用 Gemini Omni 1.2 Flash 一句话生成 15 秒短视频：新手实操教程

最近谷歌把自家的 Omni 视频模型推到了 1.2 Flash 版本。这次更新的重点很实在：单条视频时长从几秒拉长到了 15 秒，画面连贯性和语音对口型也比上一代顺了很多；同时官方把调用价格下调了大约三成。对平时想做短视频、产品演示或者教学小片段的人来说，这意味着"输入一句话，让 AI 帮你拍一段视频"这件事，已经从尝鲜变成了日常可用的工具。

它到底是什么

Omni 是谷歌的多模态视频生成模型。你给它一段文字描述，或者再附加一张参考图，它就输出一段带画面的视频。1.2 Flash 这一版强化了镜头之间的衔接，减少了以往常见的"跳帧"和"突然变脸"。如果你之前觉得 AI 视频只能做两三秒的小动图，现在完全可以用它来拼一条像样的成片。它目前主要在 Google AI Studio 和 Vertex AI 里提供，个人先用 AI Studio 的免费额度试水最划算，不用本地装任何软件。

实操一：提示词怎么写

最稳妥的格式是"主体 + 动作 + 场景 + 风格 + 时长"。比如：

一只橘猫在雨后的窗台上伸懒腰，暖色调、电影感，能听到轻微雨声，时长 15 秒

描述越具体，AI 越不容易跑偏。主体长什么样、在什么环境、做什么动作、想要什么氛围，都写清楚。在 Google AI Studio 里选中 Omni 1.2 Flash，把这段话贴进输入框提交，等几十秒就能拿到成片。如果第一次效果不满意，不要整段重写，只改一个变量，比如把"电影感"换成"动画插画风"，反复对比，你很快就能摸索出哪类词更出片。常用的风格词还有"赛博朋克""水彩""纪录片质感""俯拍广角"等，记在自己的一张清单里，下次直接套。

实操二：它适合谁

自媒体创作者可以用它把文案直接变成画面，省下去素材库找片断的时间；电商卖家能快速给同一件商品做出几版不同风格的展示视频；老师和培训者则能把抽象的知识点做成 15 秒动画，学生记起来更轻松。即便是完全不懂剪辑的新手，也能靠它补齐"没有素材"这块短板，先把想法可视化，再决定要不要认真拍。

实操三：几个要注意的地方

免费额度有限，频繁生成会被限流，建议先拿小片段试提示词，满意了再批量跑。人物脸部的稳定性目前还比不上文字描述可靠，关键镜头先用一张参考图把长相定住。长故事别指望一次生成，拆成几个 15 秒片段，再用剪映之类的工具拼起来更稳。另外，生成结果建议先看一遍合规，商用的画面要确认平台条款允许，避免后面返工。

一个小练习

拿你手机里随手拍的一张照片当参考图，配上一句"把它变成清晨阳光下的同款场景，15 秒"，跑一遍，感受参考图对成片的控制力。多试几张，你就明白什么时候该用图、什么时候纯文字更自由。

新手常踩的坑

不少人在第一次用时把提示词写得太长，塞进十几个要求，结果 AI 反而不知道先听谁的。记住一句话原则：一次只强调最重要的两三件事。想加细节，就分几次生成再挑最好的那一版，比一次性堆满要求更有效。另外，同一个提示词多跑两遍，成片往往差别很大，挑满意的留着就行，不用追求"一次命中"。

一句话收尾：Omni 1.2 Flash 把"文字变视频"拉到了普通人也能天天试的成本，先从小片段练手，再拼完整作品，比一上来就想拍大片更靠谱。