Gemini Flash上新:视频生成降价三成
谷歌近日在官方博客宣布,Gemini Omni 1.2 Flash 正式可用(GA),这是一款面向开发者的专用视频生成模型,覆盖 Gemini API、AI Studio 与 Google Cloud 企业渠道。此次更新的三个关键词是:更长、更便宜、可编辑——原生视频生成时长从上一代的 10 秒上限扩展到 15 秒,720p 输出单价下调约 30% 至每秒 0.07 美元,同时基于新推出的 Interactions API 引入多轮对话式剪辑,可以在不重新生成整段视频的情况下逐轮修改细节。产品经理 Anish Nangia 在发布说明中表示,这款视频生成模型已在 Gemini API 与企业服务中普遍可用,并将陆续落地到 Flow、Google Vids、Gemini 应用、Google Ads、YouTube 与 Workspace 等产品渠道。
从 10 秒到 15 秒:一条视频讲完一个完整故事
时长看似只是数字变化,实际上跨过了视频生成内容生产的一道门槛。5 秒片段只能承载一个动作,10 秒勉强交代一个场景,而 15 秒足以容纳起势、转折与收尾——一条短视频广告、一个产品演示或一段社媒内容的经典结构(前几秒抓注意力、中间展示产品、结尾给行动号召)第一次可以被单次视频生成完整覆盖,创作者不必再把两段 10 秒素材拼接起来费力对齐人物与光线。
具体规格上,Gemini Omni 1.2 Flash 支持 3 至 15 秒的时长区间,可按 1 秒步进精确指定;参考帧插值在 3 到 10 秒范围内支持首帧与末帧控制,方便做转场动画。官方同时明确了几处边界:使用两个参考帧请求 11 秒以上的视频生成会返回参数错误;3 到 10 秒的输出最多接受三段参考视频(每段最长 3 秒),而 11 到 15 秒的输出只接受一段;扩展功能每轮 3 到 10 秒、带 10 秒回看,总时长上限 30 秒且只能在片段末尾进行。在欧洲经济区、瑞士和英国,暂不支持编辑和延长已上传的视频,如果业务用户分布在这些市场,对话式编辑这一卖点需要打折评估。
对话式剪辑:改一处细节,不必推倒重来
如果说时长是量的变化,多轮对话式剪辑就是这次发布中更贴近生产力的部分。基于 Interactions API,开发者可以在同一条视频上通过对话逐轮修改——换背景、调灯光、改天气、切换画幅,都不必从头重新做视频生成。在按秒计费的定价模式下,修改 15 秒片段中的一处光线的代价,远低于重跑整段素材,这对需要反复改稿的广告与社媒工作流是实质性变化。
参考遵循能力也同步增强:每次请求最多支持 6 张参考图像,可同时传入角色图、产品图、风格图,加上最长约 3 秒的动态参考片段和音频提示,人物面孔、服装剪裁、包装文字与品牌色在镜头切换时保持稳定。对话场景的口型同步与多说话人声线分配也做了针对性加强。所有输出统一嵌入 SynthID 隐形水印,满足内容溯源与平台合规需求。
价格:每秒 0.07 美元意味着什么
定价是这次发布里最实打实的部分。视频生成输出价格从每百万 token 17.50 美元降至 12.00 美元,降幅 30%;谷歌按固定 token 费率对视频计费,720p 下每秒约 5792 个 token,折算后从每秒约 0.10 美元降至 0.07 美元。1080p 启用上采样约为每秒 0.104 美元,4K 约为每秒 0.209 美元。文本、图像和视频的输入仍为每百万 token 1.50 美元,文本输出 9.00 美元,新旧两版都没有免费层级。按新价格计算,一条 15 秒 720p 片段约为 1.05 美元;同样的 15 秒在上一代上无法单次完成视频生成,只能以两段各 10 秒的片段拼接,成本与工作量都更高。需要提醒的是,降价幅度里有一部分实际花在了多出的 5 秒时长上——如果团队从不需要超过 10 秒的片段,账单的实际降幅会小于百分比所暗示的水平。
官方还给出了一条务实的工作流建议:先用 360p 或 720p 快速出草稿,在编辑工具里把构图、动作和细节问题改完,定稿后再放大到 1080p 或 4K——把钱花在最终版本上。对于需要批量产出广告变体或商品展示视频的团队,这条「草稿—编辑—放大」路径叠加降价,视频生成的总成本会明显下降。企业客户还可以通过 Provisioned Throughput 保障峰值产能,避免高峰期排队。
横向对比:主流视频生成模型价格与能力
把 Gemini Omni 1.2 Flash 放到当前的视频生成市场里看,价格已进入第一梯队。以下为各主流 API 的公开报价对比(价格为各厂商官方页面公开数据,分辨率与档位不同,仅供参考):
| 模型 | API 单价(每秒) | 最长时长 | 原生音频 | 最高分辨率 | 对话式编辑 |
|---|---|---|---|---|---|
| Gemini Omni 1.2 Flash(谷歌) | 0.07 美元(720p) | 15 秒 | 支持 | 1080p(可放大至 4K) | 支持,多轮对话剪辑 |
| Veo 3.1(谷歌) | 0.40 美元(标准) | 8 秒 | 支持 | 1080p | 有限 |
| Veo 3.1 Lite(谷歌) | 约 0.08 美元 | 8 秒 | 支持 | 1080p | 有限 |
| Runway Gen-4 Turbo | 约 0.05 美元 | 10 秒 | 不支持 | 1080p | 支持 video-to-video |
| Kling 2.5 Turbo Pro(快手) | 约 0.07 美元 | 10 秒 | 不支持 | 1080p(可放大至 4K) | 有限 |
| Hailuo 02(MiniMax) | 约 0.03–0.08 美元 | 10 秒 | 不支持 | 1080p | 不支持 |
| Sora 2 Pro(OpenAI) | 0.15–0.70 美元 | 约 20 秒 | 支持 | 1080p | 有限 |
从表中可以看出几个趋势。一是 15 秒时长在商用 API 中处于领先位置,多数竞品的视频生成仍停留在 8 至 10 秒;二是原生音频能力仍然是少数派,Gemini Omni、Veo 系列之外,Runway、可灵、海螺都需要额外的配音、音效与配乐工序,而原生音频能把后期制作从数小时压缩到几分钟;三是在 0.07 美元这一价位上同时提供原生音频、多轮编辑与 4K 放大,是 1.2 Flash 的差异化组合。需要说明的是,Sora 的应用已于今年 4 月关闭、API 接口也在 9 月停服,Sora 2 的报价更多是历史参考;第三方数据显示 Wan 3.0、Utopai X、MiniMax H3 Max 等新模型在近期视频榜单上的排名快速更替,Sora 2 已跌出前十,不同榜单的评分口径、盲测人群与任务分布不可横向硬比。
谁适合用,短板在哪
从场景看,这款视频生成模型瞄准的是营销短片、社媒视频、产品演示、故事板动态化这类需要频繁改稿的短内容工作流。对广告投放团队,一条 15 秒素材约 1 美元的生成成本,叠加按轮编辑而非全量重生成,意味着 A/B 测试数十个创意变体的预算从「难以承受」变为「常规操作」。对电商卖家,6 张参考图加 3 秒动态参考的一致性能力,可以让同一款产品在多支视频里保持包装、颜色与模特形象稳定,商品展示类视频生成的批量效率显著提升。对教育与企业内训场景,Google Vids 里的免费 15 秒生成入口则提供了低门槛的试水途径。
短板也写在明处。官方将快速体育动作、复杂物理效果与频繁换镜头列为仍在优化的环节,体育与高速运动场景暂时不是它的强项;15 秒上限决定了它适合短片段而非长视频制作,一分钟以上的内容仍要按多段视频生成加人工剪辑来规划。另一个容易被忽略的细节是重试成本:第三方平台实测中一条可用成片平均需要 1.4 到 1.8 次尝试,按秒计费意味着每次失败重跑都要付费,实际单条成本应把重试率算进去。此外,每秒价格不等于单条成片的固定成本,编辑轮次、分辨率选择和上采样都会影响总账单,商用前还应核实相应套餐、内容政策与输出授权条款。
与上一代相比:升级清单一览
把 1.2 Flash 与 gemini-omni-1.1-flash 逐项对比,可以更清楚地看到这次升级的重点分布。时长方面,上一代原生视频生成上限为 10 秒,新版本扩展到 15 秒并支持逐秒指定;编辑方面,旧版的编辑与扩展输入上限为 10 秒,新版本通过 Interactions API 把多轮对话式剪辑变成了核心能力,换镜头语言、改局部细节都不必重跑整段;参考方面,两版都支持每次 6 张参考图像,但新版本强化了角色、场景与风格一致性,官方明确把「参考遵循」列为发布重点;价格方面,视频输出从每百万 token 17.50 美元降到 12.00 美元,是 30% 的直接让利;工作流方面,新版把「360p/720p 草拟、1080p/4K 放大」写进了官方推荐路径,让低成本迭代成为默认做法。
值得注意的是升级并非全无代价:11 秒以上不再支持双参考帧插值,长片段只接受一段参考视频,部分旧请求迁移后需要改写参数。第三方路由平台的折算数据也提供了一个外部视角——两版折算为每 1080p 分钟分别为 9.12 美元和 6.26 美元,从计费标尺另一端印证了这 30% 的降幅真实存在。
一笔成本账:以广告投放为例
以一个典型的投放场景估算:某电商团队需要为同一款产品测试 20 个创意变体,每个变体 15 秒 720p。按每秒 0.07 美元计算,单次生成约 1.05 美元;计入平均 1.5 次的重试率,单条可用素材约 1.6 美元,20 个变体合计约 32 美元。若其中 8 条需要两轮对话式剪辑微调(每轮按修改秒数计费,远低于整段重生成),总预算仍在 40 美元以内。同样的工作量在上一代上不仅价格高三成,还要面对 10 秒上限带来的两段拼接与一致性对齐成本。对比传统渠道,一条 30 秒的库存视频素材授权费通常也要数美元到数十美元,且无法定制内容——这正是视频生成 API 在广告与电商行业快速渗透的原因。
视频生成进入成本竞争期的三个信号
把这次发布放在行业背景下看,有三个信号值得注意。第一,价格战正式开打。第三方定价追踪数据显示,过去半年主流商用视频生成 API 的每秒单价整体下移,Runway 与可灵的轻量档已压到 0.05 至 0.07 美元区间,谷歌此次 30% 的降幅相当于把旗舰厂商的定价拉到了同一水位,视频生成的比拼重心从画质演示转向单位成本。
第二,编辑能力成为新的分水岭。早期视频生成工具的痛点不是「生不出来」而是「改不动」——一条素材不满意只能整段重跑,运气成分极高。当按轮编辑的成本远低于全量重生成,创作者的实际可用率会大幅提升,这比分辨率或时长指标更能决定一款产品能否进入生产流水线。Interactions API 的命名本身也说明谷歌想把「对话式迭代」从功能点升级为交互范式。
第三,企业级保障开始配套。Provisioned Throughput、SynthID 水印、区域可用性说明与渠道分发(Ads、YouTube、Workspace)一起出现,说明厂商已经把视频生成当作企业内容基础设施来经营,而不是创意玩具。对采购方而言,这意味着稳定性、溯源与合规有了谈判空间;对开发者而言,意味着围绕视频生成 API 的上层应用——批量投放、商品演示、本地化翻译配音——有了可预期的底层支撑。
接入方式与迁移提示
开发者可经 Gemini API 与 AI Studio 直接调用 gemini-omni-1.2-flash,Google Cloud 客户端在控制台接入企业服务,Provisioned Throughput 同步可用。普通用户可在 Flow 中导演场景、在 Google Vids 里生成 15 秒片段,Gemini 应用则先向 AI Ultra 订阅用户滚动开放。新端点取代 gemini-omni-1.1-flash 等旧版本,正在使用旧端点的团队需要留意迁移:旧版 10 秒上限的调用逻辑可以直接平移,但依赖 11 秒以上双参考帧插值或长片段多参考视频的请求需要调整参数结构,否则会收到无效参数错误。
更宏观地看,这次发布标志着视频生成从概念验证期进入成本竞争期:厂商比拼的重点从「谁的演示片段更惊艳」转向「谁能让创作者天天用、用得起、改得动」。可计价的时长档位、对话式迭代与企业吞吐保障,正在成为商用视频生成服务的标配。对于内容团队,现在值得做的不是观望,而是用同一组提示词和参考素材在两三个候选模型上实测一致性、成功率与总成本,把测试数据变成选型依据。
常见问题
Gemini Omni 1.2 Flash 的视频生成最长能到多少秒?
原生单次生成最长 15 秒,可在 3 至 15 秒之间按 1 秒步进指定;通过扩展功能可在片段末尾续写,每轮 3 到 10 秒,总时长上限 30 秒。
720p 每秒 0.07 美元是怎么算出来的?
谷歌按视频输出 token 计费,价格从每百万 token 17.50 美元降至 12.00 美元,720p 每秒约 5792 个 token,折算即每秒约 0.07 美元,较上一代降价约 30%。一条 15 秒 720p 片段约 1.05 美元。
什么是 Interactions API 的对话式剪辑?
指在同一条已生成的视频上通过多轮对话指令修改局部内容,如换背景、调灯光、改画幅,无需整段重新生成,可显著降低视频生成的修改成本。
能保持人物和产品的一致性吗?
官方称参考遵循能力增强,每次请求最多 6 张参考图像加约 3 秒动态参考片段与音频提示,可在镜头切换中保持人脸、服装、品牌色与包装文字稳定。复杂镜头下的一致性仍建议逐条实测。
生成的视频有水印吗?
有。所有输出统一嵌入 SynthID 隐形水印,用于内容溯源,肉眼不可见但可被检测工具识别。
与 Runway、可灵相比该选哪个?
预算敏感且需要原生音频、对话式剪辑与 15 秒时长,1.2 Flash 的视频生成组合最完整;Runway Gen-4 在运镜控制与角色一致性上成熟,可灵在复杂运动细节上表现强,海螺 02 单价更低适合大批量出片。建议用同一组提示词实测后决定。
旧版 gemini-omni-1.1-flash 还能用吗?
1.2 Flash 正式可用后将取代 1.1 等旧端点,建议尽快迁移。注意 11 秒以上的视频生成请求不支持双参考帧插值,且长片段只接受一段参考视频,迁移时需检查参数。
适合做长视频吗?
不适合。15 秒上限定位是短片段生产,长视频应拆分为多段生成加人工剪辑,或用扩展功能拼接至 30 秒,并预留重试与编辑的额外成本。















暂无评论内容