Google 在 11 月 5 日把 Gemini Omni 1.2 Flash 推向正式可用（GA），这是 Omni 系列第一次从”预览”变成任何人拿 API key 就能调的产品。相比 1.1，它把单条视频从 10 秒拉长到 15 秒，支持多轮对话式改片，价格直接降了 30%——720p 视频每秒 0.07 美元。
对做短视频、电商素材、广告投放的人来说，这三个变化凑在一起意味着什么？简单说：以前你生成一条 10 秒片子，出问题只能整条重来；现在可以只改背景、改光线、改时长，剩下的镜头不动。这是从”抽卡”到”剪辑”的转变。
核心能力：15 秒、多轮改片、参考图抓得住了
Gemini Omni 1.2 Flash 是原生多模态视频生成与编辑模型，输入支持文字、图片、视频，输出文字加视频，上下文 131K token。官方这次强调的重点全部围绕”一致性”，而不是单纯堆画质：
- 时长 3-15 秒可调：以 1 秒为步长指定，不再只有固定 10 秒。15 秒足够讲完一个产品卖点或一条社交广告。
- 多轮对话式编辑：对同一条 15 秒片子连续下指令，换产品、换背景、改光线天气、切画幅比例，前面已经满意的部分不会被推翻重来。
- 参考依从性提升：可以同时喂角色图、产品图、风格图、最长 3 秒的运动片段和音频提示，脸、服装、包装字、品牌色在不同机位下保持一致。
- 首尾帧连贯：在起始帧和结束帧之间插值，或者把片段延长成序列，物体和场景不会中途变形。
- 原生音频与口型：多角色对白可以分别绑定声音参考，口型同步更准，官方给的例子里四个角色的声音能各自路由到正确的人。
- 运镜更稳：FPV 穿越、环绕、拉远这类连续镜头，跳切明显减少。
价格与获取渠道：先出 360p 草稿，再放大到 4K
定价是这次最实在的升级：720p 视频 每秒 0.07 美元，比 Omni 1.1 便宜 30%。按一条 15 秒片子算，大约 1.05 美元。更省钱的是工作流——先用 360p 或 720p 快速出草稿，用多轮编辑把细节改对，最后再把满意的成片放大到 1080p 或 4K，不需要每次调整都按 4K 的价格重跑。
入口已经铺开：Gemini API、Google Vids、Gemini for business、Google Cloud 都能调用，企业侧提供 Provisioned Throughput（预留吞吐），输出带 SynthID 隐形水印。这也是 Omni 第一次真正进入 Google Cloud 的企业级基础设施体系。
想横向了解 Google 模型全貌，可以看我们的 Gemini 4 Argon 深度评测 和 Gemini 3.8 Live 评测；Omni 系列的起点可以回溯到 Google I/O 2026 的 Omni 视频生成发布。
实测与局限：快节奏运动和物理还是短板
官方自己在博客里列了三条待改进项：快速体育运动、剧本台词的快速切换、复杂物理效果。这三条恰好是”看起来像真的”最容易破功的地方——球类运动的轨迹、人物连续说话时口型与台词的咬合、水流和布料的受力，目前仍需要多次重试。
另一个需要心理预期的是成本结构。多轮编辑虽然省了重生成，但每一轮都是计费调用；一条反复改十轮的 15 秒广告，总成本可能超过直接生成三条新片。建议把”能一次说清的修改”合并到同一轮提示里，而不是一轮改一个细节。
中文场景还有一层：模型对中文文案的画面化理解不如英文稳定，尤其是画面内出现中文字幕、招牌文字时，错字率仍偏高。真正用于投放的中文素材，文字建议后期加，不要指望模型直接生成正确汉字。
Gemini Omni 1.2 Flash 与其他视频模型横向对比
| 模型 | 单条时长 | 价格与获取 | 核心定位 | 本站评分 |
|---|---|---|---|---|
| Gemini Omni 1.2 Flash | 3-15 秒 | $0.07/秒（720p），API 全面开放 | 多轮改片 + 电商素材量产 | 8.8 |
| Sora | 最长 20 秒级 | 订阅制，按套餐配额 | 创意短片、叙事镜头 | 8.9 |
| 通义万相 Wan3.0 | 最长 30 秒 | 国内可直接调用，按量计费 | 中文商业素材、长镜头 | 8.6 |
| 可灵 AI | 5-10 秒 | 会员制 + API | 国内创作者、人物表演 | 8.4 |
| 即梦视频 | 3-10 秒 | 免费额度 + 会员 | 上手门槛最低、模板化 | 8.0 |
放在坐标系里看：Sora 依然在”创意想象力”上领先，Wan3.0 在中文语义和长镜头上更懂国内业务，可灵的人物表演稳定。Gemini Omni 1.2 Flash 的差异点不是画质天花板，而是可编辑性 + 单价——它更像一条能批量出广告变体的产线，而不是一台创意机器。
综合评分
| 维度 | 评分 | 评价 |
|---|---|---|
| 功能完整度 | 9.0 / 10 | 15 秒 + 多轮编辑 + 音频口型 + 首尾帧，工作流闭环完整 |
| 易用性 | 8.8 / 10 | API 与 Vids 双入口，草稿到 4K 的分级生成降低试错成本 |
| 性价比 | 9.2 / 10 | 每秒 0.07 美元、降 30%，改片不必整条重跑 |
| 中文支持 | 8.2 / 10 | 中文语义可用，画面内中文字准确率仍是短板 |
| 输出质量 | 8.8 / 10 | 参考依从性和运镜稳定性明显提升，快动作与物理略弱 |
综合评分：8.8 / 10
常见问题（FAQ）
Gemini Omni 1.2 Flash 免费吗？
不完全免费。它按秒计费，720p 每秒 0.07 美元，一条 15 秒视频约 1.05 美元。Google AI Studio 里可以少量试用，但正式批量使用要走 Gemini API 计费；Gemini 订阅用户可以在 Google Vids 里用到相关能力，具体额度随套餐变化。
和 Gemini Omni 1.1 有什么差别？
三处硬变化：单条时长从 10 秒延长到 15 秒（可 3-15 秒按 1 秒步长指定）；支持对同一片段做多轮对话式编辑，改背景光线画幅不用重生成；价格降 30%。另外参考图依从性和运镜连续性都有提升。
生成的视频能商用吗？有水印吗？
输出带 SynthID 隐形水印，肉眼不可见，用于标识 AI 生成内容。商用授权按 Google 的生成式 AI 使用条款执行，企业可通过 Google Cloud 的 Provisioned Throughput 获得更稳定的配额与合规保障。
本地部署需要什么配置？
不能本地部署。Omni 1.2 Flash 是闭源云服务，只能通过 Gemini API、Google Vids 或 Google Cloud 调用。想要本地跑的视频模型，得看开源方案，比如 快手 Keye-VL-2.0 这类开源视频理解模型，但它们不做视频生成。
Gemini Omni 1.2 Flash 和 Wan3.0 该选哪个？
做中文电商素材、需要长镜头和中文台词理解，优先 Wan3.0；需要批量出多版本广告、频繁改细节、且团队已经在 Google Cloud 生态里，选 Omni 1.2 Flash 更省事。两者都支持 API，成本可以先用同一套 brief 各跑三条对比。
总结
Gemini Omni 1.2 Flash 不是”最强视频模型”，但它可能是目前最适合流水线生产的一个：15 秒够长、改片够省、单价够低。如果你现在还在用”生成十条挑一条”的方式做素材，这个模型值得花半天把多轮编辑的提示词套路摸一遍。
想发现更多好用的 AI 工具？查看我们的 AI 模型库 与 工具对比引擎，或继续阅读：通义万相 Wan3.0 评测 · 可灵 AI 评测 · Sora 评测 · 全部深度评测。