Google Gemini Omni Flash 深度解析：从“任意输入”到“对话式剪辑”的AI视频新时代

核心能力：真正的“任意到任意”多模态

与传统流水线模型不同，Gemini Omni Flash 将文本、图片、音频和视频作为统一输入处理，直接输出视频 —— 这一能力被称为“任意到任意” ^AAB。模型可生成 3–10 秒、720p、24fps、同步原生音频 的短片，支持 16:9、9:16 或 1:1 三种宽高比 ^HG。

你可以在单一提示中同时上传最多 7 张参考图片、1 段视频和文本描述，模型会将它们融合为连贯的输出 ^BG。例如，提供产品照片、背景视频和文字说明，Omni Flash 就能生成一段简短的营销短片。

对话式视频编辑：Interactions API

最大的亮点是 对话式视频编辑，由 Interactions API 驱动 ^AA。用户无需导出到外部编辑软件，直接通过自然语言迭代修改输出——替换角色、替换产品、风格迁移、添加物体、重新打光——模型会保留用户想要保留的部分 ^AA。每一轮对话都生成新的视频，模型能理解前几轮的上下文 ^A。

定价：每秒 0.10 美元

API 定价为 每生成一秒视频 0.10 美元，即 10 秒短片 1 美元 ^AH。这一定价与 Veo 3.1 Fast 一致，使 Omni Flash 成为低成本、快速迭代的视频工作流替代方案 ^Y。此外，输入 Token 价格为每百万 1.50 美元，视频输出 Token 价格为每百万 17.50 美元 ^H。

消费者方面，年满 18 岁的 YouTube Shorts 用户可以 免费使用 Gemini Omni Flash ^AWN。Google AI Plus、Pro 和 Ultra 订阅用户也可使用 ^AG。

10 秒限制：有意为之的决策

10 秒短片上限是发布之初的刻意产品决策，更长时长将在未来版本推出 ^HY。Google 将此举描述为负责任的推出策略，在能力与安全之间取得平衡 ^T。有评论指出，这个限制更可能是部署层面的策略，而非模型架构的限制 ^N。

SynthID 水印与内容溯源

所有由 Omni Flash 生成或编辑的短片均内置 不可见的 SynthID 数字水印 ^YNN。用户可通过 Gemini 应用、Chrome 中的 Gemini 以及 Google 搜索 询问“这个视频是用 Google AI 创建的吗？”来进行验证 ^NB。在受支持的 Google 平台上，内容还会携带 C2PA 内容凭证 ^NC。API 没有关闭水印的开关 ^DG。

Adobe Firefly 集成

2026 年 7 月 1 日，Adobe 将 Gemini Omni Flash 作为合作伙伴模型加入 Adobe Firefly，用户可以通过 Firefly 的界面和积分系统进行自然语言视频编辑 ^D。费用为 每秒视频 30 个积分 ^D。这延续了 Google I/O 上宣布的更深层次合作，旨在将 Adobe 连接器引入 Gemini ^B。用户可以在“文本转视频”模块的模型下拉菜单中找到它 ^A。

同时发布的姐妹模型：Nano Banana 2 Lite

与 Omni Flash 一同发布的还有 Nano Banana 2 Lite（模型 ID：gemini-3.1-flash-lite-image），它是 Google Nano Banana 系列中 最快、最便宜的图片模型 ^AA。可在 4 秒内生成图片，成本 低于每 1000 张 0.04 美元 ^BHB。该模型于 2026 年 6 月 30 日 在 Google Cloud 上正式可用，并已集成到 Google AI Studio、Gemini API 和 Gemini Enterprise Agent Platform ^HCB。

Omni Product Studio

Google 在 I/O 2026 上展示了 Omni Product Studio 演示应用，利用 Gemini Omni Flash 将 静态产品图片转化为电影级电商视频 ^GC。

区域限制与当前局限

• 在 欧盟经济区（EEA）、瑞士和英国，上传视频进行编辑的功能被屏蔽 ^A。社区报告也提到在印度和一些美国州存在限制 ^A。
• 模型 仅能可靠地编辑自己生成的视频 —— 任意上传的第三方视频会被拒绝，这是针对深度伪造滥用的安全措施 ^A。
• 语音和音频编辑功能在发布时被刻意保留，因涉及深度伪造风险 ^TGL。

总之，Gemini Omni Flash 为 AI 视频创作和编辑开启了一个全新的、更自然的交互模式，但其当前限制也体现了 Google 在能力与责任之间的审慎权衡。