← 全部模型

Gemini Omni 1.1 Flash

发布时间 发布主体 Googlegemini-omni-1.1-flash

定位与发布日期

Gemini Omni 1.1 Flash 是面向开发者的视频生成与编辑模型,旨在支持可用于生产环境的创作工作流。Google 于 2026 年 8 月 27 日发布该版本,可通过 Gemini API 在 Google AI Studio 中使用。(blog.google)

能力与用途

  • 支持根据文本和图像生成视频,并通过自然语言进行视频编辑;模型卡描述的输出包括带音频的视频。(ai.google.dev)
  • 可续写已有场景,分析最多 10 秒的前文视频,每次延长 10 秒,累计最长 40 秒。
  • 可指定首帧和末帧,在关键帧之间生成连续画面;支持 360p 草稿,以及最高 4K 的视频放大。
  • 适用于生成式视频工作流、创意工具、故事板迭代和媒体编辑软件。(blog.google)

限制

  • Google 的模型卡指出,编辑过程中保持完全一致、生成复杂运动以及准确渲染文字仍具挑战。(deepmind.google)
  • 单次生成的视频长度为 3–10 秒;通过续写达到 40 秒与单次生成长度不同。用于编辑和续写的视频输入最长为 10 秒。(ai.google.dev)
  • 模型卡将音频列为输入类型,但 Gemini API 模型页面列出的输入类型为文本、图像和视频;具体接口是否支持音频输入应以接口文档及实际可用性为准。(deepmind.google)

价格

以下为 Gemini Developer API 标准付费层级的美元(USD)报价,查询日期:2026 年 11 月 16 日;不适用于其他平台或预览版。(aistudio.google.com)

  • 输入:文本、图像、视频均为 1.50 美元 / 100 万 token。
  • 输出:文本为 9.00 美元 / 100 万 token;视频为 17.50 美元 / 100 万 token。输出计费包括思考 token。
  • 免费层级不可用。视频按输出 token 总量计费;720p 视频按每秒 5,792 token 计算,折合约 0.10 美元 / 秒。该秒价是特定分辨率下的近似值,不是所有分辨率的统一价格。
  • 音频输入的适用报价未核实。Google 定价页还注明,自 2026 年 12 月 3 日起,该模型 ID 的 API 请求将自动路由至 gemini-omni-1.2-flash,并按后者费率计费。(aistudio.google.com)

官方来源