Gemini Omni 1.2 Flash 和 1.1 差在哪？更新重點一次看

Google 在 2026 年 11 月 5 日推出 Gemini Omni 1.2 Flash，距離 Gemini Omni 1.1 Flash 只隔了十週。對工作流程影響最大的是長度：單次生成可以做 3 到 15 秒，不再卡在 10 秒。另外，Google 也加強了對參考圖的遵循、讓成片可以多輪修改、讓對白和嘴型更自然，並把 Gemini API 在 720p 的價格調降 30%，變成每秒 0.07 美元。目前兩個版本都已在 NanoBananas 工作室上線，而且 Gemini Omni 1.2 Flash 每秒的點數比 1.1 還低。

本文在 2026 年 11 月 11 日 Gemini Omni 1.2 Flash 於 NanoBananas 工作室上線時更新。模型規格來自 Google 的發表文章、Google Cloud 模型頁面與 DeepMind 模型卡，連結都列在文末的資料來源。兩個版本的點數與工作室限制取自 NanoBananas 價目表。下文關於 1.2 畫質的說法都來自 Google，也會標明出處。

Gemini Omni 1.2 Flash 更新了什麼

最長 15 秒，可以精確到每一秒

1.1 只有固定的幾種長度，最長 10 秒。1.2 在文字、圖片與參考素材生成，以及修改影片時，都可以指定 3 到 15 秒之間的任一整數秒。首尾幀生成仍然最多 10 秒，延伸場景則每次加 3 到 10 秒。實際上，15 秒已經足夠在一次生成裡做完一支社群廣告、一段商品介紹或一場簡短對話，不必再接兩段影片、祈禱接縫看不出來。

更貼近參考素材

一次請求可以同時放入角色、商品或風格圖片，加上最長 3 秒的動作短片和音訊提示。Google 表示，人臉、服裝、包裝上的字和品牌色，現在從第一幀到最後一幀、換了鏡頭角度都能維持。Google Cloud 文件寫明每次最多 10 張圖片、3 段影片。Google 的發表範例之一，是用一張模特兒照片加上三套服裝的正反面照，做出 15 秒的虛擬試穿影片。

多輪修改

影片生成後，可以用對話繼續調整：換商品或背景、改光線或天氣、切換畫面比例，不用整段重新生成，而且完整的 15 秒影片都適用。對廣告團隊來說這是最實用的改變，一支核准過的影片就能延伸出給不同受眾和版位的多個版本。

對白更自然，運鏡更穩

對白聽起來更流暢，嘴型更準，多人對話的場景也更容易指定誰說哪句。Google 也表示，在 FPV 穿越、環繞、急速拉遠這類長運鏡裡，不該出現的跳接變少了，物體比例也更穩定。

價格更低，正式開放

Gemini API 在 720p 的價格降了 30%，每秒 0.07 美元。1.2 也是 Gemini Omni 第一個在 Google Cloud 正式開放（GA）的版本，提供 Provisioned Throughput，列出的停止支援日期為 2027 年 11 月 5 日或更晚。

Gemini Omni 1.2 Flash 與 1.1 Flash 規格對照

表格上半部是 Google 提供的模型規格，最後兩列是 NanoBananas 工作室實際提供的內容。Google 公布的 1.2 完整上限（10 張圖、3 段影片）比我們供應商目前開放的更寬。美元價格是 Google 的牌價，不是 NanoBananas 的點數。

多輪修改如何改變工作流程

用 1.1 時，一段影片只差一個細節，也得用提示詞重新生成，而新的版本可能在你不想改的地方也變了：運鏡、表情、背景都不一樣。1.2 可以保留原本那一條，只改錯的地方。

1. 先生成基礎影片，確定表演、運鏡和節奏。
2. 每一輪只改一件事。例如：「Replace the background with an oak forest; keep both characters, their movement and the camera framing unchanged.」
3. 從核准的影片延伸出不同版本。為不同市場換商品顏色、季節或包裝上的語言。
4. 最後才切換畫面比例，內容定案後再輸出 16:9 和 9:16 兩個版本。

在 NanoBananas 工作室選 Gemini Omni 1.2 Flash，切到參考模式，上傳要修改的影片（2 到 15 秒）。輸出長度會跟你的影片一樣，所以時長設定不適用，點數按上傳影片的秒數以 1.2 的每秒單價計算。同一次請求還能加最多 5 張參考圖，例如要換進去的新商品。

修圖時好用的「先說保留、再說修改」寫法，在這裡一樣適用。詳細說明請看我們的修圖教學。

音訊與對白：改善了什麼、限制了什麼

兩個版本都會和畫面一起生成對白、音樂與音效。1.2 的進步主要在對白：聲音不那麼機械，嘴型和台詞更吻合，場景裡有好幾個人說話時，也能指定每個角色的聲音。

• 改變人物說的話目前受到限制。DeepMind 模型卡說明，1.2 在修改影片時有能力更改人物的台詞，但 Google 暫時限制了這項功能。
• Google Cloud 上市時不支援上傳音訊。雖然發表文章提到可以用音訊提示當參考，Cloud 模型頁面卻把音訊列為不支援的輸入類型。在官方說清楚之前，不要把工作流程建立在上傳自己的配音上。
• 所有輸出都帶有 SynthID 隱形浮水印，模型也支援 C2PA 內容憑證。

降價實際省多少

帳面上是降 30%，但省更多的是 Google 建議的流程：先用 360p 或 720p 打草稿，用後續修改取代整段重做，只放大最後要用的那一條。如果一支 10 秒廣告在 1.1 要完整生成四次，在 1.2 可能只要生成一次、再修改兩次。

NanoBananas 用點數計費，不是按 API 秒數。1.2 在工作室是 720P 每秒 5 點、1080P 6 點、4K 10 點，生成前一定會先顯示確切報價。兩個版本的完整價目表在下一節。

在 NanoBananas 使用 Gemini Omni 1.2 與 1.1

兩個版本在工作室都支援同樣四種模式：文字生成影片、讓第一幀動起來、首尾幀，以及參考模式。每段影片都會一起生成音訊。差別在長度、參考素材上限和價格。

Gemini Omni 1.2 Flash

可選 4、5、6、8、10、12 或 15 秒，首尾幀最長 10 秒。參考模式最多 6 張圖片，或一段 2 到 15 秒、要修改的影片；每張圖片佔 1 格，影片佔 2 格，總共 7 格。

Gemini Omni 1.1 Flash

可選 4、6、8 或 10 秒。參考模式最多 7 張圖片加一段 2 到 10 秒的參考影片。

加入參考影片時，工作室會把輸出秒數加上參考影片秒數，以原價的 7 折計費。例如用 6 秒參考影片生成 8 秒 720P 影片，要 79 點：8 點 × 14 秒 × 0.7，無條件進位。

每個解析度 1.2 都比 1.1 便宜，所以留在 1.1 的主要理由是你已經在上面調好的鏡頭。先用 720P 打草稿，最後一條再切換解析度。可以從 Gemini Omni 1.2 Flash 頁面、Gemini Omni 1.1 Flash 頁面開始，或直接打開影片工作室。

三組提示詞：比較 1.1 和 1.2

這三組提示詞針對 Google 說有改善的三個方向。每組都在兩個版本上以 720P、10 秒各跑一次（1.1 每次 80 點，1.2 每次 50 點），把結果並排比較。請逐項看檢查點，不要只憑整體印象判斷。

• 「AURELIA」轉回正面時，拼字還正確嗎？
• 瓶蓋形狀和瓶身比例，在環繞過程中有沒有變？
• 反光是跟著鏡頭移動，還是在閃爍？

• 每句台詞是不是由對的人說出，嘴型也對得上？
• 兩個聲音聽起來像不同的人嗎？
• 說話時臉和手有沒有保持穩定？

• 畫面是一鏡到底，還是中途跳接？
• 鏡頭升高時，岩石和浪花的比例還合理嗎？
• 聲音是否隨著鏡頭升高逐漸變小？

該換 1.2，還是改用其他模型？

想比較更多影片模型系列，請看 Seedance、Veo、Wan 怎麼選。

兩個版本的已知限制

• 快速的運動畫面、頻繁變換的劇本和複雜物理，是 Google 表示 1.2 仍在改進的地方。
• 只有兩種畫面比例：16:9 和 9:16。方形或 4:5 版位需要在剪輯軟體裡裁切。
• 首尾幀在 1.2 仍然最多 10 秒，雖然其他模式可以到 15 秒。
• 1.2 的台詞修改受到限制，上市時 Google Cloud 也不支援音訊輸入。
• 浮水印：所有輸出都帶有隱形的 SynthID 浮水印。

資料來源

• Google：Gemini Omni 1.2 Flash 發表文章：15 秒影片、參考遵循、多輪修改、720p 每秒 0.07 美元、上線管道與仍待改進的項目。
• Google Cloud：Gemini Omni 1.2 Flash 模型頁面：長度、解析度、輸入上限、支援的輸入類型與停止支援日期。
• Google DeepMind：Gemini Omni 1.2 Flash 模型卡：發布管道與台詞修改的限制。
• NanoBananas 影片工作室價目表：Gemini Omni 1.1 Flash 與 1.2 Flash 的所有點數與工作室限制。

常見問題