给不想往下读的人的简版结论。 Gemini Omni 1.1 Flash 是 Google 的一体化视频模型：输入文字、图片或一段片段，输出带原生声音的视频。1.1 版（2026 年 8 月 27 日）补上了两件真正影响实际工作的能力：场景延展到 40 秒，以及 1080p/4K 输出。它现在已经在 Popcraft 上线。我们实测体验了一整天，得到的最有价值的结论是：对一段 5 秒的片段要求“延展到总时长 20 秒”，最终会得到 25 秒的视频。
| Google 标称 | 实测结果 | |
|---|---|---|
| 最长视频时长 | 支持最长 40 秒场景延展，每次步进 10 秒 | 单条提示词生成完整 40.0 秒视频，实际耗时 23 分钟 |
| 场景延展 | “最多可分析 10 秒前置上下文” | 5 秒源素材 → 生成 25.0 秒完整视频，原片段帧级完整保留 |
| 输出分辨率 | 支持 360p 至 4K，“适用于专业制作” | 预告片输出 1080p，测试样片输出 720p；4K 分辨率下最长仅能生成 30 秒 |
| 音频生成 | 同步生成语音、音乐、音效 | 预告片配完整管弦乐配乐，延展片段附带暴风雨环境音 |
| 物理模拟 | “对重力、动能、流体动力学等物理规律有直观理解” | 生成 30 秒三种流体水中扩散演示，物理表现符合预期，见下文 |
| 镜头运动 | 合作方评价：“支持动态镜头运动” | 无人机推进、环绕镜头表现稳定；甩镜、摇臂升起、滑动变焦会被柔化处理 |
周三 10:41，服务已上线。
Batch AI 在前一日夜间已在测试网关上切换了该模型。首先说明来自对方的两项既定规则，这将直接决定你可以如何使用该模型：分辨率标识为“4K”，实际返回分辨率为 3840×2160；场景延展是协议层面的正式模式，并非提示词取巧手段。以下所有内容均为我方实际测试得到的结果。
第一个测试任务我们故意选了平淡的内容：螺旋楼梯上的守塔人，垂直画幅，5 秒时长，720p 分辨率。约 2 分钟后生成结果返回，成片时长 5.01 秒，还额外附带了没人要求的风雨背景音。这就是 Omni 的默认行为：Google 开发者文档注明该模型“会自动为视频匹配合适的音轨”，除非明确禁用，否则每次生成都默认执行。
11:20，延展出来的片段比我们要求的长了 5 秒
这才是本篇文章真正有价值的核心内容。我们上传了一段5秒的片段，输入了一行描述：“看守人走到灯廊上，点亮了灯”，然后要求生成总时长为20秒的视频。
最终返回的视频文件时长为 25.0 秒。
这不是 bug。Google 官方发布说明标注，场景延展“以 10 秒为单位递增，累计最长支持 40 秒”，即必须按完整单位叠加：原 5 秒 + 10 秒 + 10 秒。新文件的前 5 秒与原素材完全一致，风雨音效也无缝衔接，成片效果非常出色——只是它不是我们要求的 20 秒。
因此给所有基于该模型开发的开发者一条规则，这也是 Popcraft 视频延展面板现在针对 5 秒源素材提供 15、25、35 秒选项，而非规整的 10/20/30/40 秒的原因：你只能落在“源素材 + 若干个完整段落”上。 我们按实际生成返回的视频秒数计费，而非你输入的目标时长。
“视频延展以 10 秒为单位递增，累计最长支持 40 秒。”—— Google，Omni 1.1 Flash 发布公告
12:05 四十秒，一条提示词
接下来是我们真正想要的效果：一支好莱坞风格预告片《蔓越莓海盗》，16:9 画幅、1080p 分辨率、时长 40 秒，仅提交一次请求即可生成。Popcraft 会为你自动串联场景延展流程：输入一条提示词，即可直接输出完整的 40 秒视频文件。
本次生成耗时 23 分钟，超出了我们预估的 15 分钟，这部分是我们参数调校的问题。最终成片刚好 40.0 秒，分辨率 1920×1080，配乐在对应节点自然递进。四段生成内容的船长、船只、青橙色调完全统一。这种连贯性正是官方提到的 10 秒上下文窗口的实际效果，也是该模型最核心的优势。
这里说一下模型出错的地方，其实问题出在我们这边。当时的提示词是一段 240 词的密集描述，包含 5 个情节节点：暴风雨、船长、装满蔓越莓的宝箱、敌船、火炮收尾。Omni 保留了全部元素，但打乱了出现顺序：蔓越莓喷洒的画面在第 8 秒就出现了，早于本该打开的宝箱，而且宝箱全程也没有清晰的开启镜头。对于该模型来说，冗长的提示词不会直接失败，而是会被压缩重排。
15:10，好吧，那我们就来认真测试一下其宣称的物理效果
用预告片做物理效果测试并不可靠：画面元素过多，没人能准确判断蔓越莓弹跳的物理表现是否符合常理。因此我们编写了当天最朴素的提示词：黑色水槽中盛有静止的水。每10秒段落仅呈现一种流体效果：橙色液滴滴落、靛蓝色墨水晕开、逆光下的白色颜料雾团。无人物、无剧情，镜头缓慢环绕一周，1080p 分辨率时长30秒，仅单一请求。
这是当天该模型生成的最出色的内容。水滴落下时形成标准的皇冠形水花，回落轨迹完全符合真实水体运动规律；靛蓝色墨羽随后从后方涌来，穿过先前那滴橙色染料交融，两种颜色都没有糊成一片；白色颜料雾团出现时背光均匀穿透，先前的两种流体仍在下方，仍在运动。全程镜头弧线连贯没有重置，10 秒、20 秒的拼接处完全无法察觉断点。
我们建议优先使用低成本草稿流程测试：先生成 4 组 10 秒 720p 的测试样片（墨水、蜂蜜、多米诺骨牌、牛顿摆），每个耗时约 2 分钟。墨水与牛顿摆效果优秀，蜂蜜动态稍显夸张，多米诺骨牌顺序正确但缺少物理重量感。最终选定墨水主题生成 30 秒版本，成片质量反而优于草稿样片。但预告片并非如此，在预告片中，更长的时长意味着对故事进行更多的压缩。在没有故事需要压缩的情况下，延展时长只会带来纯正向的效果提升。
从本次实测结果来看，Google 关于流体动力学的那句话并非营销话术。
16:40，以及宣称的镜头表现
Vertex 提示词指南中列出了模型预置支持的运镜术语：drone、dolly、pan、tilt、tracking、crane、orbit、whip pan，以及一个被标注为进阶、并非官方支持的 dolly zoom。
因此我们在同一段30秒镜头中请求了上述所有运镜效果，取景沿用上午测试过的同一座灯塔，提示词中每节拍指定一种运镜。
对照提示词，逐段对运镜完成度进行评分：
- 无人机推进镜头：符合预期。镜头贴浪尖滑行、爬升越过玄武岩岸，精准在指定时间抵达灯室位置，是全天测试中表现最出色的 10 秒镜头。
- 环绕镜头：符合预期。最后 10 秒从守塔人身后开始环绕，经过侧面，最终拉远至对侧全景，全程灯塔形态保持一致无崩坏。
- 甩镜切向船只：不符合预期。船只确实出现在海平面远处，但镜头是缓慢漂移过去，而非干脆利落地甩过去，模型把快速运动柔化处理成了慢移。
- 越过灯室的摇臂升起：部分符合预期。摇臂升起出现在前半段（提示词并未要求此处升起），而提示词指定的后半段反倒没有执行。
- 低角度推进 + 移焦：不符合预期。最终输出为全景镜头，未执行指定运镜。
- 滑动变焦：我们在 30 秒测试中主动排除了该运镜。在更早的 10 秒测试中，模型将滑动变焦输出为普通推进镜头，且 Google 官方文档也标注该功能“暂未正式支持”，因此该结果属于合理范围。
两处意料之外的表现。在两段镜头衔接处，镜头直接穿过灯室玻璃找到里面的守塔人，随后跟随她开门走到外廊。我们用场景检测工具验证过，整段文件没有任何剪辑断点——模型自行生成了一个过渡，从无人机的位置切换到她的位置，这一点完成得非常出色。不足的地方是：灯室里她的头发是盘起的，几秒后走到外廊时却变成了披散状态。Google 官方模型说明中已经标注“跨编辑一致性”“复杂运动”是已知缺陷，这段演示就是该问题的实际体现。
结合10秒与30秒测试的规律来看：平缓舒展的运镜（无人机、环绕、弧线、推拉）表现稳定；而快切、光学特效类运镜（甩镜、滑动变焦）会被模型柔化处理。如果需要干脆利落的快镜头，建议单独生成短片段后手动剪辑拼接。
提示词使用经验与预告片测试的结论一致：明确指定运镜名称，每节拍仅一种，使用 Google 官方指南中的标准术语，慢节奏运镜就可以准确生成。如果只描述主观感受（例如“宏大”“有动感”），最终无论怎么写都只会得到缓慢推进的镜头。
相比 Omni Flash 1.0 实际更新了什么？
Google官方页面对两个版本使用了完全相同的能力说明表，因此实际差异反而非常直白：
| 功能项 | Omni Flash（2026年5月） | Omni 1.1 Flash（2026年8月） |
|---|---|---|
| 文生视频 | 支持 | 支持 |
| 图生视频 | 不支持 | 支持 |
| 参考素材（图/视频） | 不支持 | 最多10张图片、3段视频 |
| 首尾帧插帧 | 不支持 | 支持 |
| 视频编辑 | 支持 | 支持 |
| 场景延展 | 不支持 | 支持，最长可延展至40秒 |
| 输出分辨率 | 仅720p | 360p / 720p / 1080p / 4K |
| 音频生成 | 语音、音乐、音效 | 语音、音乐、音效 |
| 内容溯源 | SynthID、C2PA | SynthID、C2PA |
初代“Gemini Omni 发布公告”中宣称的物理与常识理解能力（“对重力、动能、流体动力学等物理规律的直观感知优化”）在新版本中得到了保留，我们也专门针对这一点做了验证，测试结果见下文。而 Google 本次重点宣传的是记忆能力：“每一条指令都建立在上一条的基础之上。角色保持一致、物理逻辑连贯、场景状态可被记忆”。做完那支 40 秒预告片之后，我们对这句话后半部分的认可程度超出了自己的预期。
无需切换模式，如何下达不同类型的指令？
并没有单独的切换开关，这点需要一点时间适应。Google 官方指南说明：“建议优先通过提示词控制效果，仅在提示词无法达成目标时再使用任务参数。”你上传的素材与输入的描述文本，就是控制行为的开关。
- 未附加任何素材：执行文生视频。
- 附加1张图片：该图片将作为视频起始帧。
- 附加2张图片，同时在提示词中注明“首帧”“尾帧”：在两张图片之间做插值过渡。未注明关键词时，两张图片将作为主体参考素材。
- 附加最多10张图片：作为主体参考，画面中的人物、物品将保持一致性。
- 附加视频 + 提示词“让这里下雪”：执行编辑，保留原镜头、时长与构图。
- 附加视频 + 提示词“延展这段视频”：执行场景延展。
最后有两个容易踩坑的细节。如果你上传了视频片段并描述后续内容，但没有使用“延展”关键词，模型会将请求识别为编辑操作，最终返回与原素材时长一致的视频。在 Popcraft 的“延展视频”面板中系统会自动添加该关键词；若通过 API 或 MCP 调用，则需要你手动添加。
给首次生成40秒视频用户的实用提醒
这不是通用技巧清单，而是按踩坑优先级排列的3个最容易遇到的问题。
每段落仅指定一个动作。 Google 指南中记载了时间码语法，该语法与10秒分段的逻辑完美适配。这才是我们本该发出的那条预告片提示词：
黄昏暴雨中的海盗盖伦帆船，骷髅旗，破损黑帆。单镜头连续拍摄，无场景切换。 [0-10秒] 船只破浪前行，镜头抬升落到甲板。 [10-20秒] 留胡子的船长把着舵轮发令，船员齐声呼应。 [20-30秒] 他在船头打开铁箱，里面满是红色蔓越莓。 [30-40秒] 敌船开火，他举起弯刀时蔓越莓在慢镜头中四散飞溅。 画面要求：变形宽银幕光晕、青橙色调、管弦乐配乐、无屏幕文字。
明确说出你需要的内容，包括“什么都不要”。 留白本身也是一种有效请求。官方指南中给出的否定式示例包括“无对白”“无音乐，仅风声与水声”，这类写法可以正常生效。注意：不在提示词中提及音效，不等于要求关闭音效。
编辑时提示词尽量精简，不要过度描述。 Google 官方原话：“视频编辑场景下简洁提示词效果最佳，过于细致的描述可能导致非预期改动。” 只需说明需要修改的内容，加上“其余保持不变”即可，不要额外输入多余文字。
与 Seedance 2.5、Veo 3.1 的定位对比
我们同时接入多款视频模型，因为没有任何一款能适配所有场景。Omni 的优势是：单次请求即可生成最长40秒、最高4K分辨率且自带音频的完整长片段。Seedance 2.5 支持更多参考素材（30张图、10段视频），可实现区域精确编辑。Veo 3.1 适合8秒以内需要精确帧控制的场景。需求是单条完整成片带配乐：优先用 Omni。需求是产品出镜，要求12个镜头里外观完全一致：优先用 Seedance。
Popcraft 平台按实际生成的视频秒数与分辨率计费：720p 用于草稿预览，1080p 用于交付成品，4K 用于重点镜头且最长仅支持30秒。你只需在滑块上选择3-40秒范围内的时长即可，平台会在后台自动完成分段拼接；滑块仅提供模型可稳定支持的时长选项，生成前显示的费用即为最终实际扣费金额。
亲自上手测试
Gemini Omni 1.1 Flash 现已接入 视频生成器、Canvas 画板以及 MCP 连接器。你可免费上手体验，初始赠送 100 积分，无需绑定信用卡。建议按照我们的实测流程操作：先生成 720p 分辨率的 10 秒片段预览效果，确认满意后再进行延展；也可以上传你已有的满意片段，在此基础上延展。本次测试的预告片及延展样片已完整上传至 模型介绍页，均为未编辑原片，包含完整音频；你刚才看到的就是两段 30 秒测试样片。
参考资料：Google《Gemini Omni 发布公告》《Gemini Omni 1.1 Flash 更强可控性正式上线》公告、Google DeepMind 发布的 Gemini Omni Flash 官方模型说明、Gemini 企业代理平台中 Omni Flash 与 Omni 1.1 Flash 的产品页、Gemini API 开发者文档。所有实测数据为本站2026年9月3日实际测试所得。
