Gemini Omni Flash AI 视频生成器完整指南

Gemini Omni Flash 是 Google 推出的预览版多模态视频模型，面向快速视频生成、编辑与镜头控制。它不只理解一句文字提示词，还被设计为同时处理文字、图片、音频和视频，并根据这些输入生成或修改视频。

第一次使用时，不需要先理解所有技术细节。你只需要决定从文字还是参考图开始，写清楚画面里什么在运动、镜头如何移动，再选择横版或竖版输出。

Gemini Omni Flash 目前仍是预览模型。可用地区、参数、输出表现、使用限制和接入价格都可能变化。正式建立生产流程前，应再次核对最新官方文档。

Gemini Omni Flash 能做什么？

Google 当前文档介绍了几类相关的视频工作流：

Gemini 官方 API 文档列出的画面比例包括横版 16:9 和竖版 9:16，同时介绍了带音频的视频输出。产品集成开放的参数可能与 Gemini 直连 API 不完全相同，因此具体产品页面实际显示的控制项，才是该工作流当前可以使用的范围。

OmniVideo 目前聚焦最常用的两条路径：输入文字提示词，或在提示词之外增加一张参考图，然后选择横版或竖版。生成请求从 OmniVideo 工作区发起，并通过受保护的服务端生成基础设施进行处理。

当画面不需要匹配已有产品、人物或构图时，可以选择文生视频。它适合探索新的场景、情绪、镜头运动和视觉方向。

当第一帧已经很重要时，更适合使用图生视频。产品照片、插画、角色设计或已获授权的活动素材，都可以帮助模型确定主体、配色和构图。此时提示词应该重点描述运动，不需要重复图片中已经清楚可见的所有细节。

起点	更适合的任务	提示词重点
只有文字	新概念、环境、镜头方向探索	主体、动作、场景、镜头、光线
参考图片	产品、插画、构图连续性	主体运动、镜头运动、环境变化

两种方式都不能保证每个细节完全不变。AI 视频生成具有随机性，即使输入相同，预览模型多次生成的结果也可能不同。

好的提示词应该像一个清晰的单镜头拍摄说明。先写最重要的画面事实，再补充真正能够控制结果的细节：

例如：

一只半透明绿色香水瓶在浅色石台上缓慢旋转，场景位于明亮的摄影棚。中近景，摄影机轻微向前推进，柔和晨光，清晰的玻璃反射，克制的高端产品片节奏，全程保持一个连续镜头。

这段提示词明确说明了什么在运动，以及镜头应该呈现什么感觉。“电影感”“漂亮”可以补充氛围，但最好同时写出具体动作，例如摄影机环绕、布料轻轻飘动、光线扫过表面，或人物转头看向窗外。

更多写法可以参考AI 视频提示词指南。

如果任务失败，可以先简化提示词，删除互相冲突的镜头指令，确认参考图格式受到支持，然后每次只调整一个变量。生成缓慢或失败也可能来自预览模型状态或上游 API 响应，并不一定是提示词本身的问题。

AI 生成结果应该作为待审核的制作素材，而不是无需检查的最终成片。

Google 将 Gemini Omni Flash 标记为预览模型，因此已公开的能力和限制仍可能变化。OmniVideo 是独立产品，与 Google 不存在隶属、赞助或官方背书关系。