Gemini Omni 1.1 Flash：功能、价格、可用性与专业制作流程

Gemini Omni 1.1 Flash 是 Google 面向视频生成与编辑推出的高速多模态模型。它最值得关注的地方，并不是宣称每一帧都胜过竞争对手，而是把 AI 视频制作变成一个更容易控制的循环：先用低成本版本快速试做，再利用更长的上下文延续镜头、用首尾画面规定运动结果，最后将获批内容渲染为更高分辨率的交付版本。4533

Gemini Omni 1.1 Flash 能做什么

该模型支持输入文字、图片和视频，并生成视频输出。Google API 文档显示，单次输出时长为 3 至 10 秒，帧率为 24 fps，支持 360p、720p、1080p 和 4K 等分辨率选项。用于编辑和延展的视频输入，在 API 文档中最长可达 10 秒。1

因此，Omni 1.1 Flash 对剪辑师、动态设计师、广告代理商和产品团队的意义，可能大于对单纯“输入一句提示词、生成一段视频”的普通用户。团队可以从已经审核过的视觉素材出发，把模型嵌入可重复的制作流程，而不是把它当成一次性的创意实验。

对专业制作最重要的四项变化

1. 场景延展能够参考更多前置内容

在延展现有视频时，Gemini Omni 1.1 Flash 可以分析此前最多 10 秒的视频内容。此前的 Omni 相关材料描述的参考范围要窄得多；新的方式让模型能够获得更多关于主体、光线、镜头运动和动作过程的信息，再生成后续画面。511

延展以每次 10 秒为一个阶段，累计片段长度最高可达 40 秒。但单次生成仍限制在 3 至 10 秒，因此它更准确的理解是“分阶段续写”，而不是通过一次提示词生成不受限制的长镜头。124

对制作团队而言，这一区别很重要。导演可以先审核一个短镜头，再从获批位置继续生成，也可以从该位置分支尝试不同版本，同时把流程维持在易于管理的镜头长度内。更长的上下文或许有助于减少连续性漂移，但并不意味着人物、道具、光线或运动一定能做到完美一致。

2. 首帧和尾帧控制可以直接规定运动方向

模型支持根据两张指定图片生成中间视频：一张作为起始画面，另一张作为结束画面。Google 的 API 更新日志将其描述为图像转视频流程中的插帧功能。33

这为团队明确镜头的视觉终点提供了更直接的方法。例如，剪辑师可以提供产品的开场构图和最终展示位置，再让模型生成两者之间的运动过程。类似流程也可以尝试用于镜头运动衔接、循环动画和转场，但每种结果的质量与稳定性仍需要结合实际镜头进行测试。

它的实际优势在于控制力。纯提示词生成要求模型同时推断镜头应该如何开始、如何结束；而首尾帧控制可以先锁定这两个创意决定，再让模型补足中间的运动。

3. 360p 提供更便宜的迭代阶段

Google 表示，360p 预览的生成速度最高可比标准 720p 快 60%，成本约为 720p 的三分之一。5

这为分镜和审核建立了一条实用的成本阶梯：

1. 先生成多个 360p 版本，测试提示词、节奏、构图和运动。
2. 选出最有潜力的版本，进一步调整参考素材或首尾帧。
3. 将审核通过的版本渲染为更高分辨率。
4. 在生成环节之外完成合成、调色、声音、版权审查和质量控制。

Google 的价格文档列出，360p 视频输出速率为每秒 1,931 个令牌，720p 为每秒 5,792 个令牌。按照每百万视频输出令牌 17.50 美元的公开价格计算，360p 约为每秒 0.034 美元，720p 约为每秒 0.101 美元；这还不包括输入和文本输出费用。4143

所以，最终账单并不是简单的“每条视频固定收费”。输入媒体、文本响应、分辨率、时长以及所使用的平台，都可能影响实际金额。

4. 高分辨率交付可以接在同一流程后端

API 在支持 360p 和 720p 的同时，也提供 1080p 和 4K 选项。Google 的发布材料将包括 4K 在内的高分辨率模式定位为：先以较低成本进行创意试验，再为选中的内容完成最终输出。134

对于需要区分创意迭代与交付渲染的团队，这种设计很有价值。它也能避免一种常见的流程浪费：在分镜或运动尚未通过审核前，就把高分辨率生成额度花在尚未确定的创意上。

参考视频如何改变制作流程

Omni 1.1 Flash 面向多模态输入设计，因此团队可以把文字指令与视觉参考结合起来。根据任务不同，参考素材可以是风格帧、产品图片、已有素材片段，或一段用于示范运动方式的短视频。14

与只依赖文字描述相比，参考素材驱动的流程通常更容易审核，因为创意简报中包含可直接查看的视觉锚点。开始生成前，团队可以先确定哪些元素必须保持不变，例如产品设计、Logo 呈现方式、角色外观或开场构图；同时明确哪些部分可以交给模型生成。

但参考视频不能替代授权，也不能自动解决完整的连续性管理问题。团队仍需确认是否拥有所提供素材的使用权，检查生成结果是否正确保留受保护的品牌元素，并判断输出是否符合项目的编辑和法律要求。

价格与使用渠道

Google Gemini API 的价格页面显示，Gemini Omni 1.1 Flash 的输入价格为每百万令牌 1.50 美元，文本输出为每百万令牌 9 美元，视频输出为每百万令牌 17.50 美元。Google 按 720p 视频每秒 5,792 个令牌计费，因此在排除其他适用费用后，视频输出部分约为每生成一秒 0.10 美元。41

API 更新日志显示，gemini-omni-1.1-flash 已作为正式版模型向付费 Gemini API 开发者开放。3341

不过，不同 Google 产品的可用状态并不完全相同。Google 面向消费者的公告显示，Gemini Omni 可通过 Gemini 应用和 Google Flow，向 Google AI Plus、Pro 和 Ultra 订阅用户提供；而 Google Enterprise Agent Platform 的更新说明则将 Gemini Omni 1.1 Flash 列为 Public Preview（公开预览）。团队在确定生产管线前，应核实当前模型 ID、所在地区、配额、计费状态和具体产品的开放范围。202232

它是否已集成 Adobe Firefly 或 Figma？

现有证据不足以确认一个清晰、正式的 Figma 直接集成公告，因此不应把这一说法视为已验证事实。更稳妥的做法，是区分 Google 自有开发者与创意产品中的已确认模型访问渠道，以及第三方报道中的集成说法或客户使用案例。

对专业采购方来说，真正重要的并不是某个品牌是否出现在发布报道里，而是模型能否进入团队实际使用的审核、资产管理、剪辑和审批流程，并提供稳定的 API 与可预期的账单。

Gemini Omni 1.1 Flash 与 OpenAI Sora 对比

Gemini Omni 1.1 Flash 和 OpenAI Sora 不应只用一个 headline 功能来比较。现有材料能够支持的较窄结论是：Google 正通过场景延展、首尾帧控制、多模态参考、快速草稿和 API 迭代，更积极地争夺专业 AI 视频市场。433

根据所提供的来源，目前没有足够独立且具有代表性的证据证明 Omni 1.1 Flash 在画面真实感、物理效果或连续性方面稳定优于 Sora。来源也没有提供一套统一基准，使两个系统能够被直接视为可互换方案。

更严谨的比较应使用相同的提示词、参考素材、镜头长度、输出分辨率和验收标准，并测量：

• 人物、产品、光线和镜头运动的连续性；
• 首尾帧转场的成功率；
• 草稿分辨率与交付分辨率下的渲染延迟；
• 每个“获批视频秒数”的成本，而不只是每次生成尝试的成本；
• 音频和对白需求；
• 安全、版权和数据处理政策；
• 模型与团队现有剪辑、审核工具的整合难度。

一套可落地的制作流程

较为稳妥的 Omni 1.1 Flash 工作流可以是：

1. 准备已经获批的风格帧、产品图片、已有素材片段或运动参考。
2. 生成多个 360p 草稿，测试方向、构图、节奏和运动效果。
3. 选出最合适的版本；在适用时，明确镜头必须采用的开场帧和结束帧。
4. 以 10 秒为阶段延展选定镜头，每次生成后检查连续性。
5. 当交付要求确实需要时，将获批序列渲染为 1080p 或 4K。
6. 使用传统制作工具完成合成、调色、声音、字幕、版权审查和质量控制。

Omni 1.1 Flash 可以降低创意试错成本，也能减少制作衔接镜头所需的手工工作。但它不会取代决定视频是否连贯、是否合法可用、是否符合技术规范以及能否公开发布的编辑判断。