谷歌 Gemini Omni 1.2 Flash 接入 AI Gateway：一把 API 密钥即可生成带原生音频的视频
核心概要
谷歌的 Gemini Omni 1.2 Flash 现已通过 AI Gateway 提供，开发者用一把 API 密钥、无需单独的谷歌账号即可调用。该模型可依据文本提示生成 3 至 15 秒、带原生音频的视频，也能编辑 3 至 15 秒的源片段并最多参考六张图像；每次调用可把视频延长 3 至 10 秒，总长上限 30 秒。输出支持 360p、720p、1080p 和 4K，画面比例为 16:9 或 9:16。
深度剖析
视频生成模型 Gemini Omni 1.2 Flash 现在可以通过 AI Gateway 调用，开发者用一把 API 密钥就能从文本提示生成视频，不必再单独准备谷歌账号。 此前要使用谷歌的视频生成能力，需要走谷歌自己的账号与接入路径；现在同一把网关密钥即可调用该模型。 接入说明给出的调用方式是 AI SDK 中的 generateText 或 streamText，模型名写作 google/gemini-omni-1.2-flash，生成的视频以文件形式返回。
该模型一次可生成 3 至 15 秒、带原生音频的视频，也能编辑 3 至 15 秒的源片段，并最多参考六张图像。 延长视频时每次调用增加 3 至 10 秒，总长上限为 30 秒；后续调用可用 previousInteractionId 继续精修已生成的片段。 输出分辨率覆盖 360p、720p、1080p 和 4K，画面比例为 16:9 或 9:16；示例代码生成一段三秒、360p 的片段并保存为 video.mp4。
启示与展望
这份接入说明面向通过 AI Gateway 调用模型的开发者，描述的是 Gemini Omni 1.2 Flash 的可用性、输入输出规格与调用方式；它没有给出生成质量或与其他视频模型的对比结果。
说明中列出的时长、分辨率、参考图像数量和 30 秒总长上限都是该模型当前支持的规格，材料没有说明这些规格是否会随版本变化。