模型定位
Google 的多模態影片生成與編輯模型，著重生成速度、成本及跨畫面一致性；已在 Gemini API 付費方案與 Google Cloud 正式提供。(aistudio.google.com)
能力與用途
- 可依文字、圖片及影片等素材生成或編輯影片，並產生同步音訊；支援多輪對話修改、影片延長、首尾影格插值及解析度升級。可用於商品影片、虛擬試穿、廣告和產品解說。(docs.cloud.google.cn)
- 原生生成或編輯影片長度為 3–15 秒，支援 360p、720p、1080p 和 4K；可先產生較低解析度草稿，再升級解析度。(docs.cloud.google.cn)
限制
- Google Cloud 文件指出，首尾影格插值為 3–10 秒；影片編輯的輸入長度上限為 15 秒。音訊參考素材在 Google Cloud 需列入允許名單；可用功能可能因平台而異。(docs.cloud.google.cn)
- Google Cloud 文件列出的輸入及輸出上限分別為 131,072 與 260,640 tokens；不支援系統指令、結構化輸出、內容快取、批次推論或 GenerateContent API，但支援 Interactions API。修改人物語音的功能目前受到限制。(docs.cloud.google.cn)
價格
以下為 Gemini API 標準付費方案的美元（USD）價格，查詢日期為 2026-11-14；官方價格表顯示此模型沒有免費方案。(aistudio.google.com)
- 輸入：文字、圖片或影片，每 100 萬 tokens USD 1.50；音訊輸入價格在該 Gemini API 價格表中未核實。
- 輸出：文字每 100 萬 tokens USD 9.00；影片每 100 萬 tokens USD 12.00。輸出計費包含思考 tokens。
- 720p 影片以每秒 5,792 個輸出 tokens 計算，約為 USD 0.07／秒；這是影片輸出的約略費用，輸入另計。其他解析度或升級處理的費用依實際輸出 token 數計算。(aistudio.google.com)
發布日期與官方來源
Google 官方公告與 Google Cloud 文件均標示發布日期為 2026-11-05；輸入資料所列的 2026-11-06 與官方日期不一致。(blog.google)