始终同步的音频
每个视频片段都自带生成的声音 — 环境音、音效、语音。您可以在提示词中通过“Audio:”行来引导音频生成。
模型 · Google Gemini Omni Flash
Gemini Omni Flash — 自带声音的 AI 视频，每段统一 $1.00
Google 专为短视频设计的世界模型：每个片段都附带同步音频、物理感知的运动，以及对话式编辑功能 — 描述修改，场景即可重新生成。3–10 秒时长，720p 分辨率，支持 16:9 或 9:16 竖屏（适用于 Shorts 和 Reels）。每次生成统一收费 $1.00，支持加密货币支付。无需订阅。
01工作原理
什么是 Gemini Omni Flash？
Gemini Omni Flash 是 Google Gemini Omni 系列的首个模型 — 一个能够像物理引擎一样推理场景，然后将其渲染成视频的世界模型。您只需发送文本、图像或之前的生成结果；它将返回一个3 到 10 秒的 720p 24 帧每秒短片，自带原生同步音频 — 环境音、音效，甚至语音 — 这些都与像素同步生成，而非后期添加。Google 于 2026 年 5 月将其应用于 Gemini 应用、Flow 和 YouTube Shorts，并于 2026 年 6 月 30 日开放了 API (gemini-omni-flash-preview)。在 BananaBanana 平台上，它与 Veo 3.1 系列同步投入生产使用：同样的定价策略，每次生成统一收费 $1.00，支持加密货币支付。
它为何专为 Shorts、Reels 和 TikTok 而生？
短视频需要三点：默认开启声音、逼真的运动和快速迭代。Omni Flash 完美满足这三点。音频始终开启 — 模型会根据场景内容决定其应有的声音。运动效果源于一个能推理场景的世界模型：糖浆倾泻、纸张漂浮、蒸汽上升，一切都如应有般自然 — 通常无需繁琐的提示词调试（对于最要求物理效果的镜头，Veo 3.1 仍是更稳妥的选择）。而且，您无需从零开始重新输入提示词，而是通过对话进行精修 — “让它变成黄昏”、“在窗户上加上雨水” — 模型会保持角色、光照和摄像机角度的一致性。生成 9:16 竖屏视频，即可无需裁剪直接用于 Shorts、Reels 或 TikTok。
02功能亮点
Gemini Omni Flash 的强大功能
对话式编辑
描述修改，场景即可重新生成，同时保持角色、光照和摄像机角度一致。编辑可逐轮累积。
物理感知的世界模型
该模型像物理引擎一样推理场景 — 液体、烟雾和布料通常在初次尝试即可呈现逼真效果。
图像转视频
任何照片都可成为起始帧；提示词描述运动和音景。
主体参考图
最多 3 张参考图可帮助您在全新场景中保持角色或产品的一致性。
竖屏 9:16 或宽屏 16:9
每次生成时选择宽高比 — 竖屏输出专为 Shorts、Reels 和 TikTok 优化构图。
03局限性
坦诚相告：其局限之处
这些是 Google API 本身的限制，而非我们集成的问题 — 在您投入成本前至关重要。仅支持 720p：没有 1080p 或 4K 的切换选项；如果您需要更高分辨率，请使用 Veo 3.1。模型自主选择时长：没有时长参数，因此剪辑到音乐的片段可能需要几次尝试。无延长功能：与 Veo 不同，您无法将片段延长至 10 秒以上 — 对话式编辑会改变场景，但不会延长其时长。
预览版 API 还缺少以下功能：种子、负面提示词参数、提示词增强、每次请求多个样本，以及关闭音频。如果其中任何一项是您不可接受的限制，Veo 3.1 系列能够满足这些需求 — 同样的定价策略，同样的生成器。
04运作方式
从提示词到视频片段，分分钟搞定
免费注册
只需邮箱和密码 — 无需信用卡，无需 Google 账户，免费赠送 $0.10 起始余额。
加密货币充值
支持 USDT, USDC, BTC, ETH, SOL, TON 等多种加密货币，最低充值 $1。充值 $50 及以上赠送 5% 额外奖励，充值 $100 及以上赠送 10%。
生成视频，然后与其对话
撰写提示词（添加“Audio:”行），选择 16:9 或 9:16，生成视频，费用 $1.00 — 然后通过描述修改进行精修。
05定价
统一价格，包含音频
| 模型 | 每个片段价格 | 时长 | 分辨率 | 音频 |
|---|---|---|---|---|
| Gemini Omni Flash统一费率 | $1.00 | 3–10 秒 (模型自主选择) | 720p | 始终开启 |
| Veo 3.1 Fast含音频 | $0.50–$1.00 | 4–8 秒 (您可选择) | 最高 4K | 可选 |
| Veo 3.1含音频 | $1.50–$3.00 | 4–8 秒 (您可选择) | 最高 4K | 可选 |
Veo 价格显示为 720p/1080p；4K 分辨率费用另计。使用 Omni Flash 进行对话式编辑，每次都视为一次新的生成，费用统一为 $1.00。完整价目表请见定价页面。
在完整定价页面上比较所有模型 — 或者在消费前阅读Gemini Omni Flash API 实测评测。
06了解更多
来自博客的指南
07常见问题
关于 Gemini Omni Flash，您想知道的都在这里
什么是 Gemini Omni Flash？
Gemini Omni Flash 是 Google Gemini Omni 系列的首个模型 — 一个能将文本、图像或现有视频片段转换为带同步声音的短片（720p），音频同时生成。它于 2026 年 5 月面向消费者发布，并于 2026 年 6 月 30 日通过 gemini-omni-flash-preview 作为 API 提供。在 BananaBanana 平台上，它与 Veo 3.1 系列同步投入生产使用。
Gemini Omni Flash 视频如何收费？
在 BananaBanana 平台上，每次生成统一收费 $1.00，无论模型选择何种时长（3–10 秒）— 包含音频，无需订阅。对现有视频进行对话式编辑，每次都视为一次新的生成，费用统一为 $1.00。您可以通过加密货币充值，最低 $1，并按片段付费。
Gemini Omni Flash 会生成声音吗？
是的 — 始终如此。每个片段都自带原生同步音频：环境音、音效，甚至根据您的要求生成语音。您无法将其关闭；唯一的控制方式是通过文本提示，因此请在提示词中的“Audio:”行描述您期望的音景。
我能选择视频片段的时长或分辨率吗？
不能。API 没有时长参数 — 模型会根据提示词自主选择 3 到 10 秒的时长 — 输出仅限 720p 24 帧每秒。您可以选择宽高比：16:9 用于宽屏，或 9:16 竖屏用于 Shorts、Reels 和 TikTok。
对话式编辑如何运作？
生成一个视频片段后，描述您希望的修改 — “让它下雪”、“将马克杯换成玻璃杯” — Gemini Omni Flash 就会重新生成场景，同时保持角色、光照和摄像机角度一致。编辑可逐层叠加。每次编辑费用与 $1.00 相同。这取代了 Veo 风格的“延长”功能，Omni 不支持此功能。
我应该使用 Gemini Omni Flash 还是 Veo 3.1？
当声音表现至关重要，且格式为短竖屏或社交媒体视频时，请选择 Omni Flash：音频始终开启，物理效果逼真，并通过对话以统一 $1.00 的价格进行迭代。当您需要更多控制权时，请选择 Veo 3.1 — 例如精确的 4/6/7/8 秒时长、最高 4K 分辨率、可选音频、起始/结束帧以及最长 148 秒的扩展。
我需要 Google 账户或信用卡吗？
不需要。BananaBanana 仅接受加密货币支付 — USDT、USDC、BTC、ETH、SOL、TON 及其他主流币种，最低充值 $1。只需使用邮箱注册，充值，即可生成；未使用的余额永不过期。