Gemini Omni 1.2 Flash
⧉Gemini Omni 1.2 Flash 是 Google 2026 年 11 月发布的视频生成与编辑模型。一个接口覆盖文生视频、首帧、首尾帧、参考图和视频编辑,画面和对白、音效、音乐一起生成。在 KovAPI 用 gemini-omni-1.2-flash 调用,按秒计费。
- 3–15秒逐秒可选
- 一句话编辑视频
- 720P到4K
- 720P比官方低50%
在线测试
直接试一下 Gemini Omni 1.2 Flash 的效果(登录后可用)。
Input
Output
video一句话改视频,文字写得准,长度按秒选
下面的预览都来自本页案例的成片。点「看完整案例」看带声音的原片、提示词和参数;「相关案例」里是用到同一能力的其他成片。
一句话换画风、改文字、加减物体
把一段 1–15 秒的视频放进 video_urls,提示词写要改什么。变成动画、只改招牌上的字、让某样东西消失,没提到的部分尽量保持原样;还能带最多 5 张参考图指定要加的东西。按源视频秒数计费。
人物、商品和包装上的字跟着参考图走
最多 3 张参考图,人物、宠物、商品各管一件。咖啡广告这条放了咖啡师和咖啡袋两张图,成片里人物的样子和包装上的字都和参考图一致。
定好开头,或者定好开头和结尾
1 张图作首帧,成片从这张图开始拍;2 张图作首尾帧,模型生成中间的过渡。两种用法都最长 10 秒。
招牌、车牌、包装上的字能写对
把要出现的文字写进引号,Omni 会照原样写在画面里。街景这条的路牌、店招和车牌一次都写对了;视频编辑也能只改其中一处文字。
3–15 秒逐秒可选,最高 4K
时长按整秒任选,可以用 [0-5s] 这样的时间码安排情节;分辨率 720P、1080P、4K,横屏 16:9 或竖屏 9:16,每条都带声音。
能拿 Gemini Omni 1.2 Flash 做什么
Gemini Omni 1.2 Flash 规格速查
- 型号 ID
gemini-omni-1.2-flash- 接口
POST https://kovapi.com/v1/videos/generations→GET https://kovapi.com/v1/videos/jobs/{id}- 时长
- 3–15 秒任选整数;首帧、首尾帧最长 10 秒
- 分辨率
- 720P / 1080P / 4K
- 画面比例
- 16:9 / 9:16
- 参考素材
- 参考图最多 3 张;首帧 1 张;首尾帧 2 张
- 视频编辑
- 1 段 1–15 秒的源视频,可再带最多 5 张参考图;成片和源视频一样长
- 提示词
- ≤ 20,000 字符
- 成片保留
- 7 天
玩法与 API 字段对照
各玩法共用 model(gemini-omni-1.2-flash)、prompt、resolution 和 size。图片放在 images,用 image_role 指定是首帧还是参考图;源视频放在 video_urls。提示词里可以用 @Image1、@Image2 按上传顺序点名图片。
| 玩法 | 传什么 | 得到什么 | 限制 |
|---|---|---|---|
| 文生视频 | 只传 prompt 和生成参数,duration 填整数秒。 | 按文字生成画面、镜头和声音;台词、音乐、音效都写进提示词。 | 3–15 秒,不传 duration 时按 10 秒。 |
| 首帧 | images 放 1 张图。只传 1 张时默认就是首帧,也可以写明 image_role: first_frame。 | 成片从这张图开始,按提示词里的动作和运镜往下拍。 | 最长 10 秒。 |
| 首尾帧 | images 放 2 张图并写 image_role: first_frame:第 1 张是首帧,第 2 张是尾帧。 | 从第一张画面过渡到第二张,中间的运动和镜头按提示词生成。 | 最长 10 秒。 |
| 参考图 | images 放图片:2–3 张时默认就是参考图,只有 1 张时写 image_role: reference。提示词里写清每张图是谁、是什么。 | 图里的人物、宠物、商品或画风出现在新画面里,不当作某一帧。 | 最多 3 张,3–15 秒。 |
| 视频编辑 | video_urls 放 1 段源视频(mp4 / mov),提示词写要改什么;可以再带参考图,用 @Image1 点名。 | 按指令换画风、改文字、加减物体,没提到的部分尽量保持原样。 | 源视频 1–15 秒,参考图最多 5 张;成片和源视频一样长,按源视频秒数计费。 |
组合规则与注意事项
- 图片怎么算:1 张默认作首帧,2–3 张默认作参考图。要 1 张图当参考,写
image_role: reference;要首尾帧,2 张图加image_role: first_frame。带了源视频时,图片一律按参考图使用。 - 视频编辑时
duration不起作用:成片和源视频一样长,不是整秒的部分会截掉,例如 4.5 秒的视频按 4 秒编辑和计费。size不写时跟随源视频的横竖。编辑不能同时给首尾帧。 @Image1、@Image2按上传顺序编号。生成时它会被换成「参考图1」这类说法交给模型;编辑时直接绑定到对应那张图,没被点名的图也会一起交给模型。- 每条成片都带声音,
audio: false会被拒。不想要的内容直接写进提示词,例如「No dialogue」「No music」;negative_prompt和system_prompt会被拒,不扣费。
Gemini Omni 1.2 Flash 提示词:照 Google 官方指南写
以 Google《Gemini Omni Flash prompt guide》为准:先定镜头和主体,再写动作、光线和声音;编辑时只写要改的那一点。下面的例句出自该指南,也是本页案例实际提交的提示词。
写法习惯
- 要一个镜头就明说
Omni 默认会拍成几个镜头、自己编一段小情节。只要一个连续镜头时,写「In a single continuous shot」或「No scene cuts」。
虎斑猫原文:“Continuous, unbroken handheld shot of a fluffy tabby cat…”
- 把声音写出来
不写声音,模型会自己配一段。要音乐就写风格和情绪,环境音、台词也写进去,台词放进引号。
虎斑猫原文:“Sound design: Gentle breeze, distant bird chirps.”
- 不想要的写成短句
negative_prompt不可用,排除项直接写进提示词,例如「No dialogue」「No embellishments」「No extra sound effects」。虎斑猫原文最后一句:“No dialogue.”
- 编辑只写要改的那一点
编辑提示词越简单越准,写得太细反而会改到别处。只改一处时,加一句「Keep everything else the same」。
招牌原文:“Change the text on the sign to say "Omni Flash"”
- 用时间点安排情节
可以写「After 3 seconds…」「At 5s…」这样的自然语言,也可以用
[0-5s]时间码,自己排镜头切换和节奏。传送门原文:“[10-15s] They start running into the portal”
- 画面里的字放进引号
Omni 能把文字写对、写清楚。场景里本来就会出现的招牌、车牌,也把要写的内容放进引号。
街景原文:“there's a car with the number plate: "OMNI1.2"”
- 人物和场景写细
官方建议的「元提示」:要求模型注意细节、表情和节奏,按服装设计的思路写人物,背景里的东西也写具体。
官方指南:“Be extremely detailed in your descriptions of characters and environments.”
- 图生视频写清运动
图片尽量清晰;描述具体的运镜、主体动作和环境变化,比「让它动起来」效果好。图只作草图或参考时也要写明,否则可能被当成第一帧。
面包店(按指南写):“The camera slowly pushes in toward the bakery window.”
一条长提示词的结构
- 1镜头
开头先定镜头:连续、手持、一个镜头到底。
原文:“Continuous, unbroken handheld shot”
- 2主体与场景
主体是谁、在哪里、在看什么。
原文:“of a fluffy tabby cat sitting on a sunny windowsill, looking out into a leafy garden.”
- 3细微动作
写小动作让画面活起来,主体不必大动。
原文:“The cat's tail twitches slowly, and its ears rotate slightly toward ambient noises.”
- 4光线
一句话交代光和氛围。
原文:“Sunbeams illuminate dust motes in the air.”
- 5声音设计
单独一句写环境音;有台词就把台词放进引号。
原文:“Sound design: Gentle breeze, distant bird chirps.”
- 6排除项
最后写不要什么。
原文:“No dialogue.”
可直接改的模板
In a single continuous shot, [景别和运镜] of [主体] in [场景]. [0-4s] [第一个动作] [4-8s] [第二个动作] [8-10s] [结尾画面] Lighting: [光线与色调]. Sound design: [环境音、音效]. [角色] says: "[台词]" No subtitles. [No music / No dialogue]
Gemini Omni 1.2 Flash 价格
按秒计费,和 Google 官方价同表对照;在线测试提交前就显示这一单的价格。
| 分辨率 | Gemini Omni 1.2 Flash |
|---|---|
| 720P | $0.035/秒Google 官方价 $0.07 · 比官方低 50% |
| 1080P | $0.05/秒Google 官方价 $0.104 · 比官方低 51% |
| 4K | $0.10/秒Google 官方价 $0.209 · 比官方低 52% |
- 生成:所选分辨率的每秒单价 × 成片秒数,参考图不另收费。
- 视频编辑:同样的每秒单价 × 源视频秒数(按整秒,不到 1 秒的部分截掉)。计算器里选「视频编辑」就能算。
- 提交时预扣,成功后按同一金额结算;生成失败全额退回。
费用计算器
Gemini Omni 1.2 Flash 与其他视频模型怎么选
下表的时长、分辨率、参考上限和价格都是实时规格。Omni 1.2 的参考上限按生成计,视频编辑时另外可带 5 张图。
| 型号 | 时长(秒) | 分辨率 | 参考 图 / 视频 / 音频 | 价格 | 适合 |
|---|---|---|---|---|---|
Gemini Omni 1.2 Flash本页gemini-omni-1.2-flash |
3–15 | 720P / 1080P / 4K | 3 / 0 / 0 | $0.035/秒 起 | 要用一句话改已有视频,或者要画面文字写得准、能出 4K、长度按秒任选的短片。 |
Gemini Omni Flashgemini-omni-flash |
6 / 8 / 10 | 720P / 1080P | 3 / 0 / 0 | $0.035/秒 起 | 已经用上一代跑通的项目:只有 6 / 8 / 10 秒、720P / 1080P,和 1.2 同价。 |
Veo 3.1veo-3.1 |
8 | 720P / 1080P | 3 / 0 / 0 | $0.20/条 | 固定 8 秒、按条计费的短片。 |
Seedance 2.5seedance-2.5 |
4–30 | 480P / 720P / 1080P | 30 / 10 / 10 | $0.10/秒 起 | 要放进大量参考素材(图片、视频、音频一起给),或单条最长 30 秒的叙事短片。 |
Wan 3.0wan3.0-video |
4–30 | 480P / 720P / 1080P | 10 / 5 / 5 | $0.04/秒 起 | 要参考视频、参考音频,或用文档 / 网页生成视频,单条最长 30 秒。 |
MiniMax H3minimax-h3 |
4–15 | 480P / 768P / 1080P | 9 / 3 / 3 | $0.015/秒 起 | 批量短片:先用 480P / 768P 打样,再出 1080P;能做首尾帧,参考模式可带参考音频和参考视频。 |
Grok Imagine Video 1.5grok-imagine-video-1.5 |
4–15 | 480P / 720P / 1080P | 7 / 0 / 0 | $0.025/秒 起 | 按条计费的 480P / 720P 短片,参考图可以给到 7 张。 |
已有其他模型的稳定样片时,用同一组素材和验收标准,对比画面、动作、声音、出片耗时和实际费用,再决定是否切换。
如何在 KovAPI 上用 Gemini Omni 1.2 Flash 生成视频
- 1
- 2
-
3
提交异步生成任务
用
查看 Gemini Omni 1.2 Flash API 文档gemini-omni-1.2-flash提交到POST /v1/videos/generations,收到 HTTP 202 后保存任务号;完整请求示例见文档。 -
4
查询结果或接收 Webhook
按任务号轮询,或提交时设置
查看 Webhook 文档callback_url接收结果。成功后从data[0].url下载 MP4;成片保留 7 天,请及时保存。
为什么在 KovAPI 使用 Gemini Omni 1.2 Flash
比 Google 官方价低
720P 比 Google 官方价低 50%,1080P 低 51%,4K 低 52%;视频编辑也是同样的每秒价。在线测试提交前就显示这一单的价格。
失败不扣费,自动重试
生成失败,预扣的费用全额退回;上游繁忙或出错时系统自动重试,不用自己写重试逻辑。
不限并发
每个账号不设并发上限,批量任务直接提交;高峰时自动排队,接口返回 queue_position 和 eta_seconds,完成后可推送 Webhook。
视频模型一套接口
提交、查询和 Webhook 的写法对站内所有视频模型都一样,改 model 就能把同一段提示词交给 Seedance、Wan、Veo 等模型对比。
注册和付款都简单
邮箱或 Google、GitHub 注册,微信、银行卡、PayPal、USDT 都能充值,按量扣费、没有月费;同一把 Key 还能调用站内的对话和生图模型。
Gemini Omni 的演进
日期按 Google 官方发布口径;KovAPI 当前可用的玩法以上面的玩法表为准。
- 2026-05-19
Gemini Omni Flash · 发布
Google I/O 上发布 Omni 家族的第一个模型:用文字、图片和视频生成视频,并能用对话修改视频,先在 Gemini 应用和 YouTube Shorts 上线。
- 2026-06-30
Gemini API 公测
开发者可以通过 Gemini API 调用预览版:3–10 秒、720P,文生视频或让静图动起来,还能接着修改生成结果。
- 2026-08-27
Omni 1.1 · 正式版
正式版加入首尾帧,分辨率最高到 4K(1080P 和 4K 是高清放大)。KovAPI 上的 Gemini Omni Flash 就是这一代:6 / 8 / 10 秒,720P / 1080P。
- 2026-11-05
Omni 1.2 · 15 秒与更稳的参考当前
时长改为 3–15 秒逐秒可选;参考图里的人物、服装和包装文字更稳定,对白和口型更自然;Google 官方价比 1.1 低 30%。Google 宣布 2026-12-03 起把 1.1 的请求自动转到 1.2。
Gemini Omni 1.2 Flash API 常见问题
Gemini Omni 1.2 Flash 是什么?
gemini-omni-1.2-flash 调用,支持文生视频、首帧、首尾帧、参考图和视频编辑,成片自带声音。能生成多长的视频?
duration 时 10 秒;首帧、首尾帧最长 10 秒;视频编辑的成片和源视频一样长。支持哪些分辨率和画幅?
首帧和首尾帧怎么传?
images 放 1 张图即可。首尾帧:images 放 2 张图,并写 image_role: first_frame,第 1 张是首帧、第 2 张是尾帧。两种用法都最长 10 秒。参考图最多几张?怎么在提示词里点名?
@Image1、@Image2……,在提示词里写清每张图是谁、是什么,例如「The woman from the first image」。视频编辑怎么用?
video_urls,提示词写要改什么,例如「Make this video anime」。只改一处时加一句「Keep everything else the same」。需要加指定的东西时,再带参考图并用 @Image1 点名。视频编辑怎么计费?
duration 对编辑不起作用。能用中文写提示词吗?
能关掉声音吗?
audio: false 会被拒。可以在提示词里写「No music」「No dialogue」只留环境音;要完全无声的素材,下载后去掉音轨。能用真人照片吗?
出片要多久?
queue_position 与 eta_seconds,以任务的实际状态为准。生成失败会扣钱吗?
成片能保存多久?
和上一代 Gemini Omni Flash 有什么区别?
和 Veo 3.1 怎么选?
相关模型
探索其它可接入的模型。
Gemini Omni Flash
Google 新一代视频模型 · 6 / 8 / 10 秒
Veo 3.1
文生 / 图生 / 首尾帧 / 参考图 · 8 秒
Seedance 2.5
文生 / 图生视频 · 最长 30 秒
Wan 3.0
一个接口五种玩法 · 最长 30 秒
MiniMax H3
480P / 768P / 1080P · 首尾帧 · 全能参考 · 原生音频