Google: Gemini Omni 1.2 Flash API
Gemini Omni 1.2 Flash 是 Google 的视频生成与对话式编辑模型，根据文字、图片和视频生成带原生声音的视频，最长 15 秒，可用自然语言多轮修改和续写，支持首尾帧、最多 6 张参考图和最高 4K 输出。
- 上下文窗口: 131,072 tokens
- 最大输出: 65,536 tokens
- 输入模态: text, image, video
- 输出模态: video
- 推理: 支持
- 文件输入: 支持
- 发布日期: 2026-11-05
常见问题
为什么余额够一条视频的钱，提交时却提示余额不足？
提交时网关按分辨率 × 时长估算这条视频的 token 预扣：没写 `duration` 按 10 秒、编辑按最长的 15 秒估。任务完成后按上游实际用量结算，多扣的自动退回。写上 `duration`，预扣就和实际费用基本一致。
怎么在上一条视频上接着改？
统一任务接口把上一条的任务 ID 填进 `input.previous_interaction_id`，再写一句要改什么；要续写就再加 `"task": "extend"` 和 `duration`。原生接口用上一轮响应的 `id` 作 `previous_interaction_id`。不用重新上传视频，请求会自动送回生成上一条的上游账号。
Gemini Omni 1.2 Flash 的上下文窗口有多大？
Gemini Omni 1.2 Flash 支持最高 131,072 token 的上下文窗口。
Gemini Omni 1.2 Flash 支持推理（Reasoning）吗？
支持。Gemini Omni 1.2 Flash 是具备推理能力的模型。