Gemini Omni 1.1 Flash 来了：AI 视频终于治好了「金鱼记忆」

1 秒钟能装下什么？

大概够你说完一句"你好",或者够镜头推过一扇门。

这就是上一代 Gemini Omni Flash 在续拍视频时，能回看的全部上下文——最后 1 秒。

你让它接着上一条视频往下拍，它乖乖照做了，然后交给你一个东西：门后面站着的人换了张脸，房间的灯光从暖黄变成了冷白，上一句台词营造的情绪消失得干干净净。你盯着屏幕，脑子里只有一个念头——它压根不记得刚才发生了什么。

所以过去大家做 AI 视频，基本就是一句话：生成，不满意，重来，再花钱。 抽卡。

2026 年 8 月 27 日，谷歌发布了 Gemini Omni 1.1 Flash,把那个数字从 1 秒改成了 10 秒。

别小看这 9 秒的差距。它不是参数表上一行不起眼的更新，它是"玩具"和"工具"之间的那道坎。

Gemini Omni 1.1 Flash 是什么

Gemini Omni 1.1 Flash 是谷歌原生多模态视频生成与编辑模型的生产就绪（production-ready）版本更新,API 模型名为 gemini-omni-1.1-flash,通过 Google AI Studio 的 Gemini API 提供。

先捋一下时间线，免得混乱：

2026 年 6 月 30 日,初代 Gemini Omni Flash 公开预览，主打"对话式改视频"——你说一句话，它改画面里指定的那一处，其余原样保留
2026 年 8 月 27 日,Omni 1.1 Flash 发布，补上了初代最被人诟病的几块短板：记不住、接不长、控不住首尾、出不了高分辨率

Google DeepMind 两位产品经理 Anish Nangia 和 Alisa Fortin 在官方博客里对这次更新的定位很直接：给开发者更多对生成视频的控制权。

初代 Omni Flash 解决的是"能不能改"；1.1 解决的是"能不能接得上、控得住、交得了活"。前者是可用性问题，后者是能不能进生产流程的问题。

至于效果，谷歌自己的说法是：Omni 1.1 Flash 在第三方评测机构 Arena 的文生视频榜上排名第一（Google 官方口径 1515 分），图生视频榜排名第二。榜单这东西看看就好，但它至少说明一件事——这次不是小修小补。

这次到底更新了什么

五个变化，每一个都戳在痛点上。

场景延长：上下文从 1 秒涨到 10 秒。模型现在能分析此前最多 10 秒的画面再往下续，而不是只看最后 1 秒。角色的脸、衣服、站位，灯光的方向和色温，镜头正在往哪动，全都还在
最长可以接到 40 秒。以 10 秒为一个增量往后延长，初始生成一次 + 四次延长 = 40 秒上限。距离"一整场戏"还差得远，但相比此前单段最长 10 秒、且一续就崩，这是质变
首尾帧插值。你指定一个镜头的起始帧和结束帧,模型在两帧之间生成连续的中间画面。环绕运镜、缩放转场、无缝循环素材，这类原本只能靠剪辑师手工磨的活，现在可以钉住两头让它自己算
视频参考：最多 3 秒。可以把一小段视频塞进多模态输入里，让新镜头沿用它的动作、运镜和节奏，或者反过来——给不同角色套用同一段舞蹈动作
360p 草稿 + 4K 放大。新增 360p 草稿模式，官方数据：比标准 720p 最快快 60%,成本约为三分之一;定稿后再升到 1080p 或 4K 输出

我个人的判断：首尾帧插值和 360p 草稿，是这五个里面最被低估的两个。

首尾帧把"抽卡"变成了"打靶"——你终于能控制一个镜头从哪里开始、到哪里结束，而不是祈祷它落在对的地方。

360p 草稿则是把成本结构给改了。以前你调 prompt 的每一次试错都得按成品价付钱，现在草稿价只有三分之一。

便宜的试错，才是创作自由的真正前提。昂贵的试错只会让人不敢试。

能拿它干什么

一条广告片的成本账

这是 1.1 最实在的落地场景。假设你要出一条 30 秒的产品视频：

环节	做法	成本估算
分镜试错	360p 草稿，跑 10 版	30 秒 × $0.03 × 10 = $9
定稿生成	720p 出成品	30 秒 × $0.10 = $3
交付母版	升到 4K	30 秒 × $0.30 = $9
合计		约 $21

21 美元，换来一条可交付的 30 秒 4K 产品视频，以及十次试错机会。

做个对照：一条外拍素材的预算，现在够你跑几十条创意测试。创意测试的量变，才是转化率质变的前提——这句话在传统广告业成立了几十年，现在轮到 AI 视频了。

多角色一致性的连续镜头

官方博客里那个 demo 我很喜欢：上传三段舞蹈视频，再上传三张角色图（狗、章鱼、熊），让三个角色分别跳参考视频里的舞蹈，最后合成一个没有剪辑点的连续镜头。

这件事在过去几乎不可能。跨镜头保持角色一致，是 AI 视频的老大难，而"同一场景多角色 + 无剪辑点"更是难上加难。现在它靠"3 秒视频参考 + 角色图"两条腿站住了。

大厂已经在用了

这次官方直接把客户名单摆了出来，而且都附了具体引述：

Adobe Firefly:已集成 Gemini Omni Flash,用于视频编辑能力
Figma Weave:创意总监 Itay Schiff 的说法是，有了 extensions、更丰富的参考素材和 4K,团队的工作从"生成视频"变成了"真正导演视频"
GMI Cloud:市场副总裁 Louisa Guo 认为，对教育和解释类内容来说，AI 视频的可靠性比单一炫技功能更重要
Runway:首席创意官 Jamie Umpherson 关注的是"让用户能在不同创意之间快速切换"

Figma 那句"从生成视频到导演视频",我觉得是这次更新最好的注脚。

价格怎么算

官方按生成视频的秒数计费，四档分辨率：

分辨率	价格/秒	10 秒片段	30 秒片段
360p（草稿）	$0.03	$0.30	$0.90
720p	$0.10	$1.00	$3.00
1080p	$0.15	$1.50	$4.50
4K	$0.30	$3.00	$9.00

横向对比一下同门师兄：官方定价表中 Veo 3.1 Lite 的 720p 是 $0.05/秒,Veo 3.1 Fast 的 4K 是 $0.30/秒。

也就是说，Omni 1.1 Flash 在 720p 这一档比 Veo 3.1 Lite 贵一倍，但它贵出来的部分买的是对话式编辑 + 场景延长 + 首尾帧控制。值不值，取决于你要的是"便宜地出一段",还是"可控地磨一段"。

我的建议一如既往：调 prompt 阶段一律 360p,定稿了再上分辨率。 别拿 4K 的价格去试错，那是跟自己的钱包过不去。

快速上手

先选入口

入口	适合谁	说明
Google AI Studio	开发者、想调参的人	直接选 `gemini-omni-1.1-flash` 模型
Gemini API	要接进自己产品	模型名 `gemini-omni-1.1-flash`
Google Flow	AI Plus / Pro / Ultra 订阅者	全功能已上线
Gemini 应用	同上订阅者	场景延长功能已开放
Gemini Enterprise Agent Platform	企业部署	通过 Agent Platform API

第一步：360p 草稿先跑起来

python

import base64
from google import genai

client = genai.Client()

# 草稿阶段：360p，快 60%，成本三分之一
draft = client.interactions.create(
    model="gemini-omni-1.1-flash",
    input="一颗玻璃弹珠在多米诺式连锁轨道上飞快滚动，一镜到底，镜头平滑跟随",
    response_format={"type": "video", "resolution": "360p"}
)

with open("draft_360p.mp4", "wb") as f:
    f.write(base64.b64decode(draft.output_video.data))

对着草稿反复调 prompt,满意了再改成 resolution: "720p" 甚至 "4k" 出成品。

第二步：场景延长，一次接 10 秒

核心就是 previous_interaction_id ——把上一轮的 id 传进去，模型会自动回看此前最多 10 秒的上下文：

python

# 第 1 轮：生成初始片段
shot1 = client.interactions.create(
    model="gemini-omni-1.1-flash",
    input="一位红发女子的特写，一束红光打在侧脸上"
)

# 第 2 轮：接着拍，只需描述"接下来发生什么"
shot2 = client.interactions.create(
    model="gemini-omni-1.1-flash",
    previous_interaction_id=shot1.id,
    input="镜头微微横摇，画面里多出一个卷发男人的背影，他说“我也看见了”，配乐压上来"
)

# 第 3 轮：继续延长
shot3 = client.interactions.create(
    model="gemini-omni-1.1-flash",
    previous_interaction_id=shot2.id,
    input="镜头缓缓拉出，两个人原来站在一座积满灰尘的地下墓穴里"
)

三次续拍，累计约 40 秒。注意看这几句 prompt 的共同点——它们都只描述增量，不重复描述整个画面。这是场景延长能保持一致的写法要点。

第三步：首尾帧钉住一个镜头

给模型两张关键帧，让它算中间那段运动：

python

interaction = client.interactions.create(
    model="gemini-omni-1.1-flash",
    input=[
        {"type": "image", "data": base64_first_frame, "mime_type": "image/jpeg"},
        {"type": "image", "data": base64_last_frame, "mime_type": "image/jpeg"},
        {"type": "text", "text": "在这两个关键帧之间生成连续运动，摄影机向前推进的同时镜头拉远，一镜不断"}
    ]
)

环绕运镜、dolly zoom、无缝循环，都是这个模式的菜。

第四步：视频参考，让动作跨镜头复用

python

interaction = client.interactions.create(
    model="gemini-omni-1.1-flash",
    input=[
        {"type": "video", "data": base64_ref_clip, "mime_type": "video/mp4"},  # 最长 3 秒
        {"type": "image", "data": base64_character, "mime_type": "image/png"},
        {"type": "text", "text": "让这个角色表演参考视频中的舞蹈动作，保持角色外观一致"}
    ]
)

一个提醒：Omni 走的是 Interactions API（client.interactions.create），不是 Veo 那套 generate_videos + 轮询 operation。这也是它能做多轮延长和编辑的底层原因。

需要说明的是，上面的代码基于官方博客公布的接口形态整理，预览期 API 字段仍可能调整，动手前建议对照官方文档 ai.google.dev/gemini-api/docs/omni 确认一遍。

初代 Omni Flash 和 Veo 3.1,现在怎么选

这是最多人纠结的问题，直接上表：

维度	Omni 1.1 Flash	初代 Omni Flash	Veo 3.1
单段时长	10 秒，可延至 40 秒	最长 10 秒	4 / 6 / 8 秒
视频延长	支持,10 秒增量	不支持	支持，最长 148 秒
首尾帧插值	支持	不支持	支持
分辨率	360p / 720p / 1080p / 4K	720p	720p / 1080p / 4K
对话式编辑	支持	支持	不支持
视频参考	支持,最长 3 秒	不稳定	支持
720p 价格	$0.10/秒	$0.10/秒	Lite $0.05/秒
定位	生产就绪	公开预览	预览

三句话记：

要反复改、要接长、要控首尾 → Omni 1.1 Flash
要接得更长（超过 40 秒）、要走成熟生产路径 → Veo 3.1
还在用初代 Omni → 没什么理由不升了，同样的 720p 价格，白得一堆能力

工程上的老建议还是那句：抽一个 VideoProvider 接口出来，底下挂多套实现，按需求路由。别把任何一家模型的 SDK 细节泄漏进业务代码——这个行业三个月一变，你现在押注的 API 明年可能就改名了。

还有几个坑要提醒

热度归热度，该踩的坑还是得提前说：

40 秒是累计上限，不是单段上限。要拿到 40 秒得老老实实续四次，每次都得重新付钱
4K 是放大，不是原生 4K 生成。它的价值在于交付环节，别指望放大能凭空变出细节
视频参考上限 3 秒。想复用一段长动作，目前做不到
预览期接口会变。官方自己都标注了 production-ready,但 API 字段调整是常态
中文 prompt 支持仍不完整。英语最稳，中文能跑但要接受抽卡率高一点
地区限制。欧洲经济区、瑞士、英国用户在编辑自己上传的视频时有额外限制

写在最后

回头看 2026 年视频生成这条赛道的节奏，脉络其实很清楚：

2024 年大家比**"能不能动",2025 年比"像不像真的",到 2026 年，战场已经完全转移到"能不能控"**上了。

因为真实的创作从来不是一次成型的。专业剪辑师改十版是常态，摄影师为了一个运镜等一天的光也是常态。AI 视频之前之所以一直停在"玩具"阶段，从来不是因为画质不够好，而是因为每一次修改都等于重新掷骰子。

Omni 1.1 Flash 做的事，是把"掷骰子"变成"接着上一句往下说"。

十秒的记忆听起来不多。但对一个一直在失忆的模型来说，这已经够它讲完一个有起承转合的小故事了。

对新手最实在的建议：先别碰 API。打开 Google Flow 或者 Gemini 应用，生一条视频，然后试着让它接着往下拍。那一次"它居然记得上一段"的错愕感，比读十篇技术文档都直观。

进阶

更多开源技术干货和学习资料，关注公众号「遇码」，领取专属福利。

设置

自定义

Agent 能力

产物

产物

Agent 能力

设置

自定义

编辑器

设置

迁移

Gemini Omni 1.1 Flash 来了：AI 视频终于治好了「金鱼记忆」

Gemini Omni 1.1 Flash 是什么

这次到底更新了什么

能拿它干什么

一条广告片的成本账

多角色一致性的连续镜头

大厂已经在用了

价格怎么算

快速上手

先选入口

第一步：360p 草稿先跑起来

第二步：场景延长，一次接 10 秒

第三步：首尾帧钉住一个镜头

第四步：视频参考，让动作跨镜头复用

初代 Omni Flash 和 Veo 3.1,现在怎么选

还有几个坑要提醒

写在最后

进阶

Gemini Omni 1.1 Flash 来了：AI 视频终于治好了「金鱼记忆」 ​

Gemini Omni 1.1 Flash 是什么 ​

这次到底更新了什么 ​

能拿它干什么 ​

一条广告片的成本账 ​

多角色一致性的连续镜头 ​

大厂已经在用了 ​

价格怎么算 ​

快速上手 ​

先选入口 ​

第一步：360p 草稿先跑起来 ​

第二步：场景延长，一次接 10 秒 ​

第三步：首尾帧钉住一个镜头 ​

第四步：视频参考，让动作跨镜头复用 ​

初代 Omni Flash 和 Veo 3.1,现在怎么选 ​

还有几个坑要提醒 ​

写在最后 ​

进阶 ​

Gemini Omni 1.1 Flash 来了：AI 视频终于治好了「金鱼记忆」

Gemini Omni 1.1 Flash 是什么

这次到底更新了什么

能拿它干什么

一条广告片的成本账

多角色一致性的连续镜头

大厂已经在用了

价格怎么算

快速上手

先选入口

第一步：360p 草稿先跑起来

第二步：场景延长，一次接 10 秒

第三步：首尾帧钉住一个镜头

第四步：视频参考，让动作跨镜头复用

初代 Omni Flash 和 Veo 3.1,现在怎么选

还有几个坑要提醒

写在最后

进阶