zhineng.dev
简体中文
开始使用
← 全部模型

Gemini Omni 1.2 Flash

发布时间 发布主体 Googlegemini-omni-1.2-flash

模型定位

Google 的多模态视频生成与编辑模型，面向快速、较低成本的视频创作及批量生产。官方宣布其已通过 Gemini API 和 Gemini for business 正式提供。(blog.google)

能力与用途

  • 根据文本、图像或视频参考生成和编辑视频，支持多轮对话式修改、视频延长和独立视频升分辨率；可生成带同步音频的视频。(docs.cloud.google.cn)
  • Google Cloud 文档列出的生成或编辑片段长度为 3–15 秒，支持 360p、720p、1080p 和 4K，以及横屏和竖屏。(docs.cloud.google.cn)
  • 适用于产品视频、广告、虚拟试穿和其他视觉内容制作。(cloud.google.com)

限制

  • Google Cloud 文档列出的最大输入为 131,072 tokens，最大输出为 260,640 tokens；不支持系统指令、结构化输出、上下文缓存、微调、函数调用或批量推理。该平台支持 Interactions API，不支持 GenerateContent API。(docs.cloud.google.cn)
  • 官方模型卡将音频列为模型输入，但 Google Cloud 平台文档将音频输入列为不支持；具体可用性应以所用平台文档为准。修改视频中人物讲话的能力目前受到限制。(deepmind.google)

价格

**Gemini API 标准付费层，美元（USD），查询日期：2026-11-14：**文本、图像和视频输入为每百万 tokens 1.50 美元；文本输出（含思考 tokens）为每百万 tokens 9.00 美元；视频输出为每百万 tokens 12.00 美元。免费层不可用。音频输入在该定价表中的价格未核实。(aistudio.google.com)

视频输出按 tokens 计费。官方给出的近似输出成本为：360p 每秒 0.023 美元；720p 每秒约 0.07 美元；1080p 升采样每秒 0.104 美元；4K 升采样每秒 0.209 美元。这些是视频输出的近似成本，输入费用另计。(aistudio.google.com)

**Google Cloud Agent Platform，美元（USD），查询日期：2026-11-14：**定价表列出的文本、图像、视频和音频输入均为每百万 tokens 1.50 美元，文本输出为每百万 tokens 9.00 美元，视频输出为每百万 tokens 12.00 美元。音频输入计价项目的列示不代表该平台已支持音频输入。(cloud.google.com)

发布日期与官方来源