打草稿再交付: 10 条 8 秒草稿 + 1 条 8 秒 4K 成片360p 草稿 10×0.2184 + 4K 1.9656 = $4.1510 条 720p 草稿 10×0.752 = $7.52(720p 即成片)Lite Official 草稿 10×0.144 + Quality Official 4K 带音频 8×0.36 = $4.32

两款 Flash 模型的编辑与参考视频

任务Gemini Omni 1.2 FlashKling 4.0 Flash
编辑一段 10 秒视频10×0.0819 = $0.82计费 10+10 = 20 秒 × $0.063 = $1.26
用一段 5 秒参考视频生成 8 秒视频8×0.0819 = $0.66计费 8+max(5,8) = 16 秒 × $0.063 = $1.01

Omni 1.2 Flash 按输出秒数计费,参考视频和编辑都包含在这个单价里。Kling 4.0 Flash 有视频输入时单价更低,计费秒数是输出时长加上"输入视频时长与输出时长中的较大者"。Kling 的完整计费规则见我们的 Kling 4.0 API 指南。

Kling 4.0 Flash vs Gemini Omni 1.2 Flash:正面对比

这两款最接近:都是 "Flash" 档,都用一个模型 ID 覆盖文字、图片、参考和编辑四种模式,也都按秒计费。

  • 选 Kling 4.0 Flash: 需要 16–20 秒的视频、方形或超宽画幅、把固定角色做成主体反复使用,或者用参考视频控制动作和运镜。它的参考素材合计不超过 15 项,输入视频合计最长 20 秒。
  • 选 Gemini Omni 1.2 Flash: 需要从 360p 草稿到 4K 交付的分辨率跨度、首尾帧过渡、靠提示词完成的简单编辑,或者参考素材很多、希望视频输入也包含在每秒单价里。
  • 720p 价格方面, 文字和图片任务 Omni 1.2 Flash 每秒便宜约 13%($0.0819 对 $0.094);一旦用到参考视频或编辑,价差还会更大。

如果是在可灵家族内部做选择,可以看 Kling 4.0 与 Flash 的区别,那篇讲了分辨率、时长和帧控制上的差异。Flash 各个请求字段的完整说明,见 Kling 4.0 Flash API 指南。

Seedance 2.5 放在哪里

"Gemini Omni vs Seedance" 也常有人搜。字节跳动的 Seedance 2.5 属于另一个档位:它面向更长、参考素材更多的成片,支持 4–30 秒、480p/720p/1080p,最多 50 个图片、视频和音频参考,并可选同步音频。在 PoYo 上,一条用文字或图片生成的 5 秒 720p Seedance 2.5 视频为 $1.575(每秒 63 积分),大约是 Omni 1.2 Flash 的四倍。它适合复杂场景的最终成片,大批量草稿则交给两款 Flash 模型。两者的画面对比可以看 Kling 4.0 vs Seedance 2.5。

怎么选?

你的需求先用原因
最便宜的带音频 8 秒成片纯文字用 Veo 3.1 Lite(veo3.1-lite),带图片用 Veo 3.1 Fast(veo3.1-fast)720p 或 1080p 每条 $0.10 或 $0.18
每秒成本最低的无声空镜Veo 3.1 Lite Official,sound: false720p 每秒 $0.018
一次生成超过 8 秒的镜头Gemini Omni 1.2 Flash(最长 15 秒)或 Kling 4.0 Flash(最长 20 秒)一次请求就能生成整个镜头
方形帖子或 21:9 横幅Kling 4.0 Flash提供 1:1 和 21:9 画幅
先便宜打草稿,再用同一模型出 4KGemini Omni 1.2 Flash360p 每秒 $0.0273,4K 每秒 $0.2457
系列内容里反复出现的角色和产品Kling 4.0 Flash最多 7 个可复用主体、15 项参考
给已有视频换风格或换场景Gemini Omni 1.2 Flash可编辑最长 15 秒,按源视频时长计费
编辑视频时引入新角色或新动作Kling 4.0 Flash编辑时也能加参考视频和主体
预先设计好的首尾过渡Gemini Omni 1.2 Flash 或 Veo 3.1两者都接受首帧和尾帧
主视觉镜头要 Veo 的最高画质Veo 3.1 QualityOfficial 档位支持带音频的 4K

一个实用的分流方案:先用 360p 的 Omni 1.2 Flash 或 Veo 3.1 Fast 打概念草稿,确定方向后再换成符合交付规格的模型;统计成本时看每条被采用的视频花了多少。

在 PoYo 上调用这三款模型

在 PoYo 上,一个 API Key、一种请求格式就能调用这三款模型,按量付费、无需订阅。所有模型都使用同样的提交和状态接口。下面的请求以 720p 运行 Gemini Omni 1.2 Flash:

curl 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",
    "input": {
      "prompt": "咖啡师把一杯拿铁推过洒满阳光的吧台。镜头缓慢推近,清晨暖光,轻柔的咖啡馆环境声。",
      "duration": 10,
      "aspect_ratio": "9:16",
      "resolution": "720p"
    }
  }'

同样的请求体也适用于 Kling 4.0 Flash:把 "model" 改成 "kling-4.0-flash" 即可。两者都接受 duration 为 10、aspect_ratio 为 9:16、resolution 为 720p。

使用 Veo 3.1 Official 时,要选择档位、4/6/8 秒的时长,以及 sound 设置:

curl https://api.poyo.ai/api/generate/submit \
  -H "Authorization: Bearer $POYO_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "veo3.1-fast-official",
    "input": {
      "prompt": "咖啡师把一杯拿铁推过洒满阳光的吧台。镜头缓慢推近,清晨暖光,轻柔的咖啡馆环境声。",
      "duration": 8,
      "aspect_ratio": "9:16",
      "resolution": "720p",
      "sound": true
    }
  }'

每次提交都会返回 data.task_id。用下面的命令查看进度:

curl https://api.poyo.ai/api/generate/status/YOUR_TASK_ID \
  -H "Authorization: Bearer $POYO_API_KEY"

状态依次为 not_started、running,最后是 finished 或 failed。状态为 finished 时,视频地址在 data.files[].file_url 里。也可以在顶层加上 callback_url,视频生成好后通过 Webhook 接收结果。每个模型页都有 Playground,会实时显示积分预估,还提供可以直接复制到代码里的 JSON 视图。

常见问题

Gemini Omni 比 Veo 更好吗?

两者擅长的事情不同。Gemini Omni 1.2 Flash 更灵活:3–15 秒、360p 到 4K、多参考输入,还能用提示词编辑视频。Veo 3.1 生成 4–8 秒的短镜头,并有面向更高画质的 Quality 档位。Google 现在把 Omni 1.2 Flash 作为 Gemini API 中 Veo 3.1 的替代模型,而 Veo 3.1 仍作为 GA 模型在 Google Cloud 上提供。

Gemini Omni Flash 会取代 Veo 3.1 吗?

在 Gemini API 中,是的。Google 已于 2026 年 10 月 22 日下线 veo-3.1-generate-preview、veo-3.1-fast-generate-preview 和 veo-3.1-lite-generate-preview,并把 gemini-omni-1.2-flash 列为替代模型。GA 模型 veo-3.1-generate-001 和 veo-3.1-fast-generate-001 仍在 Gemini Enterprise Agent Platform 上提供,计划至少提供到 2027 年 5 月 4 日。PoYo 上的两个 Veo 3.1 页面也都继续可用。

Gemini Omni Flash 和 Veo 3.1 Fast 哪个更便宜?

要看视频时长。在 PoYo 上,一条带音频的 8 秒 720p 视频,Veo 3.1 Fast 在固定时长的 Veo 3.1 页面上是 $0.18,在 Veo 3.1 Official 上是 $0.60,Omni 1.2 Flash 则是 $0.66。如果是更短的视频或 360p 草稿,Omni 1.2 Flash 可能更省:5 秒 360p 草稿只要 $0.14。超过 8 秒的视频,Omni 一次请求就能完成。

三款模型的视频最长多久?

Gemini Omni 1.2 Flash:3–15 秒(同时使用首帧和尾帧时最多 10 秒)。Kling 4.0 Flash:3–20 秒。Veo 3.1:每次 4、6 或 8 秒,在 Veo 3.1 Official 上可通过延长做到总长 30 秒。

哪款快速视频模型支持 4K?

Gemini Omni 1.2 Flash(超分 4K,PoYo 上每秒 $0.2457)和 Veo 3.1(Fast、Quality 档位,以及固定时长的 Lite 档位)。Kling 4.0 Flash 输出 720p;如果在可灵家族里需要 1080p,请用 Kling 4.0。

Gemini Omni 和 Kling 比,哪个更适合保持角色一致?

Kling 4.0 Flash 的结构更完整:一次请求最多 7 个可复用主体(每个用 2–4 张图或一段短视频定义),再加最多 10 张参考图和 5 段参考视频。Omni 1.2 Flash 接受最多 10 张参考图和 3 段参考视频,换角色可以靠编辑完成。如果是同一批角色反复出镜的系列内容,建议先用 Kling 4.0 Flash。

Gemini Omni 免费吗?

Google 在 Google Vids 中向拥有 Google 账号或 Workspace 订阅的用户提供 15 秒 Omni 视频生成,不另外收费;Gemini 应用中的 15 秒视频则面向 Google AI Ultra 订阅用户逐步开放。如果要通过 API 调用,PoYo 按量提供 Omni 1.2 Flash,360p 每秒 $0.0273 起,无需订阅,Playground 还会在每次生成前显示积分预估。

能用一个 API Key 调用这三款模型吗?

可以。在 PoYo 上,Gemini Omni 1.2 Flash、Kling 4.0 Flash 和 Veo 3.1 的所有档位共用一个 API Key、一份余额和同一套提交与状态接口。纯文字任务时,Omni 和 Kling 甚至可以用同一个请求体,切换模型只需改 model 字段。

Share: