Gemini Omni 1.2 Flash 中文實測：招牌字寫得對、改片不改台詞，Flow 點數翻倍

Google 11 月 5 日推出影片模型 Gemini Omni 1.2 Flash。我們用中文提示詞跑了 17 支影片：招牌字寫得對、長台詞會漏字、改片不會改台詞；API 便宜三成，Flow 點數卻翻倍。附四個版本的時間線、實際花費和各家影片模型比較。

AI Academy 編輯部2026年11月09日
本文目錄（7 節）▾
  1. 誰現在用得到
  2. 從 5 月到 11 月，Omni 出了四版
  3. 我們的實測
  4. 價格：API 變便宜，Flow 變貴
  5. 跟其他影片模型比
  6. 適合拿來做什麼
  7. 來源

Google 在 11 月 5 日推出影片模型 Gemini Omni 1.2 Flash。它可以用文字、圖片或影片當輸入，產出 3 到 15 秒、自帶聲音的影片，也可以用對話的方式一輪一輪修改。

這篇整理三件事：Omni 從 5 月到現在出了哪幾版、我們花約 5 美元用中文實際跑了 17 支影片的結果，以及它跟其他影片模型比起來適合做什麼。

誰現在用得到

  • 開發者：Gemini API 和 Google AI Studio 已正式上線，只限付費帳號。台灣在 Gemini API 的可用地區名單裡。
  • Google Flow：所有人都能產 10 秒以內的片；15 秒和延長影片要 Google AI Plus、Pro 或 Ultra 訂閱。
  • Gemini App：1.2 先開給 Ultra 訂閱者，陸續推出。台灣的 Gemini 介紹頁目前寫的還是 1.1。
  • Google Vids：用 Google 帳號就能產 15 秒的片，不另外收費。

從 5 月到 11 月，Omni 出了四版

版本時間改了什麼
Gemini Omni Flash5 月 19 日 Google I/O 發表Google 說它是「能用任何輸入創作任何東西」的模型，先從影片開始。先開放給 Gemini App 和 Flow 的付費訂閱者，YouTube Shorts 也能用
API 預覽版6 月 30 日上 Gemini API，7 月 1 日上 Google Cloud影片都會自動配聲音。9 月 30 日停用
Omni 1.1 Flash8 月 27 日第一個正式版。可以延長影片、指定頭尾畫面、先出 360p 草稿再放大到 1080p 或 4K，單段 3 到 10 秒
Omni 1.2 Flash11 月 5 日單段拉長到 15 秒、可以多輪對話修改、比較會照參考圖畫、跳切變少，API 價格便宜三成

DeepMind 的產品頁把 Omni 形容成「影片版的 Nano Banana」。Google 官方頁沒有說它是從 Veo 改來的，Veo 在官方頁上是另一個獨立的模型。不過在 Gemini App 裡，影片生成已經由 Omni 接手，Flow 也會在 12 月 5 日下架 Veo 3.1 Fast 和 Quality。

我們的實測

全部用 Gemini API 跑，提示詞都用中文寫。草稿用 360p、9:16，定稿用 720p。一共 17 支，花費依 API 回傳的用量計算約 5 美元。

中文：短的穩，長的會漏

官方文件寫得很保守：「英文完整支援，其他語言還沒評估，可能可以用，但結果會不一樣。」

  • 招牌上的繁體字：請它在咖啡店木招牌寫「巷口咖啡　自家烘焙」，3 次都寫對，連「焙」都沒錯。
  • 短台詞：請夜市飲料攤老闆說「這杯半糖少冰，五十元，謝謝光臨！」，3 次用語音辨識比對，都一字不差。
  • 長一點的台詞：15 秒定稿裡請她說「三十五號，你的大杯冬瓜檸檬好了，小心拿喔！」。兩個 Whisper 語音辨識模型和 Gemini 聽寫都是「三十五大杯冬瓜檸檬好了」，「號，你的」三個字沒唸出來。
  • 聲調：她說「下一位」的時候，「位」唸成了一聲。這種錯 AI 聽寫抓不到（Gemini 把它標成四聲），要靠人耳。
  • 字多的價目表：「珍珠奶茶 50　冬瓜檸檬 45　四季春 35　多多綠 55」畫出來變成「珍珠奶茶冬奶茶 50」「冬瓜檸檸檬 45」，多了字。

整體口音聽起來可以接受，影片放在 Threads 那篇。

多輪修改：要改的改得到，台詞不會跟著改

  • 把老闆手上的冬瓜檸檬換成草莓牛奶：人、招牌、鏡頭幾乎完全沒變，只換了飲料。但台詞還是「冬瓜檸檬好了」。音檔有重新產生，句子和時間點都跟原片一樣，所以變成手上拿草莓牛奶、嘴裡講冬瓜檸檬。官方文件也寫了目前不支援修改人聲。
  • 另一支咖啡店的片連改三次（杯子換紅色、窗外下雨、拿掉盆栽），三個要求都做到，人和其他物件也沒變，但每改一次鏡頭構圖就往旁邊偏一點。
  • 每次修改的等待時間比生成長：生成一支 15 秒 720p 等了 82 秒，改一次等了 161 秒。

跟 1.1 比

不少人在 Reddit 說同一個提示詞到了 1.2 變差。我們用同樣兩個提示詞（市場阿嬤挑菜、高中生騎腳踏車經過）各跑一次：1.1 在 8 秒內自己切了好幾個鏡頭，1.2 是一鏡到底。只各跑一次，不能拿來判斷哪個比較好，但「跳切變少」這點跟官方說法一致。

花多少錢

項目實際花費
360p 8 秒草稿約 0.19 美元
720p 15 秒定稿約 1.05 美元
在 15 秒定稿上改一次約 1.18 美元（改一次會把前面的影片算進輸入）

價格：API 變便宜，Flow 變貴

Omni 1.1Omni 1.2
API，720p每秒約 0.10 美元每秒約 0.07 美元
Flow，10 秒 720p 新片15 點30 點
Flow，修改影片不分長度一次 40 點跟生成一樣按秒算

官方說的「便宜三成」只適用 API。Flow 生成新片的點數是翻倍的，這也是發表後網友抱怨最多的一點；修改影片改成按秒計價，10 秒 720p 從 40 點降到 30 點。

時程：API 從 12 月 3 日起，呼叫 1.1 會自動改用 1.2 並照 1.2 計價；Flow 的 1.1 在 12 月 5 日下架。

跟其他影片模型比

Gemini Omni 1.2 FlashSeedance 2.5（字節跳動）Wan 3.0（阿里）Kling 4.0（快手）
單段長度3 到 15 秒4 到 30 秒2 到 30 秒3 到 30 秒
原生聲音有有有有
中文官方說未評估官方列出支援中文官方有中文提示詞指南官方沒寫
API 720p 每秒約 0.07 美元約 0.05 美元（官方 5 秒範例換算）0.10 美元（目前限時 7 折）約 0.15 美元（官方方案換算）

各家的計價方式不同：Omni 和 Wan 是官方每秒單價，Seedance 是依 token 計價、用官方 5 秒範例換算，Kling 是用大量購買方案的單價換算，只能當大概的比較。

Artificial Analysis 的獨立排行榜（11 月 8 日查看）還沒收錄 1.2。上一版 1.1 在文字生影片排第 12、圖生影片第 16、影片編輯第 4（和另一個模型同分）；文字生影片第 1 是 Wan 3.0，圖生影片第 1 是 Seedance 2.5。

另外兩個常被提到的名字：OpenAI 的 Sora 已經停止服務，API 在 9 月 24 日關閉；Google 自家的 Veo 3.1 正在被 Omni 取代。

網友比較下來的共識是：寫實人物、動作場面 Seedance 2.5 比較強；Omni 贏在對白自然和環境音。

適合拿來做什麼

  • 適合：有中文短台詞或中文招牌的短片、需要聲音的社群短影音、先用 360p 便宜地試很多版再挑一支放大。
  • 還不適合：需要大量畫面文字的片（價目表、圖表標籤）、寫實動作和打鬥、拍完要改台詞的片。
  • 已經在用 1.1 的人：12 月 3 日以前先拿常用的提示詞在 1.2 跑一輪，確認結果還能接受。

來源

成本可見度與「改了到底有沒有變好」的評估門檻，是團隊導入 coding agent 最常缺的一塊。完整做法：

coding agent 導入與治理 — 企業內訓與顧問 →

最後更新：2026年11月09日