谷歌 Gemini Omni 1.2 Flash 来了:15 秒视频自带声音,对话就能改片,普通人先从免费入口试
11 月 5 日,谷歌发布了视频生成模型 Gemini Omni 1.2 Flash,当天就正式可用。这不是那种只给开发者看的更新:单段视频从 10 秒拉到 15 秒、画面自带同步声音、改片不用重生成、价格还降了三成。更关键的是,普通人不用写代码,在 Google Vids 里用谷歌账号就能免费试一条 15 秒的片子。
这篇就讲三件事:这次到底新在哪、普通人从哪个入口进最划算、以及一条视频到底要花多少钱。
这次新在哪:四处变化,条条都冲着“好用”去
上一代叫 Gemini Omni 1.1 Flash,这一代 1.2 的变化可以浓缩成四句:
- 一段能到 15 秒。原生生成 3 到 15 秒,时长可以按秒指定——想要 7 秒就 7 秒,不用凑整。上一代上限是 10 秒,15 秒多出来的 5 秒,刚好够把一个完整小场景讲完:人物走进画面、说一句话、转身离开。
- 声音是原生的,不是后期配的。生成的视频自带同步音频和对话,口型和声音对得上。这次还加了多说话人控制:一段对话里两个角色,可以把不同的声音分给不同的人。
- 改片靠说话,不用重生成。这是最实用的一处。同一段视频,可以一轮一轮用自然语言接着改——换背景、调光线、改天气、换画幅,模型只重建你指定的部分,其他画面尽量不动。以前改一处就得整段重抽,现在像跟剪辑师聊天一样改。
- 人脸和商品更不容易“跑偏”。最多支持 6 张参考图锁定角色和商品的一致性。做电商素材的人最懂这点:同一件商品换三个场景,颜色、款式、logo 不能每次都不一样。
价格也降了:720p 每秒 0.07 美元,比 1.1 版低了约三成。一条 15 秒的 720p 片子,单次生成大约 1.05 美元。先别急着换算成人民币——普通人根本不用按 API 价付钱,免费入口在下面。
普通人三个入口,选错了白花钱
模型是同一个,但入口不同,价格和门槛差很多:
| 入口 | 谁能用 | 能干什么 | 花多少钱 |
|---|---|---|---|
| Google Vids | 有谷歌账号就行 | 在视频编辑器里生成 15 秒片段 | 免费额度,不额外收费 |
| Google Flow | 有谷歌账号就行,付费计划功能更多 | 文生视频、图生视频、多轮编辑 | 免费账号只能到 10 秒;15 秒、延长和放大要 Google AI Plus/Pro/Ultra 计划 |
| Gemini App | 逐步向 Google AI Ultra 订阅用户开放 | 聊天里直接生成 15 秒视频 | 要 Ultra 订阅 |
一句话结论:只想试试效果,从 Vids 进;想认真做短视频、做电商素材,从 Flow 进;已经是 Ultra 用户,直接在 Gemini App 里用。开发者走 Google AI Studio 或 Gemini API 调用,模型名是 gemini-omni-1.2-flash,要绑定付费账单账号,API 没有免费层级。
还有个时间点要记:2026 年 12 月 3 日起,旧版 gemini-omni-1.1-flash 的 API 请求会自动转到 1.2,代码不用改,新费率直接生效。开发者不用特意迁移,但账单口径变了,心里要有数。
在 Vids 里免费做第一条 15 秒视频
这是今天就能动手的部分,照着走一遍就行:
- 打开 Google Vids,用谷歌账号登录,新建一个空白视频项目。Vids 是谷歌的在线视频编辑器,界面和做 PPT 差不多,不用装软件。
- 点生成视频,在提示框里写一句话描述。第一次别贪多:一个主体、一个动作、一个场景就够了。比如“傍晚的菜市场,一位阿姨在摊位前挑西红柿,暖黄灯光,镜头慢慢推近”。
- 选时长和比例。先做 15 秒、横版 16:9。竖版 9:16 适合发短视频平台,但第一条先求稳,横版最不容易翻车。
- 等生成,逐格检查。重点看三处:人物的手和脸有没有变形、字幕或招牌上的文字有没有写错、转场处有没有突然跳变。有问题别急着重生成,先看下一步。
- 不满意就对话改。在同一段视频上接着说:“把背景换成下雨的夜晚,其他不变。”改完再检查一遍,满意了再导出。
免费额度的具体数字以你账号界面显示为准——谷歌的说法是 Vids 里每月最多三支 15 秒影片免费,各账号看到的可能不一样。先以界面为准,别按网上的数字去规划。
提示词怎么写:四个要素,照着填就行
视频提示词和聊天提示词不是一回事。聊天可以含糊,视频提示词含糊了,画面就含糊。写的时候按四个要素填空:
- 主体和动作:谁、在干什么。写具体动词,别写“很开心地走着”,写“拎着布袋、慢慢走过摊位”。
- 场景和环境:在哪,周围有什么。光线和天气写进去,画面氛围就有了大半。
- 镜头:固定机位、慢慢推近、跟拍还是航拍。镜头不动,画面会显得很“证件照”。
- 声音:要不要对话、环境音是什么。既然模型原生带声音,这句别省。
三个能直接抄的例子:
- 产品展示:“一只白色陶瓷马克杯放在木桌上,窗外是清晨的阳光,镜头慢慢推近,杯口升起热气,背景有轻微的鸟鸣声。”
- 生活记录:“黄昏的海边小镇,一个穿红围巾的女孩牵着狗沿着堤岸散步,海浪声,镜头从侧面跟拍,暖色调。”
- 口播开场:“一位三十岁左右的中国女生对着镜头说话,背景是整洁的书房,语速自然,镜头固定在胸部以上,光线柔和。”
写完先用 360p 或 720p 出草稿,谷歌官方也是这个建议:草稿阶段分辨率低、成本低,改到满意了,最后再放大到 1080p 或 4K。Flow 里 360p 草稿的积分成本只有 720p 的三分之一。
对话改片怎么用:改三处,省三倍时间
多轮编辑是 1.2 最值得练的功能。它的逻辑是:每一轮修改都带着上一轮的上下文,模型只动你说的部分。比如你生成了一段白天街景的片子,可以这样一轮轮改:
- 第一轮:“把背景换成下雨的夜晚,人物和动作不变。”
- 第二轮:“雨再大一点,地面加上霓虹灯倒影。”
- 第三轮:“把画幅从横版改成竖版,人物保持在画面中央。”
三轮下来,你手里还是同一段片子,只是场景、氛围、画幅都换了。以前的做法是每改一次就重新抽一次卡,人物长相、走位全变,基本等于重做。
但有两个地方别抱过高期待:第一,改完一定要逐格检查,模型说“其他不变”不等于真的分毫不差,手指、文字、背景路人最容易悄悄变样;第二,多轮编辑每改一次是否按整段时长重新计费,官方博客没写死,账单会比“只算一次生成”高。用 Flow 积分的人,改之前先看一眼提示框里的积分提示。
一条视频到底多少钱:算一笔账
按谷歌公布的 API 价(720p 每秒 0.07 美元)粗算,只算一次生成:
| 时长 | 1.1 版(约 0.10 美元/秒) | 1.2 Flash(0.07 美元/秒) |
|---|---|---|
| 10 秒 | 约 1.00 美元 | 约 0.70 美元 |
| 15 秒 | 约 1.50 美元,还得续接 | 约 1.05 美元 |
省钱的办法就三条:先用 360p 出草稿、改到满意再放大;多轮编辑别一轮一轮试运气,改之前先想清楚要什么;能用 Vids 免费额度的先用免费额度。1080p 和 4K 的秒单价官方博客没列,定价页为准,别按 720p 的价去估。
谁值得试,谁先别动
- 值得马上试:做短视频、电商素材、广告投放的人——15 秒刚好是一条信息流广告的长度,对话改片能把“换背景、换商品、换季节”这种批量活一次做完;已经在用 Flow 或 Vids 的人,顺手就能升级。
- 可以先观望:只想偶尔做个头像视频、家庭纪念片的人——Vids 免费额度够玩,真要高频用再考虑付费计划。
- 先别动:指望它一次出成片、不用检查的人——15 秒是上限,人物细节还会漂移,长视频还得靠拼接和人工剪辑;还有,中国大陆用不了 Gemini API 和 Vertex AI,开发者要走海外主体和账号,这点绕不过去。
动手之前,先知道这几件事
- 谷歌只公布了 720p 一个档位的秒单价,1080p 和 4K 看定价页,别自己估。
- Vids 免费额度和 Flow 各档的功能划分,谷歌说“随时可能调整”,动手前以你账号界面的实际显示为准。
- 多轮改片后一定要逐格检查,手指、文字、背景最容易悄悄变样。
- 12 月 3 日起,1.1 版 API 请求自动转到 1.2,开发者不用改代码,但费率按新的算。
一句话收个尾:15 秒、带声音、对话改片、降价三成——这四件事加在一起,AI 视频第一次像个能干活的工具,而不是抽卡游戏。先去 Vids 免费做一条,看看它到底能不能帮你省时间,再决定要不要为它花钱。