目录
大多数 AI 视频工具就像老虎机：输入提示词，拉下拉杆；如果不喜欢结果，就再拉一次。
Gemini Omni 更像一场对话。先制作片段，再与它对话：“改成夜晚”“把镜头移低一点”“现在让她转身”。每条指令都建立在上一条的基础上，对新手来说更容易上手。
本指南介绍 Gemini Omni 的功能、如何制作第一个视频、如何获得更好的效果，以及遇到问题时该怎么办。
什么是 Gemini Omni
Gemini Omni 是 Google DeepMind 的视频模型系列。Google 于 2026 年 5 月 19 日在 Google I/O 上发布了该系列，首个模型名为 Gemini Omni Flash。
2026 年 8 月 27 日，Google 发布了现为主要版本的 Gemini Omni 1.1 Flash，新增场景延长、首尾帧、低价低分辨率草稿和 4K 输出。
它能做什么
- 从多种素材生成视频。 可以在一条提示词中混合文字、图片、视频和音频。
- 通过对话编辑。 每条指令都建立在上一条的基础上，角色、物理效果和场景细节会在多轮对话中保留。
- 随画面生成声音。 环境音、对白和音乐与视频一起生成。
- 延长场景。 使用 1.1 Flash 时，可以每次延长 10 秒，总长最多 40 秒；模型会参考此前最多 10 秒的画面以保持一致。
- 指定首尾帧。 提供第一张和最后一张图片，模型会生成两者之间的运动。Google 建议将其用于环绕镜头、缩放转场和循环。
- 低成本制作草稿。 Google 表示，360p 草稿比 720p 的生成速度最多快 60%，成本约为三分之一。
- 以高分辨率完成作品。 最终作品可输出 1080p 和 4K。
- 自带标记。 Google 表示，每个 Omni 视频默认都带有不可见的 SynthID 水印。
可以在哪里使用
根据你偏好应用还是简单的网页工具，可以选择以下方式：
| 平台 | 适合人群 | 说明 |
|---|---|---|
| Gemini 应用和 Google Flow | Google AI Plus、Pro 和 Ultra 订阅用户 | Google 自家的应用，支持对话编辑和场景延长 |
| Google AI Studio 和 Gemini API | 开发者 | 按使用量付费；Gemini API 价格页面列出的 720p 价格约为每秒 $0.10 |
| AI Studio（ai-studio.video） | 希望使用简单网页生成器的用户 | 在网站上直接使用 Gemini Omni 和其他视频模型 |
不要混淆名称。 Google AI Studio 是 Google 的开发者工具。ai-studio.video 上的 AI Studio 是一个独立网站，在同一处提供 Gemini Omni 和其他视频模型。下面的步骤使用 ai-studio.video。
逐步制作第一个视频
第 1 步：打开生成器
在 AI Studio 打开 Gemini Omni 1.1 Flash 视频生成器。（Gemini Omni AI 视频生成器主页也介绍了该模型系列，并链接到同一工具。）无需账号即可浏览，但生成视频需要登录。
第 2 步：选择模式
- 文生视频： 仅使用文字提示词开始，最适合首次尝试。
- 图生视频： 上传一张或两张图片。一张图片会成为起点；两张图片则让模型从第一张过渡到第二张。
- 参考生视频： 最多上传 10 张图片，以保持角色、产品或风格的一致性。
第 3 步：编写提示词
适合新手的提示词包含五个部分：主体、动作、场景、镜头和声音。
一只金毛幼犬在阳光明媚的后院草坪上追逐肥皂泡。
镜头贴近地面跟随，随后在泡泡落到它鼻子上破裂时放慢。
温暖的午后阳光，浅景深，欢快的氛围。
声音：鸟鸣、幼犬的爪子踩在草地上的声音、轻微的破裂声，以及一声惊讶的小喷嚏。注意这条提示词的作用：它告诉模型发生了什么、镜头在哪里以及应该听到什么。这些就完成了大部分工作。
第 4 步：设置时长和画幅
在 AI Studio，Gemini Omni 1.1 Flash 可以生成 4 到 10 秒的 720p 片段。选择画面比例：
- 16:9 适合 YouTube 和网站
- 9:16 适合 TikTok、Reels 和 Shorts
- Auto 让模型自行决定
首次尝试建议选择 6 到 8 秒，既足以看清运动，也有助于控制成本。
第 5 步：描述声音
声音会自动生成，但你可以加以引导。添加一行描述环境噪声、对白语气或音乐氛围。“安静的咖啡馆环境音，无音乐”和“戏剧性的管弦乐渐强”都可以。
第 6 步：生成
点击 Generate。按钮会在确认前显示所需积分。费用主要取决于时长和模式。
第 7 步：检查，然后只改一处
观看两遍：第一遍感受整体效果，第二遍检查手、脸、物体和文字等细节。
然后只改一处并重新生成。如果一次改五处，就无法知道哪项改动起了作用。
获得更好效果的十条技巧
- 明确镜头运动。 “缓慢推进”“向左环绕”“无人机上升”和“手持跟拍”比“电影感”更容易控制。
- 明确要求连贯。 Google 的示例提示词使用了“一个连续镜头，不要跳切”等表述。
- 让风格要求贯穿始终。 Google 的示例还建议模型全程保持某种视觉效果，例如“整个视频始终保持显微镜镜头效果”。
- 发挥氛围优势。 MindStudio 的早期测试显示，环境和背景表现良好，而复杂的角色动作编排较弱。雾、光线、天气和风景是 Omni 擅长的内容。
- 简化动作编排。 每个角色一个清晰动作比复杂舞蹈更有效。
- 为角色使用参考图。 上传两三张清晰照片（正面、侧面、全身），而不是用文字描述面孔。
- 用首尾帧制作转场。 它们适合产品展示、环绕物体和无缝循环。
- 低分辨率打样，高分辨率完成。 在 Google 自家的工具中，先用 360p 测试，再以 720p、1080p 或 4K 渲染最终版本。
- 分段制作长场景。 不要把所有内容塞进一条提示词，先做好前 10 秒，再延长。
- 记录提示词。 写下每条提示词和改动。尝试十几次后，你就有了自己的风格指南。
常见问题及解决方法
| 问题 | 原因 | 尝试方法 |
|---|---|---|
| 运动时手臂、腿或头部出现异常 | 复杂的身体运动对模型仍然困难 | 简化动作、放慢速度或减少身体露出 |
| 标牌或衣服上的文字不正确 | AI 视频仍不擅长生成文字 | 避免画面文字，或之后在编辑器中添加 |
| 角色的脸发生变化 | 身份信息不足 | 使用清晰照片进行参考生视频 |
| 片段感觉太短 | 每次生成的片段有时长上限 | 按 10 秒场景规划并延长 |
| 音频与氛围不符 | 提示词中没有声音指导 | 添加具体的声音描述 |
| 社交媒体画面构图不对 | 画面比例不对 | 生成前选择 9:16；事后裁剪会截掉动作 |
| 通过 API 生成时出错 | MindStudio 在 1.1 发布后的最初几天遇到多次服务器错误 | 重试，并在应用中加入重试逻辑 |
与其他模型一起尝试
熟悉 Omni 后，可以用相同提示词尝试其他模型。每个模型都有自己的优势。例如，Seedance 2.5 和 Kling 4.0 单次最多可生成 30 秒。AI Studio 的 AI 视频生成器将它们集中在一处，让比较模型从需要一周注册各种服务变成只需几分钟。
资料来源
- The Next Web，Google 发布 Gemini Omni Flash，2026 年 5 月
- Google，Gemini Omni 1.1 Flash 让创作更可控，2026 年 8 月 27 日
- Google，Gemini API 价格，查阅于 2026 年 11 月 2 日
- MindStudio，Gemini Omni 1.1 Flash：价格、视频质量和早期问题，2026 年 8 月 29 日
- Google Gemini 帮助，验证 AI 生成的图片、视频和音频
- AI Studio，Gemini Omni 和 Gemini Omni 1.1 Flash 页面，查阅于 2026 年 11 月 2 日
常见问题
Gemini Omni 免费吗？
不能无限免费使用。Google 自家的应用需要订阅 Google AI Plus、Pro 或 Ultra，而 API 按使用量付费，Gemini API 价格页面没有列出免费套餐。在 AI Studio，你使用套餐中的积分付费。
Gemini Omni 视频最长可以有多长？
在 AI Studio，每次 1.1 Flash 生成的片段为 4 到 10 秒。在 Google 自家的工具中，可以每次延长 10 秒，场景总长最多 40 秒。
Gemini Omni 和 Gemini Omni 1.1 Flash 有什么区别？
Gemini Omni 是模型系列。2026 年 8 月 27 日发布的 Gemini Omni 1.1 Flash 是当前版本，新增场景延长、首尾帧、360p 草稿以及 1080p 和 4K 输出。
Gemini Omni 视频有水印吗？
Google 表示，所有 Omni 视频默认带有不可见的 SynthID 水印。你可以将视频上传到 Gemini 应用，并询问它是否由 Google AI 制作，以进行检查。
我可以在视频中使用真人吗？
只有获得本人同意才可以，即便如此也要谨慎。逼真的真人视频可能误导观众，在欧盟等一些地区，发布深度伪造内容还须履行披露义务。原创角色是更稳妥的选择。
把创意变成视频
打开视频生成器，开始你的创作。
生成视频