Gemini Omni 1.2 Flash：15 秒與降價背後，多輪改片真的省嗎？（2026）

2026 年 11 月 5 日，Google DeepMind 產品經理 Anish Nangia 在 Google 官方部落格發布〈Gemini Omni 1.2 Flash: Fast and cost-effective with longer clips〉，宣布 Gemini Omni 1.2 Flash。原生影片長度從 10 秒提高到 15 秒，720p 輸出價格約降三成；更值得追問的是：改背景、換商品之後，原本滿意的部分能保留多少？

先把公告的三個承諾讀清楚：更長、較便宜、能接著改。接著對照計價與 API 限制，最後再判斷，這些變化如何影響一支影片從初稿走到交件。

一、Gemini Omni 1.2 Flash 改了什麼？從展示片走向可修改的版本

這次發布延續了 Omni 1.1 的首尾影格、延伸與放大路線。差別在於單次生成與編輯的長度上限提高，Google 也把多輪對話編輯放到更明顯的位置。舊文談的累積延伸長度，與本次的單次 15 秒是兩種規格，不能混成同一個數字。

公告把改善集中在幾個製作問題：用人物、商品及風格參考維持外觀；減少跨鏡頭的物件漂移；改善多人對話與口型；讓連續運鏡少一點意外切換。它也主張可先做低解析度草稿，再把入選影片放大到 1080p 或 4K。這些是 Google 對新版的描述，展示中的成功案例不等於每個題材都有相同成功率。

Google Cloud 模型規格頁把 gemini-omni-1.2-flash 列為 GA，發布日期為 2026 年 11 月 5 日，生成與編輯可選 3 至 15 秒。但首尾兩張影格的插值仍限 3 至 10 秒。若你需要精確的開場與結尾，不能只看「最長 15 秒」便把同一上限套給所有模式。

長五秒的價值取決於鏡頭。商品轉一圈後留時間看清標籤，可能比十秒更從容；若是物件交接或快速碰撞，多出的時間也會讓錯誤有更多機會累積。片長增加提供了敘事空間，合理運動仍要逐段檢查。

二、每秒約 US$0.07，究竟買到哪一段成本？

Google 公告使用「降價 30%」的整數說法。對照截至 2026 年 11 月 7 日查閱的 Gemini API Standard 價格表，720p 每秒輸出用 5,792 tokens 計，影片輸出每百萬 tokens 為 US$12；前版為 US$17.50。用未四捨五入的 token 費率重算，降幅約為 31.4%，與公告的「約三成」方向一致。

相同比較條件	Omni 1.1 Flash	Omni 1.2 Flash
影片輸出／百萬 tokens	US$17.50	US$12.00
10 秒 720p 影片輸出費	約 US$1.01	約 US$0.70
文字／圖片／影片輸入／百萬 tokens	US$1.50	US$1.50

新版 15 秒的 720p 輸出費則是 5,792 × 15 × 12 ÷ 1,000,000＝US$1.04256，約 US$1.04。若直接拿廣告中的 US$0.07 乘 15，會得到 US$1.05；差別來自每秒報價先被四捨五入。這幾個算例都只計影片輸出，輸入與文字輸出另外計算，也沒有把重試或後續放大放進去。

價格頁把 1080p 與 4K 的影片費率註明為放大輸出。它們是交付解析度選項，不能據此推論每個細節都在原生高解析度下生成。比較預算時，先固定片長、解析度與模式，再看帳單；把便宜草稿與最後成片混在一起，會低估整個專案。

三、Gemini Omni 1.2 Flash 多輪編輯：改到哪裡，又意外改了什麼？

API 的 stateful video editing 文件說明，可透過 previous_interaction_id 延續先前生成結果，不必重新上傳母片；模型依後續要求修改影片，並嘗試保留未指定的元素。這提供了一條持續修改的操作路徑，並不是逐像素鎖定的保證。

對創作者來說，兩件事要分開評分：指定的新背景有沒有出現，以及臉、衣服、商品字樣、動作和鏡位是否仍符合原稿。只看「換景成功」，會漏掉旁邊已經變形的包裝；只看「人還是同一個」，也可能漏掉想改的光線根本沒變。

Google 在 官方模型頁的 Editing SxS 評測列出：Instruction Editing 的新版對前版勝率為 57% 對 43%；Edit Instruction Adherence 為 54% 對 46%。這是Google 發布的兩兩比較結果，提供新版更受偏好的訊號；57% 不是任務完成率，54% 也不是所有修改要求的精準命中率。

這兩組數字也提醒我們：改進可以存在，仍不等於每次修改都能保住其餘內容。本文沒有執行付費影片生成，也不把官方精選示範當成 AlphaLab 的實測。真正需要補的證據，是固定母片、相同修改要求與完整失敗紀錄的比較。

四、GA、音訊與地區：同一個模型名稱，入口能力仍要分開

公告列出 Gemini API、Google Cloud、Flow、Google Vids 及 Gemini app 等入口；其中 Gemini app 的新功能是向 Google AI Ultra 訂閱者逐步推出。API 價格頁則明列 Omni 1.2 為付費層供應，Free Tier 不提供。API 已 GA，不等於任一免費聊天帳戶已拿到所有功能。

“Uploading audio inputs or audio references is unsupported in the current version of the API.”

中文：「目前版本的 API 不支援上傳音訊輸入或音訊參考。」

Gemini API 使用指南，Limitations

這句限制與「能生成帶聲音的影片」可以同時成立：輸出有同步音訊，並不表示開發者能把任意聲音檔當成輸入參考。公告展示的角色聲音與口型控制，也不應直接改寫成所有 API 呼叫者都能使用的相同功能。

同一份 API 限制頁還明列：歐洲經濟區、瑞士與英國目前不能編輯或延伸自行上傳的影片，模型生成影片的編輯與延伸則受支援。首尾影格有十秒上限，編輯輸入片長上限是十五秒；這些限制各自對應不同工作，不能用一句「已正式開放」抹平。

官方技術說明指出生成影片帶有 SynthID 浮水印。這是來源辨識機制，畫面中的物理、文字與聲音正確性仍是另一項驗收。若準備上傳人物或未公開素材，可以先參考 Gemini 隱私設定的帳戶與資料流檢查，並另外核對自己實際使用的產品與 API 資料條款。

五、AlphaLab 的判讀：省下重做，才算把便宜變成生產力

更長的生成，是更多選擇，也提高了整段通過的難度

對一支必須從頭到尾可用的鏡頭，任何一處明顯錯誤都可能讓整支淘汰。因此，衡量十五秒的實用性，應看合格片段占比與可修復程度。若最後三秒常出問題，縮短鏡頭、拆開敘事，可能比繼續重抽更省。這是製作決策，不能由最長秒數替你決定。

多輪編輯的價值，在於少破壞已經做對的部分

好的修改工具，讓創作者逐步縮小剩餘問題。反過來，如果每改一處就引入另一處錯誤，對話輪數增加只是把重做換了一種形式。應同時記錄「要求修改命中」與「應保留內容漂移」，並在問題開始擴散時回到較好的母版，從那個版本分支。

單價降三成，總帳還要乘上嘗試與淘汰

一個實用的計算是：每支合格成片成本＝全部生成、編輯與放大支出 ÷ 合格成片數，人工檢查與修補時間再另列。多輪 API 修改還涉及輸入與新的輸出，不能把「只改背景」理解成只為背景那一小塊付費。若你願意多試十次才挑到一支，較低單價仍可能換來更高總支出。

反過來，若同一支母片能可靠換背景、保留商品，讓原本要重抽的版本變成一次修改就交件，這個改善可能比每秒便宜幾美分更有價值。重要的是可用成果增加多少，而不是對話看起來多順。

我同意什麼／我存疑什麼

“The first generation is a starting point.”

中文：「第一次生成只是起點。」

原公告引述 Magnific 產品長 Omar Pera

我同意這個製作觀點：初稿之後能否持續改進，才接近真正的創作流程。但這句來自公告中的合作夥伴證詞，並非獨立稽核。對一致性、自然對話與連續運鏡的改善，我會保留「Google 宣稱」的歸屬；官方也承認快速運動、快速腳本變化及複雜物理仍有改善空間。

我存疑的是把價格、片長與精選展示直接合成「專業製作已全面更省」的結論。功能與價格已有文件可以核對，個別團隊的合格交件成本仍需自己的題目作答。GA 提供正式整合的條件，畫面是否過關則取決於用途。

六、下一步：用一支母片，驗收兩種修改

若你已有可用帳戶與預算，先選一件有使用權的商品，寫清五項要保留的特徵，例如形狀、顏色、文字、位置與鏡位。生成一支短母片後，從同一母版分別做「只換背景」與「只改光線」；再挑一條分支連續修改，檢查錯誤是否累積。每輪都保存原始輸出、要求、費用與淘汰原因。

收件時固定查看開頭、中段、結尾與轉場前後，尤其留意標籤文字、手部接觸和反射；收聽整段聲音，避免只挑漂亮的靜態影格。若要把分鏡和後製接起來，可以讀 繁中知識稿逐鏡修改與驗收；比較的核心仍是同一個要求修改後，有多少原稿被保留下來。

Gemini Omni 1.2 Flash 值得追蹤的，是讓十五秒影片更容易被改到可用。先看修改後能否縮小問題，再算每支合格成片的總成本。當這兩筆紀錄同時改善，降價與更長片段才會變成你真正拿得到的進步。