「文生视频」示例的输出:gemini-omni-1.2-flash,720p,10 秒,16:9,人物说出提示词里的台词
价格与选型
计费与价格
Gemini Omni 1.2 Flash 按次计费,价格只由resolution 决定:
不影响价格的参数:
seconds:3–10 秒同价,10 秒的 720p 视频合每秒 $0.03。- 图片:带不带首帧或参考图价格相同。
reasoning_effort和画面比例。
- 创建任务时扣费,失败的任务全额退回,包括被内容审核拦截的任务。
- 参数不合法、在提交阶段直接返回错误的请求不扣费。
- 重复提交会创建新任务并再次计费,业务层请保存业务 ID 与任务
id的对应关系。
和其他视频模型怎么选
截至 2026 年 11 月 11 日,10 秒的 1080p 视频里 Gemini Omni 1.2 Flash 在老张API单价最低($0.45);360p 每个 $0.10,适合批量试效果。- 人物要开口说台词,或需要 1080p:选 Gemini Omni 1.2 Flash。
- 要 20–60 秒的连续视频、续写已有视频,或 1:1、4:3 等比例:选 Muse,接口同为
/v1/videos,同一个令牌可以直接换模型。 - 要 2K、参考视频或参考音频:选 MiniMax H3。
效果示例
下面的视频都是 Gemini Omni 1.2 Flash 的原始输出,没有剪辑,保留模型生成的音轨,点击即可播放。图注里写了分辨率、时长、画面比例和提示词。 Muse 的效果示例和 MiniMax H3 的效果示例用了同一组提示词,可以对比同一场景下的画面。720p,5 秒,16:9。提示词:A red fox walking through snowy forest at sunrise, cinematic
720p,10 秒,16:9。提示词:A paper boat drifts down a rainy city gutter, then sails into a small sunny pond
1080p,10 秒,16:9。提示词:A hot air balloon rises over a valley at dawn, drifts over a river and a village, then lands in a meadow
1080p,10 秒,9:16 竖屏。提示词:A cyclist rides through a coastal town from morning to sunset: market, harbor, cliff road, lighthouse
开始之前
创建令牌
在令牌管理新增令牌,按下面配置:
不需要 Google 账号或 Gemini API Key,也不用单独开通视频分组。已经在用 Muse 的令牌可以直接调用。
调用流程
1
创建任务
调用
POST /v1/videos,请求体至少包含 model 和 prompt。接口是异步的,几秒内就返回任务 id,不用等视频生成完,请保存好它。2
轮询状态
每 5–10 秒调用一次
GET /v1/videos/{id},读取 status。360p 的短视频通常 30–60 秒完成,720p 的 10 秒视频约 1 分钟,1080p 的 10 秒视频约 1.5–2 分钟。3
下载结果
status 为 completed 时,从 video_url 下载 MP4,下载不需要 Authorization 请求头。准备环境
下面的 cURL 示例用jq 提取字段(macOS 可用 brew install jq 安装)。先设置密钥和 Base URL:
生成视频
文生视频
resolution:不传时为720p。只想先看效果时传360p,每个 $0.10。seconds:3–10 的整数,不传时为 10。aspect_ratio:16:9或9:16,不传时为16:9。
让人物说台词
把台词直接写进prompt,用引号括起来并写明是谁说的,成片里的人物会开口说出这句话。中文、英文、日语、韩语和俄语台词都可以,上面的示例就是这样写的。
不写台词时,模型会按画面自动配环境音和音效。想要某种声音,在提示词里写出来,例如“背景有雨滴声和琴声”。
图生视频
用image 传一张图片,成片从这张图的画面开始。图片可以是公网链接或 data:image/...;base64, 格式的 data URL:
input_reference:
-F 上传时不要设置 Content-Type: application/json。每张图片不超过 10 MB,支持 JPEG、PNG 和 WebP。
参考图生视频
reference_images 传多张图片,模型会把图里的人物、物品和场景放进同一条视频。提示词里用“图 1”“图 2”按数组顺序指代:
image和reference_images合计最多 6 张,第 7 张起会返回错误。- multipart 上传时,参考图的字段名是
reference_images,可以重复多次。 image和reference_images可以同时传:image定起始画面,参考图提供要出现的人物或物品。- 涉及真实人物的限制见内容限制。
竖屏和 1080p
竖屏传"aspect_ratio": "9:16"。也可以改用 size 同时指定分辨率和比例,例如 1080p 竖屏:
size 可用的值见请求字段。价格按对应的分辨率档位计算,1080x1920 就是 1080p 的 $0.45。
查询和下载
查询任务
status 为 in_progress,progress 为大致进度:
video_url:
status 为 failed,原因在 error.message,费用已经退回:
下载视频
GET /v1/videos/{id}/content 带上 Authorization 下载,返回的就是 MP4 文件。视频链接保留 7 天,需要长期使用请下载后自己保存。
Python 最小客户端
需要requests(pip install requests):
API 参考
请求字段
size 与分辨率、比例的对应关系:
不支持的输入会在提交时直接返回错误,不扣费:
- 参考视频、参考音频和尾帧(
video_url、last_frame等字段)。 - 2K、4K,以及
16:9、9:16以外的画面比例。 - 小于 3 秒或大于 10 秒的
seconds。
输出规格
- 格式:MP4,H.264 视频加 AAC 音轨,24fps。
- 尺寸和时长与请求一致,例如
720p加9:16输出 720×1280。 - 文件带 Google 的 C2PA 内容凭证和不可见的 SynthID 水印,画面上没有可见水印。
任务状态
内容限制
下面两类内容会被模型拦截,任务以failed 返回并全额退费:
- 真实人物:提示词里出现真实人物的姓名会被拦截,模型也不生成真实人物的肖像,名人照片这类图片可能被拦截。
- 色情内容,以及受版权保护的角色形象。
常见错误
报错信息为英文,下表按出现的位置列出:常见问题
Gemini Omni 1.2 Flash API 每个视频多少钱?
按分辨率计费:360p 每个 $0.10,720p $0.30,1080p $0.45,3–10 秒同价。10 秒的视频约为 Google 官方价的 4.3 折,对照见计费与价格。需要 Google 账号或 Gemini API Key 吗?
不需要。用老张APIdefault 分组的令牌调用 POST /v1/videos 即可,计费模式选按量优先。
最长能生成多少秒,能出 4K 吗?
单条 3–10 秒,分辨率最高 1080p,不支持 2K 和 4K。需要 20–60 秒的连续视频时用 Muse,需要 2K 时用 MiniMax H3。生成的视频有水印吗?
画面上没有可见水印。文件里带 Google 的 C2PA 内容凭证和不可见的 SynthID 水印,用来标识视频由 AI 生成。一条视频要等多久?
360p 的短视频通常 30–60 秒,720p 的 10 秒视频约 1 分钟,1080p 的 10 秒视频约 1.5–2 分钟。接口是异步的,提交和查询都会立即返回,每 5–10 秒查询一次即可。原来调用 Muse 或 Sora 2 的代码怎么改?
接口相同,创建和查询的路径都不用改,令牌也不用换。只改三处:model改为gemini-omni-1.2-flash。seconds改到 3–10。- 需要 360p 或 1080p 时加上
resolution,不加就是 720p。
相关文档与来源
- 视频生成 API 选型与价格:各视频模型一条视频的费用、接口和令牌分组对照。
- Muse 视频生成 API:同一接口的 20–60 秒长视频和视频续写。
- 模型与价格总表
- Gemini Omni 1.2 Flash 上线公告
- Google:Gemini Omni 1.2 Flash 发布说明(模型能力,2026 年 11 月 11 日核对)
- Google:Gemini API 定价(官方按秒价格,2026 年 11 月 11 日核对)