Gemini Omni 1.1 Flash 视频控制怎么用：场景扩展、首尾帧过渡、4K 输出

Google 在 2026 年 8 月 27 日发布的 Gemini Omni 1.1 Flash 更新，把 Omni Flash 视频模型从"生成一段片段"推向了更接近"导播工具"的位置。其中三项新控制能力与短视频创作直接相关：场景扩展，让一条 10 秒的片子以 10 秒为步长最长延到 40 秒；首尾帧插值，在两张关键帧之间生成连贯的一镜到底，替代生硬的跳剪；以及 4K 输出，让成片清晰度达到制作标准——中间那些注定要废掉的尝试，交给便宜的 360p 草稿。

这篇指南按照短视频创作者的真实使用方式拆解每一项控制：它能做什么、提示词怎么写、有哪些不提前规划就会踩的坑。先说清楚一件事：这批能力主要随 Google 的开发者渠道（Gemini API 和 Google AI Studio）发布，但创作者不写代码也能用。完整的创作与编辑流程通过 Google Flow 面向付费 Google AI 订阅用户开放——不过各端覆盖并不一致（比如 Gemini App 目前只开放场景扩展）。下面的创作流程不需要写代码；文中的提示词写法来自 Google 官方文档，在对应能力开放的入口都适用。

要点速览

• 场景扩展：Omni 1.1 会分析片子的最后 10 秒作为上下文（旧版本只看最后 1 秒），然后按 10 秒一步追加，累计最长 40 秒。
• 首尾帧：给模型一张起始图和一张结束图，它会在两者之间生成一镜到底——首尾用同一张图，就能得到无缝循环。
• 便宜草稿、精致成片：先用 360p 出预览（比 720p 最快快 60%，成本约三分之一），选定后用 1080p 或 4K 重新生成成片。
• 提前绕开限制：扩展只能在片尾追加、上传的输入视频必须不超过 10 秒，欧洲经济区/瑞士/英国的用户目前不能扩展自己上传的视频。
• 竖屏是一等公民：9:16 与 16:9 同为受支持的宽高比，TikTok、Reels、Shorts 的画幅不需要任何变通。

Gemini Omni 1.1 Flash 到底更新了什么

Gemini Omni 1.1 Flash（Google 目录中的型号是 gemini-omni-1.1-flash）是 Google 快速多模态视频模型的最新版本。它默认生成带音轨的视频，接受文本、图片和视频输入，并支持对话式编辑——你描述要改什么，而不用从零重写提示词。

Google 官方文档把 Omni Flash 定位为视频生成的默认选择，场景扩展和末帧控制是它的招牌能力；Veo 3.1 则继续承担原生音频、逐帧控制那一档。对创作者来说，实际结论是：Omni 1.1 是迭代快、带连续性控制的那一档，不是对其他模型的全面替代。

1.1 版本的具体新增：场景扩展的上下文更深（从 1 秒提升到 10 秒）、关键帧插值、360p 草稿、1080p/4K 输出，以及视频参考（最多三段、每段最长 3 秒，模型用它保持人物和风格的相似性——参考视频里的音频会被忽略）。

控制一：把一场戏从 10 秒延到 40 秒

它能做什么。 场景扩展会从片子停下的地方继续往下生成。Omni 1.1 读取最后 10 秒的故事、运动、人物和音频作为上下文——相比旧版只锚定最后 1 秒是大跨越——每一步生成约 3–10 秒的延续内容。你以 10 秒为步长不断追加，直到触到 40 秒的累计上限。注意：模型会重编辑输入结尾的几帧让接缝不可见，所以源片最后几秒要当作"可被调整"的部分来规划。

创作者怎么操作。 在 Gemini App 里，场景扩展对 Google AI Plus、Pro 和 Ultra 订阅用户开放——生成或上传一段片子，让模型继续它。在 Google Flow 里，同样层级的订阅用户可以用 Omni 1.1 的完整创作与编辑流程。如果你走 Gemini API（AI Studio），扩展通过引用上一次生成结果或上传片段（最长 10 秒）加提示词来完成。

提示词写法。 扩展提示词要像导播笔记。Google 官方文档给出的形态是：

Continue the scene. The camera pulls back to reveal the whole
market street. The music continues into the chorus. No dialogue.

官方文档里有两条规则值得记住。第一，把音频写进提示——你不说"音乐继续"或"对白停止"，模型就自己决定。第二，如果你用"3 秒后切到新场景"这类节拍，时钟是从扩展段的开头重新计数的，不是从整条视频的开头。

要注意的坑。 扩展只能在片尾追加——不能在中间插一场戏，也不能加新开头。用作扩展输入的上传视频必须不超过 10 秒；对上传片段的扩展无法新增角色对白（多轮扩展模型自己生成的片段则支持语音）。另外，欧洲经济区、瑞士和英国的用户目前不能扩展上传的视频——扩展模型生成的视频在所有可用地区都可以。

控制二：用首尾帧过渡替代跳剪

它能做什么。 给模型起始帧和结束帧，描述过渡方式，Omni 1.1 就会生成两者之间连贯的一镜。Google 发布公告里的演示覆盖了甩镜转场、环绕运镜和推拉变焦——正是短视频里通常只能靠硬切或扭曲特效糊弄过去的那几招。

提示词写法。 在暴露媒体角色的工具里，用标记指明哪张图是哪个关键帧：

<FIRST_FRAME> <LAST_FRAME>
A fast whip-pan transition as the camera swings from the kitchen
to the rooftop party. One continuous shot, no jump cuts.

官方文档还记录了一个值得抄走的循环技巧：首帧和尾帧提交同一张图，模型生成的片段结尾就回到了开头——干净的循环素材，适合背景视觉、直播垫片，或那种让人舒适的回旋效果。

它在创作者工作流里的位置。 首尾帧过渡解决的是"AI 片段 A 硬接 AI 片段 B"的问题。先用任意图像工具（Nano Banana 就行）把钩子时刻和回报时刻各生成一张静帧，再让 1.1 Flash 把两者之间的旅程动画化。成片看起来是一个完整的镜头语言，而不是两段别针别起来的素材。

控制三：360p 出草稿，4K 交成片

Omni 1.1 的分辨率档位是 360p → 720p（默认）→ 1080p → 4K，聪明的做法是两端都用。先用 360p 打草稿：Google 公告称 360p 预览比 720p 最快快 60%、成本约三分之一——这意味着你可以测四个版本的镜头，而不是盲押一个。草稿的运动和构图过关后，把胜出者用 1080p 或 4K 重新生成为成片。

对按 API 付费的开发者，Google 定价页给出的是：标准价格下 720p 视频约每秒 0.10 美元（按每百万视频输出 token 17.50 美元、每秒视频 5,792 token 计）。一条 40 秒的扩展成片每次完整迭代要花几美元——草稿阶段这是真实成本，这正是 360p 草稿通道存在的理由。在 Flow 或 Gemini App 里创作的用户消耗的是订阅计划的额度，可用内容因套餐档位和地区而异。

一个面向专业交付的提示：每条生成视频都带不可见的 SynthID 水印——观众看不见，但可以被程序检测。如果客户工作需要披露 AI 来源，这个水印站在你这边；无论如何，知道它存在。

三项控制通用的提示词模式

来自 Google 提示指南的这几条规则，无论生成、扩展还是过渡都适用：

• 要一个镜头就明说。 默认情况下模型会尝试编排多镜头叙事。"in a single uninterrupted scene""one continuous shot""no scene cuts"这类短语能把它按住，只拍一条。
• 显式指挥音频。"Contains calm background music""high-energy electronic beat"，或者干脆"no dialogue"——模型默认生成音轨，不描述就是赌。
• 时间节拍少用、用对。 自然语言（"after 3 seconds, a woman enters"）和时间码语法（[0-3s] walking, [3-6s] she turns）都有效。记住扩展时钟规则：零秒是扩展段的开头。
• 在提示词里内联排除项。 没有独立的负面提示词字段——把否定写进提示词："no dialogue, no extra sound effects, no text overlays"。
• 画面文字逐字写明。 只要你定义了确切文字，模型能把字渲染清楚——字幕、招牌梗、场景内的产品标签都用得上。

动手之前要先知道的限制

限制	对你的实际影响
宽高比：16:9、9:16	竖屏短视频原生支持；不支持 1:1 方形。
扩展累计上限 40 秒	从基础片段以 10 秒为步长追加；每步新增约 3–10 秒内容。
扩展只能在片尾追加	不能中间插戏、不能加新开头——故事结构只能向前生长。
上传输入 ≤ 10 秒	更长的上传要先剪短再扩展（多轮扩展模型生成的片段除外）。
上传片段的扩展不能新增对白	只能静默延续，除非片段链从模型生成开始。
欧洲经济区 / 瑞士 / 英国	不能扩展上传的视频；扩展模型生成的视频不受影响。
英语优先	英语完整支持；其他语言可用但官方未做评估。
安全过滤 + SynthID	提示与成片经过分地区安全过滤；所有输出带不可见来源水印。

每项控制在哪里能用

Google Flow 的模型阵容包含用于视频创作与编辑的 Gemini Omni。来源：labs.google/fx/tools/flow，访问于 2026 年 8 月 30 日。

入口	你能得到什么	谁可以用
Google Flow	完整的 Omni 1.1 创作与编辑流程，这些控制能力的创作者主入口	Google AI Plus / Pro / Ultra 订阅用户；功能因套餐、平台和地区而异
Gemini App	对 Gemini 内创作视频的场景扩展	Google AI Plus / Pro / Ultra 订阅用户
Google AI Studio / Gemini API	全部控制能力，包括 4K 输出和视频参考	付费档开发者（已正式发布，无免费档）

Google 点名的 Adobe Firefly、Figma Weave、GMI Cloud 和 Runway 已经把 Omni Flash 跑在生产环境里——这说明即使你永远不碰 API，模型层也正在快速进入主流创作工具。

这对短视频创作者意味着什么

10 秒天花板是过去把 AI 片段锁在"段子"体量里的结构性限制：讲一个梗够长，讲一个故事不够。40 秒的跑道加上感知上下文的扩展，意味着一条生成链可以撑起铺垫、转折和回报。首尾帧插值则处理另一个破绽——片段之间的跳剪——用生成连接镜头的方式替代剪辑遮掩。而 360p 草稿 → 4K 成片的循环，让迭代便宜下来，成片却不将就。

诚实的提醒：这是一篇基于官方文档的拆解，模型发布才几天，把文中提示词当作起点去改编，而不是保证成功的配方——成片质量因场景而异，生成时长也取决于时长、分辨率和负载。第一次做扩展题材时，给计划里多留一轮迭代时间。

如果你的目标是水果系短视频——西瓜 ASMR、跳舞草莓这一类在 AI 工具手里反复爆火的题材——而且不想逐镜头研究提示词，那正是我们自己的 AI Fruit 视频生成器所在的位置：模板化生成，接入 Veo 3.1、Seedance 2.0 等模型，为水果趋势调校。我们也写过用初代 Gemini Omni 生成水果视频的专门指南，以及一篇 Gemini Omni 与 AI Fruit 的正面对比，帮你判断通用模型和专用工具哪个更适合你。