# Gemini Omni 1.2 Flash API：生成 15 秒视频并继续剪辑 > Gemini Omni 1.2 Flash API 用 Interactions API 生成 3–15 秒带声音的视频，还能接着上一轮继续剪辑，附官方价格与时长限制。 - Canonical HTML: https://omniakey.com/zh/blog/gemini-omni-1-2-flash-api - Markdown: https://omniakey.com/zh/blog/gemini-omni-1-2-flash-api.md - Published: 2026-11-07 (updated 2026-11-07) - Author: Kiki, COO at OmniaKey - Language: zh - Category: API setup - Reading time: 9 min - All posts: https://omniakey.com/blog/llms.txt --- 2026 年 11 月 5 日，Gemini Omni 1.2 Flash API 在 Gemini API 付费层正式上线。一次请求返回 3–15 秒带声音的视频。再发一次请求就能修改同一个片段，不用重新上传（[Google 发布说明](https://ai.google.dev/gemini-api/docs/changelog) 和 [Omni 指南](https://ai.google.dev/gemini-api/docs/omni)，2026 年 11 月 6 日核对）。 - **模型**：`gemini-omni-1.2-flash`，通过 `client.interactions.create` 或 `POST /v1beta/interactions` 调用。 - **片段**：3–15 秒，24 fps，16:9 或 9:16，带生成的音轨。 - **剪辑**：第二轮请求带上 `previous_interaction_id`，改写你生成的片段，输入最多 15 秒。 - **价格**：一条 15 秒 720p 视频的视频 token 约 $1.04。输入和文本 token 另算。 ## Gemini Omni 1.2 Flash API 支持什么 请求发到 `POST https://generativelanguage.googleapis.com/v1beta/interactions`，请求体里写 `"model": "gemini-omni-1.2-flash"`。这就是 Interactions API。它在 2026 年 6 月开放后，Google 建议新项目都从这里开始（[Interactions API 概览](https://ai.google.dev/gemini-api/docs/interactions-overview)，2026 年 11 月 6 日核对）。旧的 generateContent 接口继续服务其他 Gemini 模型。 模型返回带原生音频的视频，也能返回文本（[模型卡](https://ai.google.dev/gemini-api/docs/models/gemini-omni-flash)）。输出为 24 fps，默认 720p，也可以选 360p。1080p 与 4k 通过超分得到，每条片段都带不可见的 SynthID 水印。默认横屏 16:9，竖屏输出 9:16。 只有付费层能用。Google 价格表在免费层的输入和输出两栏都写着 `Not available`。限流页面显示 Omni Flash 在 Tier 1 每分钟 8 次请求、每天 40 次（[价格](https://ai.google.dev/gemini-api/docs/pricing)、[限流](https://ai.google.dev/gemini-api/docs/rate-limits)，2026 年 11 月 6 日核对）。 上一代 `gemini-omni-1.1-flash` 在四周过渡期内仍可使用。2026 年 12 月 3 日起，发给它的请求由 1.2 处理，按 1.2 的价格计费，代码不用改。 ## 用 Interactions API 生成视频 Python SDK 只有三步：建客户端、建交互、把 base64 视频写入文件。示例显式设置时长，并把交互保存下来，方便之后剪辑。需要 `google-genai` 包（`pip install -U google-genai`），以及放在 `GEMINI_API_KEY` 里的 Gemini API key。两轮请求都发到 Google 的端点，OmniaKey 的 key 在这里用不了。 ```python # Setup: install google-genai and set GEMINI_API_KEY to your Google API key. import base64 import os from google import genai client = genai.Client(api_key=os.environ["GEMINI_API_KEY"]) # Turn 1: generate a 15-second landscape clip and keep it editable. first = client.interactions.create( model="gemini-omni-1.2-flash", input=( "One continuous tracking shot follows a paper airplane gliding " "through a busy library, dust in the sunlight." ), response_format={ "type": "video", "duration": "15s", # whole seconds from "3s" to "15s"; default "10s" "aspect_ratio": "16:9", # or "9:16" "resolution": "720p", # 720p is the default; 1080p and 4k are upscaled }, store=True, ) # Turn 2: edit that clip with a follow-up prompt, no re-upload. edit = client.interactions.create( model="gemini-omni-1.2-flash", previous_interaction_id=first.id, input="Make the paper airplane bright red. Keep the camera move unchanged.", ) with open("library_flight.mp4", "wb") as f: f.write(base64.b64decode(edit.output_video.data)) ``` 时长用字符串写整秒，范围 3 到 15，不写这个字段时生成 10 秒。分辨率是同一个 `response_format` 对象里的另一个键，和类型设置并列。 SDK 从 `output_video.data` 读出 base64 成品；这个便捷字段只在 SDK 里存在。直接发 REST 请求时，同样的字节放在 `steps[]` 里一个类型为 video 的 content 条目中。片段超过 4 MB 时，在 `response_format` 里加 `"delivery": "uri"`（[Omni 指南](https://ai.google.dev/gemini-api/docs/omni)，2026 年 11 月 6 日核对）。然后用 `client.files.get` 轮询，等文件状态变成 ACTIVE，再用 `client.files.download` 取回。 代码改自 Google 的 Python 示例，通过了语法检查；我们没有对 API 实际运行过。 ## 修改已生成的片段，不用从头再来 把第一轮交互的 id 作为 `previous_interaction_id` 传进去，再描述要改什么。模型保留片段的上下文，执行修改并返回新视频。Google 的编辑示例只发模型、这个 id 和提示词。第二轮同样用这三个字段（[Omni 指南](https://ai.google.dev/gemini-api/docs/omni)，2026 年 11 月 6 日核对）。 > 打算继续剪辑的每一轮都要保留 > > `store=True` > > （默认值）。设成 > > `store=false` > > 后，后面的请求无法再用 > > `previous_interaction_id` > > 接着改这个片段。 延长用同一套循环。用自然语言要求续写，模型会追加 3–10 秒，默认 10 秒，并以输入视频最后 10 秒作为上下文，总长最多 30 秒。它只能在结尾追加，没法在开头之前或中间插入一段。 自己拍的素材，先通过 Files API 上传 15 秒以内的片段，再对它写提示词。在欧洲经济区、瑞士和英国，上传视频的剪辑和延长不可用；模型生成的片段在这些地区可以剪辑。当前版本不支持语音编辑，也不支持音频输入和音频参考，参考视频里的音频会被忽略。 ## 时长、分辨率和参考素材的限制 各项操作的区间不同，下表按 Google 的指南整理（[Omni 指南](https://ai.google.dev/gemini-api/docs/omni)，2026 年 11 月 6 日核对）。 |操作|时长|说明| |-|-|-| |文生视频或图生视频|3–15 秒|默认 10 秒| |首帧与尾帧|3–10 秒|首尾两帧| |剪辑片段|输入 ≤15 秒|上传或生成| |延长，每轮|+3–10 秒|默认 10 秒| |延长后总长|30 秒|末 10 秒作上下文| 参考素材另有上限： - 每次请求最多 6 张参考图，每个角色最多 3 张，最多 2 个角色。 - 11–15 秒的输出接受 1 条最长 3 秒的参考视频。3–10 秒的输出最多接受 3 条参考视频，每条最长 3 秒。 - 参考视频用于生成新片段。剪辑和延长改用参考图。 - YouTube 链接不能当作媒体输入，先把文件上传。 ## Google 官方示例展示的内容 Google 在 [2026 年 11 月 5 日的发布文章](https://blog.google/innovation-and-ai/technology/developers-tools/introducing-gemini-omni-1-2-flash/) 里放了九段演示片段（2026 年 11 月 6 日核对）。我们下载了其中两段，用 ffprobe 检查：都是 1920×1080、24 fps，带 AAC 立体声音轨。两个文件开头都有一段标题画面，所以文件长度比里面的场景更长。 ![Google 漂流者演示的两帧：第 6 秒一名男子跪在浅水里，第 12 秒是海岸线的俯视远景](https://omniakey.com/_img/blog/gemini-omni-1-2-flash-api/official-castaway-sequence.dbe2c3e5.2400.webp) _Google 官方 Castaway 快速变焦演示第 6 秒和第 12 秒的画面。_ 这两帧显示同一个片段如何从中近景拉到远景。第 6 秒，一名男子跪在浅水里，一只手扶着浮木。第 12 秒，机位升到海岸上方，人在水线附近显得很小，左边是长满棕榈的山丘，右边是开阔海面。 ![Google 万神殿演示第 12 秒的画面：穹顶的圆形开口、同心方形藻井和穹顶内的一束阳光](https://omniakey.com/_img/blog/gemini-omni-1-2-flash-api/official-pantheon.1d1094e7.1600.webp) _Google 官方万神殿漫游演示第 12 秒的画面。_ 万神殿这一帧在第 12 秒进入建筑内部：穹顶的圆形开口、周围一圈同心方形藻井，还有落在室内的一束阳光。Google 的说明写的是由两张建筑照片引导的连续无人机飞行；第 6 秒时，同一段示例还在外面的柱廊之间。 ## 官方价格：把一条片段的费用算对 Google 对文本、图片和视频的输入按每百万 token $1.50 收费，文本输出每百万 $9.00，视频输出每百万 $12.00。这些费率只在付费层提供（[价格页](https://ai.google.dev/gemini-api/docs/pricing)，2026 年 11 月 6 日核对）。所有金额单位为美元。视频按输出 token 计费，720p 输出每秒 5,792 个 token。 |输出|token/秒|约 USD/秒| |-|-|-| |360p|1,931|$0.023| |720p|5,792|$0.07| |1080p 超分|8,688|$0.104| |4k 超分|17,376|$0.209| 一条 15 秒 720p 片段在视频 token 上计费 15 × 5,792 × $12.00 / 1,000,000 = $1.04256，约 $1.04。还没算输入和文本 token。先算出总额再四舍五入。 ## 怎么选视频工作流 一个 15 秒带声音的镜头能覆盖场景，或者这条片段还要经过好几轮小改动时，用 Omni 生成。编辑循环是选它的理由：每一轮都保留上一段片段的上下文。你可以每条消息只改一个道具、一个背景或一处镜头说明，不用把整个场景重讲一遍。 镜头需要一次跑更久，或者工作围绕参考视频展开时，换别的模型。字节跳动的 [Seedance 2.5](https://omniakey.com/zh/dreamina-seedance-2-5-260628) 一次请求最多生成 30 秒，[Seedance 2.5 评测](https://omniakey.com/zh/blog/seedance-2-5-review) 说明了 API 文档中的 30 秒时长上限。[Kling 4.0 与 Seedance 2.5 对比](https://omniakey.com/zh/blog/kling-4-0-vs-seedance-2-5) 讲了运动表现和参考优先的做法。 Omni 由 Google 自己发布，属于付费产品，不在 OmniaKey 的视频目录里。需要长镜头时，可以在 OmniaKey 用 Seedance 2.5。[AI 视频生成器](https://omniakey.com/zh/ai-video-generator) 在浏览器里直接跑提示词，不用写代码。 ## 常见问题 ### Gemini Omni 1.2 Flash API 免费吗？ 不免费。这个模型只在 Gemini API 付费层提供，Google 价格表在免费层一栏写着 Not available。 ### Gemini Omni 1.2 Flash API 用哪个端点？ 用 Interactions API：向 `POST https://generativelanguage.googleapis.com/v1beta/interactions` 发请求，请求体里写 `"model": "gemini-omni-1.2-flash"`。也可以在 Python、JavaScript、Go 或 Java SDK 里调用 `client.interactions.create`。generateContent 是其他 Gemini 模型使用的旧接口。 ### 一条 Gemini Omni 1.2 Flash 片段能有多长？ 生成请求为 3–15 秒，默认 10 秒。延长每轮加 3–10 秒，总长最多 30 秒；首尾帧插值在 3–10 秒之间；剪辑用的输入视频必须在 15 秒以内。 ### 只能剪辑生成的片段，还是自己上传的也可以？ 两种都可以，各有条件。上传的片段要在 15 秒以内，而且在欧洲经济区、瑞士和英国不能剪辑或延长；模型生成的片段在这些地区可以剪辑和延长。 ### gemini-omni-1.1-flash 会怎样？ 在四周过渡期内继续可用。2026 年 12 月 3 日起，发给它的请求由 `gemini-omni-1.2-flash` 处理，按 1.2 的价格计费，代码不用改。 ## 参考来源 - [Google：Gemini Omni 1.2 Flash 发布文章](https://blog.google/innovation-and-ai/technology/developers-tools/introducing-gemini-omni-1-2-flash/) - [Google：Gemini Omni Flash 模型卡](https://ai.google.dev/gemini-api/docs/models/gemini-omni-flash) - [Google：用 Gemini Omni Flash 生成和编辑视频](https://ai.google.dev/gemini-api/docs/omni) - [Google：Interactions API 概览](https://ai.google.dev/gemini-api/docs/interactions-overview) - [Google：Gemini API 发布说明](https://ai.google.dev/gemini-api/docs/changelog) - [Google：Gemini API 价格](https://ai.google.dev/gemini-api/docs/pricing) - [Google：Gemini API 限流](https://ai.google.dev/gemini-api/docs/rate-limits)