Gemini Omni Flash
每秒视频 $0.034 起
Google 的多模态视频模型,在一个提示词中同时接收文本、图片和视频,生成带声音的 4K 视频。擅长保持角色一致和物理准确。

Gemini Omni Flash擅长什么
一次生成带声音的 4K
大多数模型要么不生成音频,要么之后再添加。
跨参考素材保持角色和环境一致
给它角色参考图和场景静帧,Gemini Omni Flash 就会在整个片段中保持它们一致。
一次生成,多种输入
用文字描述镜头,提供参考图,再加入一段视频片段作为指引,Gemini Omni Flash 会一次性全部接收。
模型内置视频编辑
Gemini Omni Flash 可以编辑你提供的视频。
导演。创作。剪辑。
别再写提示词,开始当导演。
Craze 与你一起碰撞创意、做调研、做规划。
创作有品位的内容。
Craze 能生成你能想象的一切。视频、音频、音乐、动态图形等等。
几分钟剪好视频,而不是几天。
Craze 会看完你的素材并剪出成片。如有需要,还有真正的编辑器。
制作人们愿意看的视频
- UGC 视频
- 动态图形
- 故事长片
- 产品可视化
- 微短剧
- 3D 影片
- 音乐视频
- 品牌影片
- 婚礼精彩集锦
- YouTube 测评
Gemini Omni Flash与其他模型对比
这里的每个模型都可在所有 Craze 套餐(包括 Free)中使用,而且 Craze 可以为每个镜头使用不同的模型。
| Gemini Omni FlashGoogle | Seedance 2.5ByteDance Seed Team | Seedance 2.0ByteDance Seed Team | Seedance 2.0 FastByteDance Seed Team | |
|---|---|---|---|---|
| 生成 | 文字 + 图片 + 视频生视频 | 文字 + 图片 + 视频 + 音频生视频 | 文字 + 图片 + 视频 + 音频生视频 | 文字 + 图片 + 视频 + 音频生视频 |
| 质量 | 最高 4K | 最高 4K | 最高 4K | 最高 720p |
| 时长 | 每个片段最长 10 秒 | 每个片段最长 30 秒 | 每个片段最长 15 秒 | 每个片段最长 15 秒 |
| 声音 | 随画面一起生成 | 随画面一起生成 | 随画面一起生成 | 随画面一起生成 |
| 起价 | 每秒视频 $0.034 | 每秒视频 $0.120 | 每秒视频 $0.079 | 每秒视频 $0.063 |
Craze 上的 Gemini Omni Flash规格
| 任务 | 输入 | 分辨率 | 时长 | 画面比例 | 声音 |
|---|---|---|---|---|---|
| 文生视频 | 文字提示词 | 360p、720p、1080p、4k | 3 到 10 秒 | 16:9、9:16 | 始终生成 |
| 图生视频 | 首帧、尾帧 | 360p、720p、1080p、4k | 3 到 10 秒 | 16:9、9:16 | 始终生成 |
| 参考生视频 | 参考素材 | 360p、720p、1080p、4k | 3 到 10 秒 | 16:9、9:16 | 始终生成 |
| 视频编辑 | 视频 | 360p、720p、1080p、4k | 由源素材决定 | 跟随输入 | 始终生成 |
常见问题
创作者选择 Gemini Omni Flash 的理由
Gemini Omni Flash 是 Google 的通用视频模型,专为同时处理多种输入类型而打造。它在单个镜头中接收文本、图片和视频参考,保持角色一致,并且每次都生成带声音的 4K 视频。Gemini Omni Flash 在 Google I/O 上推出后,于 2026 年 8 月正式全面上线。
一次生成带声音的 4K
大多数模型要么不生成音频,要么之后再添加。Gemini Omni Flash 把 4K 视频和同步声音打包在一起。无需单独生成音频,也没有同步问题。声音在语义上与动作相关,而不是通用的背景音轨。对白与角色动作相匹配,环境声反映所处环境,音效与画面同步。
跨参考素材保持角色和环境一致
给它角色参考图和场景静帧,Gemini Omni Flash 就会在整个片段中保持它们一致。同一个角色的面孔从第 1 帧到第 10 帧都保持不变。这种一致性适用于同一镜头中的多个角色,也适用于一个序列中的多个镜头。
一次生成,多种输入
用文字描述镜头,提供参考图,再加入一段视频片段作为指引,Gemini Omni Flash 会一次性全部接收。无需搭建流水线,也不必纠结格式。你可以按创意方向的需要,任意组合文本、图片和视频参考。
模型内置视频编辑
Gemini Omni Flash 可以编辑你提供的视频。应用一种风格、剪掉一段、改变氛围,或为已有素材重新设定风格。它不只是生成,一次调用就能完成后期制作。当你想修正一个镜头或应用视觉处理而又不想离开 Craze 时,这非常有用。
如何在 Craze 中使用 Gemini Omni Flash
你描述视频并添加参考素材。其余的交给 Craze。
- 新建一个项目,描述你想要的视频。为角色、地点或视觉风格添加参考图。如果有要编辑或延长的视频,也一并加入。
- 说明你想用 Gemini Omni Flash。你直接指定它时,Craze 就会运行该模型。如果你没有指定模型,Craze 会列出兼容的选项及其费用。
- Craze 以你选择的分辨率生成带声音的片段。
- 在编辑器中查看。按需重新生成镜头,或继续剪辑。
对于以角色为主的作品,请尽早提供参考图,Craze 会把它们传给 Gemini Omni Flash 以保持一致。对于视频编辑,请上传你想重新设定风格或修改的片段,并描述想要的改动。
Gemini Omni Flash 的能力
Gemini Omni Flash 支持文生视频、图生视频、视频编辑和视频延长。模型生成 3 到 10 秒的片段,并始终包含声音。你可以描述抽象概念或具体场景,模型会生成物理、透视和运动都恰当的视频。
在你提供参考图时,模型擅长保持角色一致,也擅长处理多个物体和环境的空间推理,以及自然的运动。音频在语义上与动作相关联,所以对白口型同步,环境声与场景相符。你直接指定该模型时,Craze 就会运行这些任务。
Gemini Omni Flash 的价格
按视频秒数付费。价格为每秒视频 $0.034,并随分辨率变化。在 Craze 上,片段时长可在 3 到 10 秒之间。本页的费用计算器会显示你的片段的准确价格。
每次生成都包含声音。编辑和参考任务采用相同的按秒计费。Craze 不为该模型提供视频延长。
Gemini Omni Flash 适合谁
以角色为主的叙事作品
当同一个角色需要出现在多个镜头或场景中时,Gemini Omni Flash 能让角色保持一致。使用角色参考图,它就会始终保持该身份特征。这对动画故事、品牌内容和以角色为中心的广告至关重要。
需要现场声音的项目
大多数工具都是之后再加声音。Gemini Omni Flash 把声音直接生成在内,所以对白、环境声和音效无需额外工作就能完美同步。对于想一次就得到完整视听创意的创作者来说,这能大幅提升效率。
拥有多种参考素材的创作者
有时你有照片,有时有视频,有时只有文字。Gemini Omni Flash 能同时接收这三种,用哪种都可以。你可以在一次生成中混合使用角色照片、场景静帧、风格参考和详细的文本提示词。
视频编辑和风格重塑
当你需要编辑已有视频、改变风格或重做一个镜头时,Gemini Omni Flash 在模型内部就能完成。无需单独的编辑工具。
Gemini Omni Flash 与其他模型的比较
当你需要一次生成就兼顾一致性和声音时,Gemini Omni Flash 是默认之选。它支持 4K,能处理参考素材,视频编辑功能还能给你额外的控制。
对比 Veo 3.1,它能达到 4K,视频延长能力更强,片段最长 8 秒。对比 Grok Imagine 1.5,它更精简、更快,但侧重于图生视频。在角色一致、声音生成和混合输入类型方面,Gemini Omni Flash 是 Craze 上用途最广的选择。



















