Gemini Omni 1.2 Flash 影片試做：15 秒預算、音訊參考與驗收方法

先確認 API 能力，再帶參考素材#

模型文件列出模型 ID gemini-omni-1.2-flash。產品端的 Vids 或 Gemini 操作體驗，應與 API 專案各自核對。

尤其要分開「輸出影片帶同步音訊」與「輸入音訊作為參考」。Google Cloud GA 公告明列 audio references 需要 allowlisting；模型頁的 Audio modality 同時標為 Not supported。若工作流依賴音訊參考，先向所用平台確認核准與支援介面，再設計接入，本文不提供未核實的 audio request 欄位。

先用有權使用的產品照片與文字任務試做，保留圖片版本、提示詞、模型 ID、解析度與輸出時長。若素材包含人物或品牌，預先定義可接受的用途與必須保留的細節。

用一段固定鏡頭建立成本基準#

例如目標是「15 秒產品旋轉短片，包裝顏色與瓶身形狀維持一致」。先在 720p 驗證構圖與一致性，通過後才評估升頻。每次編輯只改一個條件，例如光線；將原稿與編輯結果用同一份標準比較。

建議記錄下列試做帳，而不是只記最終片長：

• 每次生成：輸出時長、解析度、實際 usage／帳單與是否採用。
• 每次編輯：改動條件、輸入素材、結果是否保留其他必要細節。
• 升頻：來源與目標解析度、費用、最終可交付檔案。

官方定價頁將輸入、文字輸出與影片輸出分別計價，並列出不同解析度的影片 token 換算與升頻。720p 的 5,792 tokens／秒乘每百萬 tokens US$12，約為 US$0.069504／秒，與公告的約 US$0.07 一致；15 秒約 US$1.04 的影片輸出，公告四捨五入估算則為 US$1.05。輸入與其他輸出項目另計。

如果嘗試三次、各產生 15 秒 720p 影片，公告單價下影片輸出粗估為 US$3.15；只交付一段時，就由該成品承擔三次嘗試。若沒有一段通過，記錄「本次沒有合格成品」與已花費金額，保留失敗原因再調整任務。

升頻前檢查什麼#

把驗收拆成可觀察條件：片頭、中段、片尾的產品形狀與色彩；轉場與遮擋後是否維持同一個物件；指定文字是否可讀；有對白時檢查說話者、口型與聲音。最後核對檔案解析度、時長、可播放性及交付格式。

這套方法也適合與 Seedance 參考素材工作流程比較：使用相同素材、同一個任務與相同驗收條件，計算每段可交付影片的完整花費，再決定採用哪個服務。高解析度應留給內容已通過的草稿。

參考資料：

Google：Gemini Omni 1.2 Flash

Google Cloud：GA 與 audio reference 限制

Google Cloud：模型文件

Google Cloud：Agent Platform Pricing