模型 · Google Gemini Omni 1.1 Flash

Gemini Omni 1.1 Flash — 世界模型,如今更有施展空间

Google Omni 视频模型的第二代,自 2026 年 9 月起在本站投入生产。始终开启的声音和符合物理规律的运动一如既往,还加入了大家一直在要的功能:价格仅三分之一的 360p 草稿模式、1080p 与 4K 输出、让镜头落在指定画面的尾帧、最多三段视频参考,以及可以不断追加、直到视频达到 40 秒的场景延长。720p 每秒 $0.10,用加密货币或银行卡支付。

在 BananaBanana 上生成的 Gemini Omni 1.1 Flash 真实片段:一个文本提示词,720p 下 8 秒,转盘的嗡嗡声和湿陶泥的声音在同一次生成中渲染出来。按每秒 $0.10 计共 $0.80;同一镜头做成 360p 草稿只需 $0.24。请打开声音。
01它是什么

什么是 Gemini Omni 1.1 Flash?

Gemini Omni 1.1 Flash 是 Google Gemini Omni 系列的第二代——一个像物理引擎一样推理场景、并将其渲染成带同步声音视频的世界模型。Google 于 2026 年 8 月发布了它,并以 gemini-omni-1.1-flash-preview 的名称开放 API。与第一代相比,它的分辨率从一档增加到四档(360p、720p、1080p、4K),新增了用于插帧的尾帧、可作为参考的视频片段,以及能读取前面最多十秒内容并接着生成的场景延长任务。在 BananaBanana 上,工作室和 MCP 服务器中的 Omni Flash 背后就是这个模型;想用第一代的人仍可选择 Omni Flash 1.0。

与 Omni Flash 1.0 相比有哪些变化?

主要是能力边界被拓宽了。第一代只有 720p 一档:3–10 秒、一段视频,想超过十秒只能剪辑拼接。1.1 保留了 3–10 秒的基本单位,但你可以先用 360p 打草稿——速度最多快 60%,价格只有三分之一——再把满意的那版用 720p 重新生成,或提升到 1080p 和 4K。它在首帧之外还接受尾帧,并在两者之间生成动画。它可以接收最多三段简短的视频参考,让角色或风格在多个片段之间延续。它还能延长场景:交给它一段成片,它会在末尾追加 3–10 秒,一次又一次,直到整段达到 40 秒。据 Google 介绍,新模型在延长时会参考之前最多十秒的画面,而旧模型只能看到最后一秒——这正是下方续接片段不跑偏的原因。

场景延长实例:一段 5 秒的竖屏镜头,先延长 8 秒,再延长 3 秒——一个提示词加两次续写,得到 16 秒,人物、厨房和光线始终如一。模型每次都会读取完整的源视频,因此这条链可以一直延续到 40 秒。
02功能亮点

Omni 1.1 Flash 能做什么

四种分辨率,分档计价

360p 每秒 $0.03,用于草稿;720p 每秒 $0.10,是原生渲染;1080p 每秒 $0.15、4K 每秒 $0.30,都是在其基础上的放大。便宜地迭代,清晰地收尾。

场景延长至 40 秒

选一段成片,描述接下来发生什么,模型就会在末尾追加 3–10 秒。重复操作,直到视频达到 40 秒。每次都会完整读取源视频。

首帧与尾帧

一张起始图,外加可选的结束图:模型会在两者之间插补运动。揭示镜头、环绕运镜和产品旋转都变得可控。

视频参考

最多三段、每段三秒的视频,另可搭配最多十张图片。无需起始帧,就能把角色、服装或风格带入全新场景。

始终开启的同步音频

每段视频都自带生成的声音——环境音、音效、语音。在提示词中用“Audio:”行来引导;没有单独的开关。

对话式编辑与视频转视频

描述修改,场景即重新生成,角色、光线和镜头保持不变。任何成片——Veo 生成的片段或你自己上传的视频——都可以发送进来,以相同时长换一种风格。

360p 草稿 · $0.09

同一提示词,3 秒,360p。23 秒渲染完成,花费 $0.09——足以判断焦点转移和逆光是否符合你的设想。

4K · $0.90

同一提示词的 4K 版:3840×2160,$0.90。价格是草稿的十倍,所以等构图确定后再付这一次。
03局限性

坦诚相告:它仍做不到的事

这些是 Google API 本身的限制,而非我们集成的限制,在你花出第一美元之前就该了解。1080p 与 4K 是 720p 渲染的放大,并不会带来更多细节——交付时有用,用在草稿上就是浪费。延长只能追加到末尾:无法在开头或中间插入内容,已经包含对白的上传视频也不能配上新的对白。单段视频仍是 3–10 秒;40 秒来自串联多次延长,而每次延长都按延长后的完整时长计费,因此一条 40 秒链的最后一步和一段 40 秒视频的价格相同。视频参考每段会被截取为三秒,编辑后的视频也始终与源视频时长完全一致。

API 还缺少:能复现构图的种子、负面提示词字段(可以在提示词里写“不要……”代替)、每次请求多个样本,以及关闭音频。在欧盟、瑞士和英国,Google 不允许对含有人物的上传视频进行编辑或延长。如果其中任何一项是硬性要求,Veo 3.1 系列支持种子、负面提示词、无声视频和原生 4K 渲染,而 Wan 3.0 一次就能渲染 30 秒。

04使用步骤

从草稿到 40 秒,三步完成

  1. 用 360p 打草稿

    写好带“Audio:”行的提示词,选择 16:9 或 9:16 和精确时长,以 360p 渲染——8 秒只需 $0.24。在这一步把构图定下来。

  2. 渲染选中的版本

    把胜出的提示词用 720p 重新生成(8 秒 $0.80),如果要上大屏就用 1080p 或 4K。如果镜头必须落在某个画面上,再加上尾帧。

  3. 延长场景

    在信息流中打开视频,选择“延长场景”,写下接下来发生什么。每次追加 3–10 秒,整条链到 40 秒为止。参考图可以把新的主体带入续接部分。

参考图

用于延长 Gemini Omni 1.1 Flash 片段的参考图:蓝色背景上的一根香蕉
作为 <IMAGE_REF_0> 传入的静态图,同时附上一段 8 秒的理发店视频和提示词“the subject from the reference enters the scene from the right and stops in the center”。

延长后的视频 · 8 秒 + 3 秒

未经剪辑的续接部分:在第八秒时香蕉从右侧飘入,停在顾客的脑后。故意做得有点傻——为了证明参考图是被读取的,而不是靠猜。
05定价

2026年 Gemini Omni 1.1 Flash 每秒多少钱?

Gemini Omni 1.1 Flash 按分辨率和时长的价格,以及与竞品模型的对比
模型3 秒8 秒10 秒声音
Gemini Omni 1.1 Flash · 360p$0.03/秒 — 草稿,最多快 60%$0.09$0.24$0.30始终开启
Gemini Omni 1.1 Flash · 720p$0.10/秒 — 原生渲染$0.30$0.80$1.00始终开启
Gemini Omni 1.1 Flash · 1080p$0.15/秒 — 放大$0.45$1.20$1.50始终开启
Gemini Omni 1.1 Flash · 4K$0.30/秒 — 放大$0.90$2.40$3.00始终开启
Gemini Omni Flash 1.0 · 720p上一代,720p—$0.80$1.00始终开启
Veo 3.1 Fast · 720pGoogle 的模型,仅 4–8 秒—$1.00—另行收费

价格按每段成片计算,已包含音轨。短横线表示该模型无法渲染这个时长。编辑是一次与源视频时长相同的新生成;延长按延长后的完整时长(源视频加追加部分)计费。完整价目表请见定价页面。

在完整定价页面比较所有模型,或在 Omni Flash 1.0 页面了解第一代仍然擅长什么。

06了解更多

来自博客的指南

07常见问题

关于 Gemini Omni 1.1 Flash,你想知道的都在这里

什么是 Gemini Omni 1.1 Flash?

Google Gemini Omni 视频世界模型的第二代,于 2026 年 8 月以 gemini-omni-1.1-flash-preview 发布。它能生成 3–10 秒、带同步声音的视频,分辨率可选 360p、720p、1080p 或 4K;可以在首帧和尾帧之间生成动画,接受视频片段作为参考,并能以每次 3–10 秒的步长把场景延长到最多 40 秒。在 BananaBanana 上,Omni Flash 背后就是这个模型。

Gemini Omni 1.1 Flash 生成一段视频多少钱?

按秒、按分辨率计费:360p 每秒 $0.03,720p $0.10,1080p $0.15,4K $0.30。也就是说,3 秒草稿 $0.09,10 秒 720p 视频 $1.00,10 秒 4K 视频 $3.00。延长按延长后的完整时长计费。用加密货币充值 $1 起,银行卡 $20 起,按片段付费;生成失败会退款。

阅读完整解答
场景延长怎么用?视频最长能有多长?

选一段 Omni 成片(你自己上传的视频也可以),选择“延长场景”,描述接下来发生什么。模型会读取整个源视频,在末尾追加 3 到 10 秒,并返回一个连续的文件。对结果再执行一次,链条就会继续增长,直到达到 40 秒。参考图可以把新的主体带入续接部分;但无法在已有画面之前或中间插入内容。

阅读完整解答
4K 是真 4K 还是放大的?

是放大的。模型原生渲染 720p;1080p 和 4K 是对这次渲染的放大,360p 则是更小、更便宜的草稿渲染。4K 文件确实是 3840×2160,在大屏上看起来很干净,但并不比 720p 版本包含更多细节。本站能原生渲染 4K 的是 Veo 3.1。

360p 草稿有什么用?

用来在付费前做决定。一段 360p 视频的价格是 720p 的三分之一,返回速度最多快 60%,所以用一段成片的价格,就能把一个镜头的三种写法都试一遍。等构图、镜头和声音都对了,再用你要交付的分辨率重新运行同一个提示词。草稿和成片是两次独立的生成,所以得到的会是另一个版本,而不是像素级一致的放大。

该选 Omni 1.1 Flash、Omni Flash 1.0 还是 Veo 3.1?

需要声音、并且要超过十秒、落在指定画面上或沿用某段视频里的角色时,选 Omni 1.1 Flash。如果你就是想要上一代的风格,选 Omni Flash 1.0——720p 下价格相同,也依然支持对话式编辑。需要种子、负面提示词、无声视频或原生 4K 时选 Veo 3.1;想一次生成 30 秒的镜头就选 Wan 3.0。

我需要 Google 账户或信用卡吗?

不需要。用邮箱注册,加密货币充值 $1 起(USDT、USDC、BTC、ETH、SOL、TON 及其他主流币种),也可以用银行卡、PayPal 或 SEPA 支付,$20 起。然后直接生成;未使用的余额永不过期,新账户赠送 $0.20。

几美分打草稿,4K 出成片

Gemini Omni 1.1 Flash — 360p 每秒 $0.03,720p 每秒 $0.10,场景延长至 40 秒,始终包含声音。用加密货币或银行卡按量付费,无需订阅,免费赠送 $0.20 开始体验。