多模态模型

Google Gemini Omni Flash Omni Flash

Gemini Omni Flash系列 · Google DeepMind · 2026-05发布

闭源多模态有免费额度

🔗 官方体验地址 → 📄 API文档地址 →

模型介绍

Google Omni 系列首款模型，将 Gemini 推理与视频生成结合，支持文生视频、图生视频、参考生视频与对话式视频编辑，可理解物理规律。

模型基础信息

模型系列Gemini Omni Flash系列

开发机构Google DeepMind

发布时间2026-05

参数规模闭源（未公开）

上下文窗口文生视频（3–10 秒 720p）

模型类型多模态（视频生成+编辑）

中文能力良好

使用方式网页体验 / API调用

免费额度与收费政策

YouTube Shorts 免费订阅 API

免费规则详情

YouTube Shorts / Create App 免费体验；Gemini App 需 AI Plus/Pro/Ultra 订阅；API 按量。

收费标准简介

按视频生成计费（以 ai.google.dev 价格页为准）。

模型能力介绍

✅ 核心优势

文本+视频多模态输入
对话式视频编辑
理解物理规律
参考生视频与语音音效生成

⚠️ 短板与局限

preview 阶段
720p
16:9/9:16
国内直连受限

🎯 适用场景

高质量视频创作
对话式视频编辑
多模态内容生产
参考素材视频化

模型使用教程

本章节整理 Google Gemini Omni Flash 的在线体验、API调用、本地部署全套入门教程，快速上手使用该模型。

体验网址：Google AI Plus / Pro / Ultra 订阅用户在 Gemini App 与 Google Flow 体验；YouTube Shorts 免费体验。
能力简介：Google 推出的 Omni 系列首款模型，将 Gemini 的推理与视频生成结合，支持文生视频、图生视频、参考生视频与对话式视频编辑，可理解物理规律。
适用场景：高质量视频创作、对话式视频编辑、多模态内容生产、参考素材视频化。
使用建议：当前为 preview（gemini-omni-flash-preview），支持 720p、16:9 / 9:16。
开发接入：Gemini API 开放，文本+视频多模态输入。

在 [Google AI Studio](https://aistudio.google.com) 创建 API Key（Omni 属 preview，逐步开放）。
或通过 Google Cloud Vertex AI 获取。
安装 SDK：

pip install -U google-genai
export GOOGLE_API_KEY=你的Key

Python 调用

from google import genai
client = genai.Client(api_key="YOUR_API_KEY")
resp = client.models.generate_content(
    model="gemini-omni-flash-preview",
    contents="一只猫在夕阳下的海边奔跑，电影质感",
    config=genai.types.GenerateContentConfig(
        response_modalities=["VIDEO", "TEXT"],
    ),
)
print(resp.candidates[0].content)

> 提示：支持 task 参数（text_to_video / image_to_video / reference_to_video / edit）；大视频用 delivery="uri" 轮询下载。

💡 使用小技巧

模型 ID gemini-omni-flash-preview；支持 task 参数（text_to_video / image_to_video / reference_to_video / edit）。

❓ 常见问题 FAQ

Q1：谁可以用？

A1：AI Plus/Pro/Ultra 订阅用户 + YouTube Shorts 免费。

Q2：API 开放吗？

A2：Gemini API 已开放 preview。

访问备注与注意事项

2026-05-19 发布，2026-06-30 API 进入公共预览