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，每段仅需 $0.30 起
Google 面向短视频的世界模型：每段视频都自带同步音频、符合物理规律的运动，并支持对话式编辑——描述改动，场景即重新生成。时长由你精确设定：每段 3 到 10 秒，16:9 或适合 Shorts 与 Reels 的竖版 9:16；1.1 代新增 360p 草稿、1080p 与 4K，以及最长 40 秒的场景延长。720p 每秒 $0.10（每段 $0.30–$1.00），以加密货币支付。无需订阅。
Omni 1.1 Flash 已上线
第二代新增三分之一价格的 360p 草稿、1080p 与 4K 输出、结束帧、视频参考，以及最长 40 秒的场景延长。自 2026 年 9 月起，工作室里的 Omni Flash 背后就是这个模型。
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；它将返回一个精确 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：同样的余额，视频每秒 $0.10（每支短片 $0.30–$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。提示词同样也是控制面板：在默认情况下，模型倾向于在不同镜头间进行切换，因此您可以要求单镜头无切、将节奏点标记为 [0-3s] 范围，或引用屏幕上应当出现的文字。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。编辑可逐轮累加，您也可以发送任何完整的视频（包括 Veo 片段或您自己上传的视频）来进行视频转视频的重塑。
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（包括您自己的生成或上传图片），提示词描述运动和音景。它也可以在同一个请求中与参考图像结合使用。
主体参考图
最多 10 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，并且可与起始帧搭配使用。
您设定格式和长度
每次生成时选择宽高比 — 竖屏输出专为 Shorts、Reels 和 TikTok 优化构图。您还可以将片段长度精确设定为 3 到 10 秒之间的任意整数，并为每秒支付 $0.10。
03局限性
坦诚相告：其局限之处
这些是 Google API 本身的限制，而非我们集成的限制——在花第一美元之前值得了解。原生渲染为 720p：第一代止步于此，而 Omni 1.1 的 1080p 与 4K 档位是对同一次 720p 渲染的放大，并非更多细节——需要原生 4K 请用 Veo 3.1。单段视频仍是 3–10 秒：第一代完全无法超出，Omni 1.1 也只能通过追加 3–10 秒的延长来变长，总计最多 40 秒。编辑会改变场景，但从不延长它：编辑后的视频总是与源视频长度完全一致。
预览版 API 还缺少以下功能：种子（相同的种子和提示词仍会产生不同的视频）、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 — 同样的余额，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 $0.20 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 并选择精确长度，从 $0.30 开始生成视频 — 然后通过描述修改进行精修。
05定价
按秒计价，包含音频
| 模型 | 每个片段价格 | 时长 | 分辨率 | 音频 |
|---|---|---|---|---|
| Gemini Omni Flash视频每秒 $0.10 | $0.30–$1.00 | 3–10 秒 (您来选择) | 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 费用另计。Omni Flash 按照输出视频的每秒 $0.10 计费，因此一个片段费用为 $0.30–$1.00；而编辑是一次与原视频相同长度的新生成，按相同费率计费。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，视频每秒价格为 $0.10 — 3 秒短片为 $0.30，完整 10 秒为 $1.00，已含音频，无需订阅。对现有视频进行对话式编辑视为一次相同长度的新生成，按相同费率计费。您可以通过加密货币充值，最低 $1 起，按片段付费。
阅读完整解答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？
时长可以：3 到 10 之间的任意整数秒，720p 下每秒 $0.10。分辨率取决于代际：Omni Flash 1.0 只渲染 720p，而 Omni 1.1 Flash 新增了三分之一价格的 360p 草稿档，以及按更高每秒价格放大的 1080p 与 4K。画幅比例也由你选择：宽屏 16:9，或适合 Shorts、Reels 和 TikTok 的竖版 9:16。唯一的例外：编辑后的视频继承源视频的长度，因为模型无法拉长或缩短视频。
阅读完整解答对话式编辑如何运作？
先生成一段视频，再描述改动——“让它下雪”“把马克杯换成玻璃杯”——Omni Flash 会在保持角色、光线和镜头一致的前提下重新生成场景。编辑可以层层叠加。你也可以编辑并非它生成的视频：发送任何成片，包括 Veo 生成的视频或你自己上传的素材，它会以新风格、相同长度返回。每次编辑都是按每秒 $0.10 计费的普通生成。把视频变长是另一项功能——场景延长——它只存在于 Omni 1.1 Flash。
我应该使用 Gemini Omni Flash 还是 Veo 3.1？
当声音重要、格式是竖版短视频或社交视频时选 Omni Flash：音频始终开启，物理表现自然，通过对话迭代，每秒 $0.10（每段 $0.30–$1.00）；需要 360p 草稿、4K 交付或超过十秒的场景时选 1.1 代。需要精细控制时选 Veo 3.1——精确的 4/6/7/8 秒时长、原生 4K、可选音频、种子、首尾帧，以及最长 148 秒的延长。
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。