一条 15 秒的 720p 片子,按官方定价页原文约 $1.04;把镜头里的产品换掉、把灯光调暗、把机位挪一挪,不必把整条片重做一遍,在对话里说一句就行。这不是某家创业公司的概念演示,而是 2026 年 11 月 5 日 Gemini API 官方 changelog 写下的 generally available (GA) 条目:模型串 gemini-omni-1.2-flash,原生视频生成上限从 1.1 版本的 10 秒抬到 15 秒,视频输出价格降 30% 到 $12.00 / 1M tokens,付费层速率上限翻倍。本章先把事件本身、谷歌官方给出的能力边界和计费口径说准:这不是一个从零冒出来的新模型,1.1 早已在列,11 月 5 日发生的是把 1.2 推向 GA 全面可用,而不是又一次从零发布。
先把分工划清楚,免得撞角度。本篇只讲 2026 年 11 月 5 日这次 GA 事件本身,以及谷歌官方随事件给出的能力边界与定价口径;同批的 开源栏:craft-anything 单项目 只拆 craft-anything 这一个仓库,横评栏:五款 GitHub 工具参数对照 做的是五款工具的客观参数并排,SOP 栏:API 五步接入与成本账 才负责五步接入流程与逐项成本账,四篇彼此不重叠。站内 2026 年 11 月 2 日的 漫剧工具横评 和 2026 年 10 月 22 日的 flux 与 seedance 横评 回答的是选哪款工具的选型问题,本篇不参与工具比选,只讲单一模型 gemini-omni-1.2-flash 的 GA 状态与官方计费口径,这是两条不同的线。
11 月 5 日定的是 GA,不是发布日
日期得先钉牢,因为这次有几个容易混的时间戳。Gemini API 官方 changelog 的 2026 年 11 月 5 日条目,原文写的是 generally available (GA),Released Gemini Omni 1.2 Flash (gemini-omni-1.2-flash),面向 Gemini API 付费层开放。Google Cloud 官方博客在 2026 年 11 月 6 日跟进,同日出现的中文报道多为转载,这两个 11 月 6 日都不是发布日。真正要记的是 2026 年 11 月 5 日这一个日子,以及它的性质:GA 全面可用。
GA 说的不是新模型诞生。官方模型页把 gemini-omni-1.2-flash 与 gemini-omni-1.1-flash 都列在 Stable 一栏,gemini-omni-flash-preview 列为 Shut down,Latest update 写 November 2026。也就是说,1.1 版本此前已经在稳定列表里,1.2 是把这条产品线推到全面可用的新版,不是凭空多出一个模型。把它读成谷歌从零发布视频模型,会把 1.1 的 10 秒上限、$17.50 定价一并抹掉,后面所有对比也就失去了参照。顺带一条时间线:Veo 3.1 Preview 已于 2026 年 10 月 22 日在 Gemini API 下线,这条属于旧预览版的收尾,与 11 月 5 日的 GA 不是同一件事。
changelog 同一段还把改动一口气列全:上限 15 秒的视频生成与对话式编辑,首尾帧插值 3 至 10 秒、每轮视频扩展 3 至 10 秒且累计上限 30 秒,跨至多 6 张参考图的角色与主体一致性提升,视频输出定价降 30% 到 $12.00 每 1M tokens,以及付费层速率上限翻倍。GA、时长、编辑、参考图、降价、限速,六件事挤在同一条公告里,读的时候别只盯着其中一件。
从 10 秒到 15 秒,以及那句不用重做的编辑
时长是这次一眼能看见的变化。1.1 版本原生视频上限是 10 秒,1.2 抬到 15 秒,单条可选 3 至 15 秒,默认仍是 10 秒。官方视频文档写得很直白:把 duration 设到 15 秒以上会返回 invalid argument error。换句话说,15 秒是硬上限,不是可以试一试的软阈值。
比单条时长更值得读的是扩展规则。首尾帧插值每轮 3 至 10 秒;如果首尾两帧都给、时长又设到 10 秒以上,同样报错。视频扩展每轮 3 至 10 秒,累计上限 30 秒,且只能在尾部追加,不能往前插、也不能从中间插。参考视频也有分片口径:3 至 10 秒的片子至多带 3 段参考视频,11 至 15 秒的片子至多带 1 段,每段不超过 3 秒。这几条合起来,把更长这件事限定成可拼接的尾部追加,而不是一次生成三十秒长镜头。
对话式编辑才是标题里那句变成聊天的出处。Google Cloud 官方博客把它描述为在同一条片子上反复细化:换掉一个产品、改灯光、换机位,而不必重做整条。官方 Omni 指南把它归到多轮 conversational editing,并说明用 previous_interaction_id 记录上一条片的状态,后续轮次不必重新上传素材。编辑 prompt 宜短,收尾加一句 Keep everything else the same;负向要求不写专门的负向字段,直接并进常规 prompt,例如 No dialogue、No embellishments;想避免一条片被切成多个镜头,可在 prompt 里明说 In a single unbroken scene 或 No scene cuts。
一致性靠参考图撑着。一次请求至多 6 张参考图,按每个角色 3 张、至多 2 个角色分配,用来把角色和主体在多轮里稳住。声音一侧,输出是带原生音频的视频,官方博客提到更自然的对白、更清晰的口型同步,以及可区分的多说话人条件控制。把这些放一起看,1.2 的主线不是单点参数变大,而是让一条片可以被反复对话着改,而不是每改一处就重来。
降价 30%:把账单拆到每一秒
价格只照录官方定价页,不与 1.1 混用。Gemini Omni 1.2 Flash 的 Standard 付费层写法是:Free Tier 标注为 Not available,输入 $1.50 / 1M tokens(文本、图像、视频通用),文本输出 $9.00,视频输出 $12.00。对照 1.1 版本的视频输出 $17.50,1.2 的 $12.00 正是 changelog 所说降 30% 的那个数;定价页也把 1.1 的有效价写成约 $0.10 每秒。两个版本两套价,引用时别串。
计费口径是按总输出 token 消耗算,不是按条数或按时长一口价。官方定价页给的基准是 720p 每秒 5,792 tokens,按 $12.00 / 1M tokens 折算,按官方单价推算约合 $0.07 每秒。由此官方直接给出两档:10 秒约 $0.70、15 秒约 $1.04。这里要特别钉住 $1.04:它是官方定价页写出的原文,不必自己拿每秒单价去乘,也不要顺手换成别的数字。官方按 token 折算的结果与粗略的每秒乘法本就不完全重合,照录原文才稳妥。
分辨率档位一并抄下,省得再算:360p 为 1,931 tokens 每秒、折 $0.023 每秒;1080p 升频 8,688 tokens 每秒、折 $0.104 每秒;4K 升频 17,376 tokens 每秒、折 $0.209 每秒。360p 与 720p 用来起草稿,1080p 与 4K 是升频档,官方博客的建议也是先在 360p 或 720p 出草稿,再把选中的片子升到 1080p 或 4K。定价页另有一行 Used to improve our products:Free Tier 为 Yes、付费层为 No,意思是付费层的数据不用于改进产品。再加上 changelog 的付费层速率上限翻倍,1.2 在吞吐和单位成本上同时松了一档。
两条渠道,两套口径,别互相解释
这部分特别容易写串,得把 Gemini API 与 Google Cloud 分开摆。Gemini API 付费层这一侧:Free Tier 是 Not available,也就是没有免费层;官方视频生成文档明确写着 Provisioned throughput is not supported,因此 Provisioned Throughput 在 Gemini API 这一侧并不支持。文档还列了一串不支持项:系统指令、temperature、top_p、stop sequences 与负向提示词,负向诉求要写进常规 prompt;当前版本的 API 不支持上传音频参考;voice editing 不支持;YouTube 作为媒体源不支持;英文支持完整,其他语言尚未评估;参考视频至多 3 段。
Google Cloud 与 Vertex AI 那一侧,是 2026 年 11 月 6 日官方博客的口径:称 Gemini Omni 1.2 Flash 为 production-ready,由企业级基础设施与安全能力背书,并提供 Provisioned Throughput;音频参考需要白名单,官方原话是 Audio references are gated behind allowlisting;输出带不可察觉的 SynthID 水印。博客还把 $0.07 每秒的 720p 价格、比 1.1 低 30%、片长从 10 秒到 15 秒、360p 或 720p 草稿升频到 1080p 或 4K、更自然的对白与口型、以及换产品改灯光改机位的对话式编辑,逐条复述了一遍。
两者不能互为解释。不能因为 Cloud 博客说提供 Provisioned Throughput,就填进 Gemini API 文档那句 Provisioned throughput is not supported 的空;也不能因为 Cloud 侧称 production-ready,就推断 Gemini API 多出免费层。音频参考同理:API 当前版本不支持上传音频参考,Cloud 侧是需白名单才开放,一句归一句。一句话,GA 面向的是 Gemini API 付费层,Cloud 博客讲的是另一条交付渠道,各看各的文档。
12 月 3 日还没到:自动路由是未来生效
changelog 与定价页都留了一条带日期的路由通知:Effective December 3, 2026,API requests to gemini-omni-1.1-flash will automatically route to gemini-omni-1.2-flash at Gemini Omni 1.2 Flash rates。翻成中文是,从 2026 年 12 月 3 日起,指向 gemini-omni-1.1-flash 的请求会自动路由到 1.2,并按 1.2 的价格计费。
关键词是那个生效日期,它落在未来。截至 2026 年 11 月 7 日,这条规则属于未来生效,尚未生效,不能写成已经切换。它也不等于 1.1 立刻下线:模型页仍把 1.1 列在 Stable,只是括号里注明 routes to 1.2 on Dec 3, 2026。对开发者的实际含义有两层:一是老代码里的 1.1 模型串在 12 月 3 日之后仍会收到响应,但背后跑的是 1.2;二是账单按 1.2 的 $12.00 视频输出价走,不再是 1.1 的 $17.50。把这两层提前算进预算,比等到切换那天再对账从容。逐项接入步骤与成本账留给 SOP 栏,热点栏只把生效时间钉在这里。
模型页上的硬参数:131,072 与 65,536
把散在各页的硬参数收拢一处。官方模型页给 gemini-omni-1.2-flash 的输入是文本、图像、视频(编辑上限 15 秒、扩展回看 10 秒),输出是带原生音频的视频与文本;输入 token 上限 131,072,输出 token 上限 65,536。输出视频 3 至 15 秒,档位 360p、720p、1080p、4K,帧率 24 FPS;首尾帧插值与每轮扩展同为 3 至 10 秒,累计上限 30 秒。
视频生成文档把请求参数也写明了:response_format 里 type 取 video,aspect_ratio 可设 9:16(默认 16:9),resolution 取 360p、720p(默认)、1080p(升频)、4k(升频),duration 取 3s 到 15s(默认 10s);视频大于 4MB 时用 delivery="uri"。一段只读官方文档、不添额外参数的调用大致长这样:
interaction = client.interactions.create(
model="gemini-omni-1.2-flash",
input="A single unbroken scene, no scene cuts",
response_format={"type": "video", "resolution": "720p", "duration": "10s"},
)水印与安全同属模型页口径:所有生成视频都带 SynthID 隐形水印,可被程序检测;输入 prompt 与生成视频都会过内容安全过滤。文档另提醒,大于 4MB 的片子走 delivery="uri",通过 Files API 上传的视频要轮询到 ACTIVE 再用;若把 background、store、stream 都设为 false 可加快同步生成,但 store=false 会让这条片在后续轮次不可编辑。参数名照抄官方文档,官方文档部分页面仍残留 1.1 示例时不要跟着抄,模型串一律用 gemini-omni-1.2-flash。
谁该现在动手,以及几条省钱的工程口径
把上面的口径折成一条工作流,会清楚很多。先用 360p 或 720p 起草稿,把 6 张参考图用来锁住角色与主体,再用对话式编辑一轮轮换产品、改灯光、挪机位,靠 previous_interaction_id 保持状态,不必每轮重传素材。定稿之后,把选中的片子升频到 1080p 或 4K 出终版。这条路径把便宜的草稿档留给反复试错,把升频档只花在定稿上。
成本账也顺着这个顺序算。一条 15 秒 720p 片子按官方定价页约 $1.04,360p 是 $0.023 每秒、720p 是 $0.07 每秒;按官方单价推算,360p 每秒大约只有 720p 的三分之一,先在低分辨率草稿上把镜头和编辑磨顺,再升频出终版,比一上来就按高分辨率重生成更省。真要接进服务,还有几处工程细节:大于 4MB 走 delivery="uri",Files API 上传后轮询到 ACTIVE,编辑 prompt 写短并以 Keep everything else the same 收尾,负向诉求并进常规 prompt。五步接入的完整顺序与逐项成本表在 SOP 栏,本篇不展开命令清单。
需要克制的地方也说一句。官方给的是能力边界与定价,不是任何场景下的效果保证;不同分辨率、不同时长、不同参考图组合的账单要按各自的 token 口径单独算,别拿一条 15 秒 $1.04 去套所有片子。本篇只照录官方页写出的数字与限制,不补自测结论,也不替读者下选型判断。
把几个日子和几个数字各归各位
收个尾。2026 年 11 月 5 日 Gemini API 官方 changelog 把 gemini-omni-1.2-flash 标成 GA 全面可用,面向付费层:单条视频上限从 1.1 的 10 秒抬到 15 秒,默认 10 秒,超过 15 秒报 invalid argument error;视频输出从 $17.50 降到 $12.00、降 30%,15 秒 720p 按官方定价页约 $1.04,基准是 5,792 tokens 每秒、约 $0.07 每秒;对话式编辑、至多 6 张参考图、原生音频、SynthID 水印、131,072 与 65,536 的 token 上限、24 FPS,都写在同一批官方页里。
三个日子别混:2026 年 11 月 5 日是 GA 日,2026 年 11 月 6 日是 Google Cloud 官方博客跟进与中文转载日,2026 年 12 月 3 日是把 1.1 请求自动路由到 1.2、按 1.2 价格计费的未来生效日,截至 2026 年 11 月 7 日还没生效。两条渠道别混:Gemini API 付费层没有免费层、文档写明 Provisioned throughput is not supported;Google Cloud 侧称 production-ready 并提供 Provisioned Throughput、音频参考需白名单。往后引用这次更新,把 GA 当事件、把官方定价页当价格依据、把 changelog 当能力清单,几处口径就都不会漂。