# Gemini Omni 1.2 Flash API：Google 视频生成与编辑 | KovAPI

> 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。

网页版: https://kovapi.com/zh/model/gemini-omni-1.2-flash · 更新: 2026-11-12
价格、上限和耗时是生成这份文件时的实时值。

## 事实摘要

- 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
- 每秒价: 720P $0.035/秒 · 1080P $0.05/秒 · 4K $0.10/秒
- 成片保留: 7 天

## 一句话改视频，文字写得准，长度按秒选

- **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。

## 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。 |

## 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。

## Gemini Omni 1.2 Flash 价格

| 分辨率 | Gemini Omni 1.2 Flash | Google 官方价 |
| --- | --- | --- |
| 720P | $0.035/秒 | $0.07 |
| 1080P | $0.05/秒 | $0.104 |
| 4K | $0.10/秒 | $0.209 |

- 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。

## 案例：提示词与参数

### 虎斑猫：一个镜头拍到底

- 用 KovAPI 生成 · 文生视频 · 10s · 720P · 16:9
- 按现价 $0.35
- 成片: https://img.kovapi.com/i/mp-c12a02b55c1bc34ba139487d.mp4

官方指南「单镜头」一节的例子：开头写死「连续、手持、一个镜头」，再写细微动作、光线和声音设计，最后一句「No dialogue」。提示词出自 Google《[Gemini Omni Flash 开发者文档](https://aistudio.google.com/docs/omni)》，成片由 KovAPI 按原提示词生成。

提示词原文:

```text
Continuous, unbroken handheld shot of a fluffy tabby cat sitting on a sunny windowsill, looking out into a leafy garden. The cat's tail twitches slowly, and its ears rotate slightly toward ambient noises. Sunbeams illuminate dust motes in the air. Sound design: Gentle breeze, distant bird chirps. No dialogue.
```

阅读译文 (译文只供阅读；复制和套用都用原文):

```text
连续不断的手持镜头：一只毛茸茸的虎斑猫坐在洒满阳光的窗台上，望向窗外枝叶繁茂的花园。猫尾巴慢慢抽动，耳朵随着环境里的声响微微转动。阳光照亮空气中飘浮的尘埃。声音设计：轻柔的微风，远处的鸟鸣。没有对白。
```

### 纸飞机穿过图书馆

- 用 KovAPI 生成 · 文生视频 · 8s · 1080P · 16:9
- 按现价 $0.40
- 成片: https://img.kovapi.com/i/mp-179512a5c3b6c91fa7b10f56.mp4

官方文档里的一句话例子：一个不间断的跟拍镜头，1080P。提示词出自 Google《[Gemini Omni Flash 开发者文档](https://aistudio.google.com/docs/omni)》，成片由 KovAPI 按原提示词生成。

提示词原文:

```text
A single unbroken tracking shot following a paper airplane gliding through a bustling library.
```

阅读译文 (译文只供阅读；复制和套用都用原文):

```text
一个不间断的跟拍镜头，跟着一架纸飞机滑翔穿过熙熙攘攘的图书馆。
```

### 时间码：15 秒走进传送门

- 用 KovAPI 生成 · 文生视频 · 15s · 1080P · 16:9
- 按现价 $0.75
- 成片: https://img.kovapi.com/i/mp-29f31c6396192e4adf2ae1e3.mp4

用 `[0-5s]`、`[5-10s]`、`[10-15s]` 三段时间码排情节：走路、停下转身、冲进传送门，成片按时间点推进。提示词出自 Google《[Gemini Omni Flash 开发者文档](https://aistudio.google.com/docs/omni)》，成片由 KovAPI 按原提示词生成。

提示词原文:

```text
[0-5s] A person is walking down a quiet street
[5-10s] They stop and turn around toward a glowing doorway
[10-15s] They start running into the portal
```

阅读译文 (译文只供阅读；复制和套用都用原文):

```text
[0-5s] 一个人走在安静的街道上
[5-10s] 这个人停下来，转身面向一扇发光的门
[10-15s] 然后开始奔跑，冲进传送门
```

### 路牌、店招和车牌上的字

- 用 KovAPI 生成 · 文生视频 · 8s · 720P · 16:9
- 按现价 $0.28
- 成片: https://img.kovapi.com/i/mp-add537be3ae6b285aae5d047.mp4

官方「画面文字」一节的例子：路牌、店招、车牌要写的内容都放进引号，三处文字都写对了。提示词出自 Google《[Gemini Omni Flash 开发者文档](https://aistudio.google.com/docs/omni)》，成片由 KovAPI 按原提示词生成。

提示词原文:

```text
There is a street sign that says: "This is an AI generation by Omni", there is a storefront that says: "All you need AI", there's a car with the number plate: "OMNI1.2"
```

阅读译文 (译文只供阅读；复制和套用都用原文):

```text
有一块路牌写着：“This is an AI generation by Omni”，有一个店面招牌写着：“All you need AI”，还有一辆车的车牌是：“OMNI1.2”
```

### 4K 竖屏：赛博朋克城市

- 用 KovAPI 生成 · 文生视频 · 6s · 4K · 9:16
- 按现价 $0.60
- 成片: https://img.kovapi.com/i/mp-78147b0630d708927a07f2cd.mp4

官方文档讲画幅时用的例句，这里出 4K 竖屏（2160×3840）。提示词出自 Google《[Gemini Omni Flash 开发者文档](https://aistudio.google.com/docs/omni)》，成片由 KovAPI 按原提示词生成。

提示词原文:

```text
A futuristic city with neon lights and flying cars, cyberpunk style
```

阅读译文 (译文只供阅读；复制和套用都用原文):

```text
一座未来城市，霓虹灯闪烁，飞行汽车穿梭其间，赛博朋克风格
```

### 首帧：让街景照片动起来

- 用 KovAPI 生成 · 首帧 · 8s · 720P · 16:9 · image_role=first_frame
- 按现价 $0.28
- 成片: https://img.kovapi.com/i/mp-7d449482e0fc8a7d8cc45039.mp4
- 参考图 1: https://img.kovapi.com/i/mp-b7c2b45a774cc22b88c191f2.png

首帧是一张街景照片；提示词照官方建议写具体的运镜和动作：镜头推近，店员摆上可颂，鸽子落在车筐上又飞走。输入图由 KovAPI 用 Nano Banana Pro 生成，提示词按 Google 官方指南的写法由 KovAPI 编写。

提示词原文:

```text
The camera slowly pushes in toward the bakery window. Inside, a baker in a white apron places a fresh tray of golden croissants in the window display. A pigeon lands on the bicycle basket, looks around and flutters away. In a single continuous shot. Sound design: quiet morning street ambience, a distant church bell, pigeon wings flapping. No dialogue. No music.
```

阅读译文 (译文只供阅读；复制和套用都用原文):

```text
镜头缓缓推向面包店的橱窗。店里，一位系着白围裙的面包师把一盘刚出炉的金黄可颂摆进橱窗。一只鸽子落在自行车车筐上，左右张望后扑扇着翅膀飞走。一个连续镜头拍完。声音设计：清晨安静的街道环境音，远处的教堂钟声，鸽子扇动翅膀的声音。没有对白。没有音乐。
```

### 首尾帧：从夏日清晨到雪夜星空

- 用 KovAPI 生成 · 首尾帧 · 8s · 1080P · 16:9 · image_role=first_frame
- 按现价 $0.40
- 成片: https://img.kovapi.com/i/mp-05622ab6ca908a072b78254b.mp4
- 参考图 1: https://img.kovapi.com/i/mp-d76700384255b66384f59138.jpg
- 参考图 2: https://img.kovapi.com/i/mp-601efc3d56bcd883c7565db0.jpg

官方文档首尾帧一节的提示词；首帧和尾帧是同一机位的两张图，第二张由第一张改出来。提示词出自 Google 官方文档，输入图由 KovAPI 用 Nano Banana Pro 生成，成片由 KovAPI 生成。

提示词原文:

```text
A smooth cinematic transition from a lush green forest at sunrise to a snowy forest under a starry night sky.
```

阅读译文 (译文只供阅读；复制和套用都用原文):

```text
一段流畅的电影感过渡：从日出时郁郁葱葱的绿色森林，变成星空下白雪覆盖的森林。
```

### 参考图：猫和毛线球

- 用 KovAPI 生成 · 多图参考 · 8s · 720P · 16:9 · image_role=reference
- 按现价 $0.28
- 成片: https://img.kovapi.com/i/mp-82df85e079207c922446172d.mp4
- 参考图 1: https://img.kovapi.com/i/mp-8a3ed962b9a5b10874c8645d.png
- 参考图 2: https://img.kovapi.com/i/mp-f62963a2437f9b0fd21e4342.jpg

官方文档参考图一节的例子：一张猫、一张毛线，提示词只有一句。成片里的猫和毛线都照参考图。提示词出自 Google 官方文档，输入图由 KovAPI 用 Nano Banana Pro 生成，成片由 KovAPI 生成。

提示词原文:

```text
A cat playfully batting at a ball of yarn.
```

阅读译文 (译文只供阅读；复制和套用都用原文):

```text
一只猫顽皮地拍打着一团毛线。
```

### 商品广告：人物和包装都照参考图

- 用 KovAPI 生成 · 多图参考 · 10s · 1080P · 16:9 · image_role=reference
- 按现价 $0.50
- 成片: https://img.kovapi.com/i/mp-e1dd3e4ef52fd3d2cc17da18.mp4
- 参考图 1: https://img.kovapi.com/i/mp-1d600f5a04da572b6a4c2bc2.jpg
- 参考图 2: https://img.kovapi.com/i/mp-804b9708cd179c2ec07a7543.jpg

两张参考图：咖啡师和咖啡袋。提示词写动作、特写、一句台词和声音，并要求标签文字清晰；成片里的人物和包装上的字都和参考图一致，台词也照提示词说了出来。输入图由 KovAPI 用 Nano Banana Pro 生成，提示词按 Google 官方指南的写法由 KovAPI 编写。

提示词原文:

```text
The barista from the first image stands behind a wooden cafe counter in the morning. She picks up the coffee bag from the second image, turns it so the label faces the camera, opens it and pours whole beans into a grinder. Close-up of the beans, then a medium shot as she smiles at the camera and says: "Freshly roasted, every Monday." Keep the label text sharp and readable. Warm morning light. Sound design: cafe ambience, beans rattling into the grinder, the grinder starting. No music.
```

阅读译文 (译文只供阅读；复制和套用都用原文):

```text
第一张图里的咖啡师清晨站在木质吧台后面。她拿起第二张图里的咖啡袋，把标签转向镜头，打开袋子，把咖啡豆倒进磨豆机。先是咖啡豆的特写，然后是中景：她对着镜头微笑着说：“Freshly roasted, every Monday.”（每周一新鲜烘焙。）标签上的文字要清晰可读。温暖的晨光。声音设计：咖啡馆环境音，咖啡豆落进磨豆机的哗啦声，磨豆机启动的声音。没有音乐。
```

### 视频编辑：一句话改成动画

- 用 KovAPI 生成 · 视频编辑 · 10s · 720P · 16:9
- 按现价 $0.35
- 成片: https://img.kovapi.com/i/mp-905cc7d194d76bd05fe02ed9.mp4
- 源视频 (10s): https://img.kovapi.com/i/mp-c12a02b55c1bc34ba139487d.mp4

源视频是「虎斑猫」那条成片，编辑提示词只有官方例句「Make this video anime」：画风整体变了，镜头和动作保持原样。按源视频秒数计费。提示词出自 Google《[Gemini Omni Flash 开发者文档](https://aistudio.google.com/docs/omni)》，成片由 KovAPI 按原提示词生成。

提示词原文:

```text
Make this video anime
```

阅读译文 (译文只供阅读；复制和套用都用原文):

```text
把这段视频改成动漫风格
```

### 视频编辑：只改路牌上的字

- 用 KovAPI 生成 · 视频编辑 · 8s · 720P · 16:9
- 按现价 $0.28
- 成片: https://img.kovapi.com/i/mp-ee06321042c206161cb6ee34.mp4
- 源视频 (8s): https://img.kovapi.com/i/mp-add537be3ae6b285aae5d047.mp4

源视频是「路牌、店招和车牌」那条成片，提示词是官方例句：路牌改成「Omni Flash」，店招、车牌和镜头都没变。提示词出自 Google《[Gemini Omni Flash 开发者文档](https://aistudio.google.com/docs/omni)》，成片由 KovAPI 按原提示词生成。

提示词原文:

```text
Change the text on the sign to say "Omni Flash"
```

阅读译文 (译文只供阅读；复制和套用都用原文):

```text
把路牌上的文字改成“Omni Flash”
```

### 视频编辑：让小提琴消失

- 用 KovAPI 生成 · 视频编辑 · 8s · 720P · 16:9
- 按现价 $0.28
- 成片: https://img.kovapi.com/i/mp-ff452614135cc0c0c6899ffe.mp4
- 源视频 (8s): https://img.kovapi.com/i/mp-5e0b9ff56c3378f85dd34815.mp4

官方文档多轮编辑的例子：先生成「A woman playing violin outdoors.」，再提交「Make the violin invisible.」。这里把第一轮的成片作为源视频，琴不见了，拉琴的动作还在。提示词出自 Google《[Gemini Omni Flash 开发者文档](https://aistudio.google.com/docs/omni)》，成片由 KovAPI 按原提示词生成。

提示词原文:

```text
Make the violin invisible.
```

阅读译文 (译文只供阅读；复制和套用都用原文):

```text
让小提琴隐形。
```

### 视频编辑 + 参考图：戴上指定的帽子

- 用 KovAPI 生成 · 视频编辑 · 8s · 720P · 16:9
- 按现价 $0.28
- 成片: https://img.kovapi.com/i/mp-19f905c62d058768f7273e73.mp4
- 参考图 1: https://img.kovapi.com/i/mp-f336123368a69708fd348e71.jpg
- 源视频 (8s): https://img.kovapi.com/i/mp-5e0b9ff56c3378f85dd34815.mp4

官方例句是「Put a fashionable hat on this person」，这里改成用参考图指定帽子，提示词用 `@Image1` 点名。帽子的颜色、帽檐和黑色缎带都照参考图。参考图由 KovAPI 用 Nano Banana Pro 生成。

提示词原文:

```text
Put the hat from @Image1 on this person. Keep everything else the same.
```

阅读译文 (译文只供阅读；复制和套用都用原文):

```text
给这个人戴上 @Image1 里的帽子。其余保持不变。
```

## Gemini Omni 1.2 Flash 提示词：照 Google 官方指南写

以 Google《[Gemini Omni Flash prompt guide](https://aistudio.google.com/docs/omni#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。

- **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.”

| 部分 | 作用 | 示例 |
| --- | --- | --- |
| 镜头 | 开头先定镜头：连续、手持、一个镜头到底。 | 原文：“Continuous, unbroken handheld shot” |
| 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.” |
| 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.” |
| 光线 | 一句话交代光和氛围。 | 原文：“Sunbeams illuminate dust motes in the air.” |
| 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.” |
| 排除项 | 最后写不要什么。 | 原文：“No dialogue.” |

```text
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]
```

## 如何在 KovAPI 上用 Gemini Omni 1.2 Flash 生成视频

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。
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。
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。
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。

### 最小请求示例

```bash
curl https://kovapi.com/v1/videos/generations \
  -H "Authorization: Bearer $KOVAPI_KEY" -H "Content-Type: application/json" \
  -d '{"model": "gemini-omni-1.2-flash", "prompt": "...", "duration": 3, "resolution": "720P", "size": "16:9"}'
# -> HTTP 202 {"id": "..."}; poll:
curl https://kovapi.com/v1/videos/jobs/<id> -H "Authorization: Bearer $KOVAPI_KEY"
```

## Gemini Omni 的演进

- 2026-05-19 · Gemini Omni Flash: **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-omni-flash-preview: **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 · Gemini Omni 1.1 Flash: **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](https://kovapi.com/zh/model/gemini-omni-flash) 就是这一代：6 / 8 / 10 秒，720P / 1080P。
- 2026-11-05 · Gemini Omni 1.2 Flash: **Omni 1.2 · 15 秒与更稳的参考** 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 与其他视频模型怎么选

| 型号 | 时长（秒） | 分辨率 | 参考 图 / 视频 / 音频 | 价格 | 适合 |
| --- | --- | --- | --- | --- | --- |
| Gemini Omni 1.2 Flash (`gemini-omni-1.2-flash`) | 3–15 | 720P / 1080P / 4K | 3/0/0 | $0.035/秒 | 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 Flash (`gemini-omni-flash`) | 6 / 8 / 10 | 720P / 1080P | 3/0/0 | $0.035/秒 | 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 3.1 (`veo-3.1`) | 8 | 720P / 1080P | 3/0/0 | $0.20/条 | 固定 8 秒、按条计费的短片。 |
| Seedance 2.5 (`seedance-2.5`) | 4–30 | 480P / 720P / 1080P | 30/10/10 | $0.10/秒 | 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 3.0 (`wan3.0-video`) | 4–30 | 480P / 720P / 1080P | 10/5/5 | $0.04/秒 | 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 H3 (`minimax-h3`) | 4–15 | 480P / 768P / 1080P | 9/3/3 | $0.015/秒 | 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 1.5 (`grok-imagine-video-1.5`) | 4–15 | 480P / 720P / 1080P | 7/0/0 | $0.025/秒 | 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。

## 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。

## 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 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](https://kovapi.com/zh/model/gemini-omni-flash)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。

## 给 AI 的补充说明

- 型号 id 为 `gemini-omni-1.2-flash`，使用 `POST /v1/videos/generations` 提交，返回 HTTP 202 和任务号 `id`；用 `GET /v1/videos/jobs/` 加任务号查询结果。
- `resolution` 可选 720P / 1080P / 4K，默认 720P（`720p`、`2160p` 等写法也认）；`size` 可选 16:9 / 9:16。`seconds` 是 `duration` 的别名，`aspect_ratio` 是 `size` 的别名。
- `duration` 为 3–15 的整数，默认 10；带首帧或首尾帧时最长 10。
- 图片放 `images`：1 张默认首帧，2–3 张默认参考图；`image_role` 可选 `first_frame` 或 `reference`。参考图最多 3 张。
- 视频编辑：`video_urls` 放 1 段 1–15 秒的视频（也认 `video_url`、`video_references`），可再带最多 5 张图；成片和源视频一样长，按源视频整秒计费，`duration` 不起作用。
- 也认这些字段：`first_frame_image`、`last_frame_image`、`image_urls`、`image_with_roles`、`omni_reference_task_type`（auto / text_to_video / image_to_video / reference / reference_to_video / edit）。
- `audio: false`、`negative_prompt`、`system_prompt` 会被拒（HTTP 400，不扣费）；成片总带音轨。
- 计费：所选分辨率的每秒单价 × 成片秒数，720P $0.035/秒、1080P $0.05/秒、4K $0.10/秒；视频编辑按源视频秒数。

## 延伸阅读

- [Gemini Omni 1.2 Flash API 调用文档](https://docs.kovapi.com/zh/gemini-omni-1.2-flash): 请求字段、异步任务、返回结果和完整代码示例。
- [异步任务指南](https://docs.kovapi.com/zh/guide/async-jobs): 任务状态、排队字段与结果查询。
- [Webhook 接入指南](https://docs.kovapi.com/zh/webhooks): 接收任务结果，并按文档验证通知签名。
