谷歌Gemini Omni：实际功能、费用与对比解析
内容提要
谷歌计划于2026年推出对话式视频编辑工具Gemini Omni，支持多轮修改细节并保持角色、物理与场景连贯，区别于一次性生成工具。2026年8月发布正式版1.1 Flash，支持视频延长至40秒及360p草稿模式。API按量计费，720p视频约每秒0.1美元，无免费额度。其编辑体验优于Sora，但价格与Veo相当，暂不支持语音编辑，部分地区受限。
延伸解读
对话式编辑：解决“改一处、毁全片”的痛点
文章开篇点明核心问题：多数视频生成工具修改细节需重写提示词并重新生成，导致灯光、构图、角色动作等原有元素难以保留。Gemini Omni 的对话式编辑通过交互 ID 追踪多轮指令，让角色、物理和场景连贯性在编辑会话中保持，从而避免每次修改都从零开始。这一定位使其区别于一次性生成工具，但文章也提醒，其优势仅在需要反复迭代的工作流中才真正体现。
发布节奏与版本差异：三个里程碑别混为一谈
文章澄清了 Gemini Omni 的三个关键时间点：2026 年 5 月 19 日 Google I/O 宣布并面向消费者推出 Flash 版本；6 月 30 日 API 以预览版开放；8 月 27 日达到通用可用性并升级为 1.1 Flash。通用版并非简单改版本号，而是带来场景扩展分析最后十秒、可叠加延长至 40 秒、360p 草稿模式等实质功能。理解这些差异有助于判断不同时期实际可用的能力。
定价透明但无免费额度，草稿模式是成本杠杆
文章给出具体费率：输入每百万 token 1.50 美元，视频输出每百万 token 17.50 美元，720p 视频按每秒约 5,792 token 换算，约合每秒 0.10 美元，10 秒 720p 片段仅视频输出约 1.01 美元。与 Gemini 其他模型不同，Omni 的 API 目前没有免费层级，首次测试即计费。8 月推出的 360p 草稿模式每秒成本明显更低，适合在确定最终版本前快速迭代提示词。
对比与局限：编辑工作流是分水岭，区域和语音仍是短板
文章指出 Omni 在 LMArena 文本生成视频榜单位居第一，对话式有状态编辑是相对 Sora、Runway 等一次性工具的结构性优势。但其每秒价格与 Veo 3.1 Fast 相同，若只需单次干净生成，选择 Omni 并无成本优势。当前不支持语音或对话编辑，API 也不支持上传独立音频参考；上传视频的编辑或延长在欧经区、瑞士和英国不可用；涉及未成年人和特定真实人物的内容受限；仅英语经过完整评估。
Q&A
Gemini Omni 是什么？它和谷歌其他视频生成工具有什么不同？
Gemini Omni 是谷歌 Gemini 生成模型家族的新成员，专为从任意输入组合（图像、音频、视频、文本）生成视频而设计。它的核心区别在于支持通过自然语言进行多轮对话式编辑，并在编辑过程中保持角色、物理和场景的连贯性，而不是像 Veo 那样一次性生成视频。
Gemini Omni 什么时候发布的？正式版有哪些升级？
Gemini Omni 于 2026 年 5 月 19 日在 Google I/O 上宣布，同日通过 Gemini 应用和 Google Flow 向订阅用户推出，并通过 YouTube Shorts 和 YouTube Create 免费提供。开发者 API 于 2026 年 6 月 30 日以预览版开放，2026 年 8 月 27 日发布正式版 Gemini Omni 1.1 Flash，新增场景扩展（分析最后 10 秒）、可叠加延长至 40 秒、360p 草稿模式以及改进的风格和角色参考处理。
Gemini Omni 的 API 怎么收费？生成一段 10 秒 720p 视频大概多少钱？
Gemini Omni API 按量计费：输入每百万 token 1.50 美元，文本/思考输出每百万 token 9 美元，视频输出每百万 token 17.50 美元。视频按每秒 5,792 token 换算，720p 视频约每秒 0.10 美元。一段 10 秒 720p 视频仅视频输出部分约 1.01 美元，且 API 没有免费额度。
Gemini Omni 和 Sora、Veo 相比有什么优势和不足？
优势：Gemini Omni 1.1 Flash 在 LMArena 文本生成视频排行榜上排名第一，图像生成视频排名第二；其对话式、有状态的编辑是相比 Sora 等一次性生成工具的结构性优势。不足：每秒价格与 Veo 3.1 Fast 相同（0.10 美元/秒），在成本上没有优势；如果只需要一次性生成、无需后续修改，Omni 的编辑优势并不适用。
Gemini Omni 目前有哪些功能限制或使用限制？
目前不支持语音和对话编辑，无法更改上传视频中角色的说话内容；API 不支持上传单独的音频参考，仅支持语音参考；欧洲经济区、瑞士和英国的用户无法编辑或扩展上传的视频；涉及未成年人或某些可识别的真实人物的内容被限制上传和编辑；仅英语提示词经过全面评估，其他语言未系统验证。
开发者如何开始使用 Gemini Omni API？
开发者可以从 Google AI Studio 获取 API 密钥，然后使用 Interactions API 进行调用。核心调用是 client.interactions.create，模型字符串应使用当前正式版标识符 gemini-omni-1.1-flash（而非旧的预览版 gemini-omni-flash-preview）。响应返回原始视频字节，可通过 interaction.output_video.data 获取，对于较大输出建议使用 URI 交付以避免负载大小限制。
