最长 15 秒
Gemini Omni 1.2 Flash 每次最长生成 15 秒视频。时长可选 4、6、8、10、12 或 15 秒。15 秒足够放下完整的产品展示、一段对白场景，或一个多镜头的小故事。首尾帧视频最长 10 秒。
Gemini Omni 1.2 Flash：生成 15 秒 AI 视频
Gemini Omni 1.2 Flash 是 Google 的视频生成模型，可以生成最长 15 秒、自带原生音频的视频。你可以从一句提示词、一张图片或一组参考图和参考视频开始。Gemini Omni 1.2 Flash 能让人脸、服装、产品和画面中的文字在整段视频里保持一致。
Gemini Omni 1.2 Flash 能做什么？
Gemini Omni 1.2 Flash 可以生成 4 到 15 秒的有声视频。Google 于 2026 年 11 月正式发布了 Gemini Omni 1.2 Flash。下面 6 项能力现在都可以在 Gemini Omni 生成器里使用。
更贴近你的参考素材
Gemini Omni 1.2 Flash 最多支持 10 张参考图和 3 段参考视频。每段参考视频最长 15 秒。和 Gemini Omni 1.1 Flash 相比，人脸、服装、Logo、品牌色和字体在不同机位下都更贴近参考。
对白与口型同步
Gemini Omni 1.2 Flash 会和画面一起生成语音、环境声和音效。对白写在提示词里即可。口型会跟着语音动，每个说话的角色都有不同的声音。暂不支持上传自己的音频作为参考。
连续运镜
Gemini Omni 1.2 Flash 能听懂日常语言写的运镜指令。支持 FPV 穿越、环绕、推近和拉远。和 Gemini Omni 1.1 Flash 相比，连续镜头里多余的跳切更少。
首尾帧控制
Gemini Omni 1.2 Flash 可以在你上传的两张图片之间生成动画。第一张图是开头画面。第二张图是结尾画面。中间发生什么由你描述。首尾帧视频时长为 4 到 10 秒。
360p 草稿到 4K 成片
Gemini Omni 1.2 Flash 可以输出 360p、720p、1080p 或 4K 视频。360p 消耗的积分最少，适合测试提示词。用更高分辨率重新生成会得到一个新版本，不是把草稿放大。4K 需要付费套餐。每种分辨率都支持 16:9 和 9:16。
Gemini Omni 1.2 Flash 相比 Gemini Omni 1.1 Flash 有哪些升级？
Gemini Omni 1.2 Flash 每次最长生成 15 秒，Gemini Omni 1.1 Flash 最长只有 10 秒。Gemini Omni 1.2 Flash 还更贴近参考素材，对白效果更好，跳切更少。Gemini Omni 1.2 Flash 保留了 Gemini Omni 1.1 Flash 的多模态输入和首尾帧控制。
| 能力 | Gemini Omni 1.1 Flash | Gemini Omni 1.2 Flash |
|---|---|---|
| 视频时长 | 每次最长 10 秒 | 每次最长 15 秒 |
| 参考一致性 | 图片和视频参考会引导生成结果 | 跨镜头时，人脸、服装、产品、Logo 和文字更贴近参考 |
| 对白与音频 | 根据提示词生成原生音频 | 对白更自然，口型更清晰，多人说话时声音可区分 |
| 运镜 | 可用提示词指挥运镜 | 复杂的环绕和穿越镜头，多余跳切更少 |
| 发布状态 | 预览版 | 正式版 |
生成器中仍可选择 Gemini Omni 1.1 Flash。如果项目是用 1.1 开始做的，选择 Gemini Omni 1.1 Flash 可以保持画面风格一致。
用 Gemini Omni 1.2 Flash 能做出哪些视频？
Gemini Omni 1.2 Flash 最适合四类用途：多镜头讲解视频、在真实地点中连续运镜、模特上身的产品视频，以及竖版动态海报。下面每个案例都展示了 Google 官方 Gemini Omni 1.2 Flash 演示中使用的提示词。你可以复制提示词，再把参考图换成自己的素材。
01
把一张照片变成 15 秒讲解视频
Gemini Omni 1.2 Flash 可以把一张照片变成多镜头的 15 秒讲解视频。选择多参考模式，把照片作为参考图添加进来。在提示词里写明时长、镜头数量和镜头之间怎么衔接。每个镜头的动作尽量简单，因为快速、复杂的动作最容易出问题。
参考图提示词
A 15-second science explainer inside the living hive from Image 1, in four shots joined by hard cuts.
Gemini Omni 1.2 生成结果
02
一镜到底穿越真实地点
Gemini Omni 1.2 Flash 可以在真实地点的两个视角之间生成一个连续镜头。选择多参考模式，添加一张外景照片和一张内景照片。在提示词里写“第一张图”和“第二张图”，镜头才知道从哪里开始、到哪里结束。这种用法适合旅游、场馆和房产视频。
参考图 1
参考图 2提示词
A cinematic drone shot of the Pantheon in Rome that moves from the first image to the second image.
Gemini Omni 1.2 生成结果
03
一个模特试穿多套服装
Gemini Omni 1.2 Flash 可以在一段视频里让同一个模特换上多套服装。选择多参考模式，添加一张模特照片，再加上每件衣服的正面图和背面图。有了背面图，模特转身时服装细节才准确。每张照片都计入 10 张参考图的上限。
提示词
The woman from Image 1 models three outfits, one after another. Each change is a hard match cut.
Gemini Omni 1.2 生成结果
04
把海报做成竖版动效
Gemini Omni 1.2 Flash 可以把做好的海报变成 9:16 竖版视频，用于 Reels、Shorts 或 TikTok。选择多参考模式，添加海报，并把画幅设为 9:16。在提示词里写明每个元素出现的顺序。写清楚具体的颜色、材质和灯光，例如色号或色温，才能保持原设计的样子。
提示词
Create a 9:16 vertical motion graphic poster animation from this reference image, building sequentially layer-by-layer from an empty pastel dusty-mauve studio cyclorama (#E5CEDC) to the 2700K dimmer plinth, backlit alabaster HALO letters, Murano glass GLOW letters, and functional LUMEN lamp.
参考图、1.1 与 1.2 对比
如何用 Gemini Omni 1.2 Flash 生成视频？
用 Gemini Omni 1.2 Flash 生成视频只需三步：写提示词、选设置、生成。
写提示词，添加参考
描述发生了什么、谁在说话、镜头怎么移动。只写文字提示词也可以。想控制人物、产品或风格时，可以添加首帧、首尾帧，或者参考图和参考视频。
选择时长、分辨率和画幅
时长可选 4 到 15 秒，分辨率可选 360p 到 4K，画幅可选 16:9 或 9:16。生成前，生成器会显示所需积分。
生成、查看并定稿
查看结果，需要时调整提示词或参考素材。想节省积分，可以先用 360p 把提示词调好。然后用同样的提示词和参考素材，以 720p、1080p 或 4K 生成最终版本。
Gemini Omni 价格
选择月付、年付或一次性积分，用于 Gemini Omni AI 视频生成、产品视频、广告创意、社交媒体短片和图生视频工作流。
基础版
省 30%
$20.99/月$29.9 /月
$251.88 / 年
每年省 $106.92
适合入门，满足日常创作需求。
每月 800 AI 积分
轻量创作与日常体验
多种创作模型
标准生成速度
无水印导出
私密创作空间
商业使用授权
基础客户支持
专业版
省 30%热门
$34.99/月$49.9 /月
$419.88 / 年
每年省 $178.92
适合稳定创作、内容发布与商业使用。
每月 2,000 AI 积分
适合持续创作与内容发布
更多创作模型
优先生成队列
高清导出
无水印导出
私密创作空间
商业使用授权
优先客户支持
高级版
省 30%
$69.99/月$99.9 /月
$839.88 / 年
每年省 $358.92
适合团队、企业及高频创作场景。
每月 5,000 AI 积分
适合高频创作与团队协作
完整创作能力
最快生成速度
高规格导出
无水印导出
私密创作空间
商业使用授权
专属客户支持
所有价格均以美元计价。年付套餐按年收费，积分按月发放。实际积分消耗会根据模型、分辨率、时长和音频设置而有所不同。
Gemini Omni 1.2 Flash 常见问题
关于 Gemini Omni 1.2 Flash 能做什么、花多少积分、有哪些局限的直接回答。
Gemini Omni 1.2 Flash 是 Google 的 AI 视频生成模型。Google 于 2026 年 11 月正式发布了 Gemini Omni 1.2 Flash。Gemini Omni 1.2 Flash 可以把文字、图片和视频参考变成最长 15 秒、带同步音频的视频。
