KovAPIKovAPI
生视频 ● 运行正常 服务状态 →
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。

在线测试

直接试一下 Gemini Omni 1.2 Flash 的效果(登录后可用)。

Input

0 / 20000 字
参考图0 / 5
点击上传,或把文件拖到这里 jpg / png / webp / gif,单张不超过 16MB 或粘贴链接
不带图为文生视频。「参考图」(默认):1–3 张图里的人物或场景会出现在视频里;「首尾帧」:第 1 张作首帧、第 2 张作尾帧(最长 10 秒)。带源视频时为视频编辑,图片都作参考图,最多 5 张。提示词里可用 @Image1 / @Image2 点名。
源视频(视频编辑)0 / 1
点击上传,或把文件拖到这里 mp4 / mov,1 段,1–15 秒、不超过 50MB 或粘贴链接
传了源视频就是视频编辑:在提示词里写要改什么,例如「把场景改成夜晚,其余保持不变」。成片时长跟随源视频,按源视频秒数计费(上面选的时长不起作用;不是整秒的部分会截掉)。不能和首尾帧一起用。
上传的参考素材保留 7 天。
视频生成通常 5–20 分钟;上游繁忙时可能长到 60 分钟以上(满 120 分钟仍未生成按超时处理,积分全额退还)。请轮询任务号等待,不要重复提交——重复提交会各自扣费。按秒计费、失败全额退。 提示词上限 20000 字(中英文都按字数算)。

Output

video
运行后在此显示结果。
🕑 生成的图片和视频保留 7 天,到期自动删除,请及时下载保存。
能力

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。

鼠标移到画面上播放
视频编辑

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。

相关案例
鼠标移到画面上播放
参考图

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。

相关案例
鼠标移到画面上播放
首帧与首尾帧

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。

相关案例
鼠标移到画面上播放
画面文字

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。

相关案例
鼠标移到画面上播放
时长与规格

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。

相关案例
用途

能拿 Gemini Omni 1.2 Flash 做什么

商品与品牌广告

商品图和出镜人物作参考图,包装上的品牌字和颜色在镜头里保持一致,台词和音效写进提示词。

一条素材改出多个版本

同一段视频换画风、改光线、改文字,不用重新生成整条,适合投放前做多版测试。

让照片动起来

把商品图、街景或插画作首帧,写清运镜和动作,生成以这张图开场的短片。

转场与空镜

给出起点和终点两张画面,生成季节、昼夜或场景之间的过渡镜头。

竖屏社媒短片

直接出 9:16 竖屏,最高 4K,适合短视频平台的开场和氛围镜头。

分镜预演与叙事短片

用时间码把一条片子拆成几段,先看节奏和镜头,再决定要不要实拍或精修。

宠物与生活方式内容

用宠物或物品的照片作参考图,生成它们出现在新场景里的短片。

招牌、包装和片头文字

画面里要出现的字写进引号,适合门店、活动和产品展示的镜头。

规格速查

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
玩法与字段

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。
提示词

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]
价格

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

这一条—
怎么选

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 3–15720P / 1080P / 4K3 / 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 / 10720P / 1080P3 / 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 8720P / 1080P3 / 0 / 0 $0.20/条 固定 8 秒、按条计费的短片。
Seedance 2.5seedance-2.5 4–30480P / 720P / 1080P30 / 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 4–30480P / 720P / 1080P10 / 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 4–15480P / 768P / 1080P9 / 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 4–15480P / 720P / 1080P7 / 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。

四步上手

如何在 KovAPI 上用 Gemini Omni 1.2 Flash 生成视频

  1. 1

    注册并创建 API Key

    登录 KovAPI,在控制台创建 Key;同一把 Key 可以调用站内所有模型。

    注册 KovAPI
  2. 2

    在页面上方试提示词

    选好时长、分辨率和画幅,可以上传图片或源视频,提交前就能看到实时报价。

    打开在线测试
  3. 3

    提交异步生成任务

    用 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。

    查看 Gemini Omni 1.2 Flash API 文档
  4. 4

    查询结果或接收 Webhook

    按任务号轮询,或提交时设置 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。

    查看 Webhook 文档
为什么在 KovAPI

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。

版本演进

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。

  1. 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。

  2. 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。

  3. 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。

  4. 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。

常见问题

Gemini Omni 1.2 Flash API 常见问题

Gemini Omni 1.2 Flash 是什么?
Google 2026 年 11 月发布的视频生成与编辑模型,是 Gemini Omni Flash 的新一代。在 KovAPI 用 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?
文生视频和参考图 3–15 秒,按整秒任选,不传 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?
720P / 1080P / 4K,默认 720P;画幅 16:9 / 9:16;24 fps。Google 官方说明 1080P 和 4K 是高清放大。其他取值提交时直接报错,不扣费。
首帧和首尾帧怎么传?
首帧: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?
生成时最多 3 张,视频编辑时最多 5 张。按上传顺序是 @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?
把 1 段 1–15 秒的视频(mp4 / mov)放进 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?
和生成同样的每秒单价,按源视频秒数计费,例如 720P 是 $0.035/秒;不是整秒的部分截掉,例如 4.5 秒按 4 秒。duration 对编辑不起作用。
能用中文写提示词吗?
可以。我们用中文写同一段虎斑猫提示词,成片和英文版一致。Google 官方只对英文做过完整评估,复杂的镜头和台词要求用英文写更稳;画面里要出现的文字照原样写在引号里。
能关掉声音吗?
不能,每条成片都带音轨,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?
可以用,但会经过 Google 的内容审核。我们用普通人的照片测试:作首帧 2 次都出片,作参考图 2 次里 1 次被拒;公众人物的照片被拒。被拒的任务不计费。请确认你有权使用照片中的肖像。
出片要多久?
近 7 天真实调用的中位耗时为 57 秒,90% 在 102 秒内完成。排队时可以读取 queue_position 与 eta_seconds,以任务的实际状态为准。
生成失败会扣钱吗?
生成失败,未计费,可原样重新提交。提交时的预扣会全额退回,同一任务的自动重试只结算一次。
成片能保存多久?
成片和上传的素材保留 7 天,到期自动删除,请及时下载保存。
和上一代 Gemini Omni Flash 有什么区别?
1.2 的时长 3–15 秒逐秒可选(上一代只有 6 / 8 / 10 秒),多了 4K 和视频编辑,参考图的还原度更高;在 KovAPI 两者同价。上一代的页面仍可使用。
和 Veo 3.1 怎么选?
Veo 3.1 在 KovAPI 是固定 8 秒、按条计费;Omni 1.2 的时长按秒任选、按秒计费,还能编辑已有视频、出 4K。要对比画面,用同一段提示词在两个模型上各跑一条。
最后更新 2026-11-12

提示词原文


        
      
高清原片

相关模型

探索其它可接入的模型。

查看全部 →