Gemini Omni 1.2 Flash: clip 15 giây nói tiếng Việt 27.000đ

Google ra Gemini Omni 1.2 Flash ngày 05/11/2026 (giờ Mỹ, tức rạng sáng 06/11 giờ Việt Nam): model dựng video có tiếng, clip dài tới 15 giây (bản 1.1 chỉ 10 giây), giá Google ghi là 0,07 USD mỗi giây ở 720p. Chiều 06/11 Dunggi chạy ba clip bằng khoá Gemini API của dự án, đọc số token tính tiền trong từng phản hồi và quy ra tiền Việt theo tỉ giá Vietcombank bán ra 25.780đ/USD (15:04 ngày 06/11).

Kết quả chính

• Một clip 15 giây 720p hết khoảng 27.100đ (1,05 USD): API tính 86.880 token video, đúng bằng 15 × 5.792 token mỗi giây, cộng chừng 240đ token "suy nghĩ".
• Chờ 59–86 giây mỗi clip. Hai clip 720p mất 85,5 và 76,4 giây; clip 360p mất 59 giây.
• Thoại tiếng Việt ra đúng nguyên văn. Ba câu "Cô ơi, cho cháu một bát phở tái, ít hành nhé.", "Có ngay, hôm nay nước dùng ngon lắm đấy.", "Thế cho cháu thêm quẩy." được chép lại đúng từng chữ, đúng thứ tự người nói.
• Biển hiệu có dấu viết đúng: "Phở Bò Gia Truyền – Mở cửa 6 giờ sáng", không sai dấu nào, giữ nguyên suốt 15 giây.
• Tự thêm logo VTV ở góc phải trên, có mặt từ giây đầu tới giây cuối.
• 360p rẻ bằng một phần ba (~9.200đ) nhưng ra cảnh khác hẳn, không dùng làm bản xem trước cho 720p được.

Cách Dunggi thử

• Ngày 06/11/2026, script Python (httpx) trên máy Windows 11 ở Việt Nam (WSL, Ubuntu 24.04).
• Đường vào: khoá Gemini API của dự án, project AI Studio trả trước (nạp bằng thẻ, trừ tiền đồng). Dunggi không có gói Google AI Ultra nên không thử trong app Gemini.
• Gọi POST /v1beta/interactions với model: gemini-omni-1.2-flash, video 15 giây, khung 16:9, rồi tải file về.
• Hai đề: (1) cảnh hàng phở Hà Nội, biển hiệu tiếng Việt, ba câu thoại tiếng Việt, chạy 720p; (2) cảnh văn phòng với ba câu thoại tiếng Anh, chạy cả 720p và 360p để so.
• Cách chấm: cắt khung hình mỗi 3 giây, và nhờ một model khác (gemini-3.8-flash, không được xem kịch bản) chép lại lời thoại từng clip. Dunggi chấm chữ và lời, không chấm giọng Bắc hay khớp môi bằng tai.
• Tổng chi cho phép thử: khoảng 2,47 USD, chừng 63.700đ.

Thoại và chữ tiếng Việt: đúng, kèm một logo lạ

Ảnh minh hoạ tạo bằng AI

Phần lời tốt hơn Dunggi nghĩ. Người khách nói trước, cô bán hàng đáp, người khách nói câu cuối kèm tiếng cười, đúng như kịch bản, gói gọn trong 13 giây đầu. Bản chép lời giữ đủ dấu của cả ba câu, kể cả chữ khó như "quẩy". Đây là kết quả của một clip, không phải cam kết của hãng: tài liệu cho lập trình viên của Google chỉ hứa hỗ trợ đầy đủ tiếng Anh, còn các ngôn ngữ khác "chưa được đánh giá", có thể chạy nhưng kết quả không đều.

Chữ trên hình cũng đúng: biển "Phở Bò Gia Truyền – Mở cửa 6 giờ sáng" có dấu chồng dấu mà không sai chữ nào. Vấn đề nằm ngay bên cạnh: logo VTV ở góc màn hình, như thể đây là phóng sự truyền hình. Đề không nhắc đài, logo hay bản tin nào. Nếu định đăng clip lên trang bán hàng hay fanpage, hãy soi từng khung xem có thương hiệu thật lọt vào không, và ghi thẳng trong đề "không logo kênh, không watermark, không chữ thương hiệu". Ngoài ra, Google cho biết mọi video đều mang watermark SynthID vô hình.

Rẻ hơn ở 360p, nhưng là một cảnh khác

Ảnh minh hoạ tạo bằng AI

Trang giá của Google tính 1.931 token mỗi giây ở 360p so với 5.792 ở 720p, tức khoảng 590đ so với 1.800đ mỗi giây video. Google gợi ý dựng nháp ở 360p hoặc 720p rồi nâng bản ưng ý lên 1080p hay 4K. Nhưng chạy lại cùng đề ở 360p không cho ra bản thu nhỏ của clip 720p: ở phép thử của Dunggi, bản 360p có diễn viên khác, văn phòng khác, bảng trắng đầy chữ vô nghĩa. Muốn tiết kiệm thì chọn bản nháp ưng ý rồi nâng độ phân giải chính nó, đừng chạy lại ở 720p mà mong ra cùng cảnh. Dunggi chưa thử bước nâng độ phân giải.

Dân văn phòng không có thẻ: thử ở Google Vids

Gọi API cần project AI Studio có thanh toán. Trang giá ghi Omni không có gói miễn phí trên API. Google cho biết ai có tài khoản Google hoặc Google Workspace cũng tạo được tối đa 3 video 15 giây mỗi tháng trong Google Vids mà không mất tiền, còn tạo video 15 giây trong app Gemini thì đang mở cho gói Google AI Ultra. Với người cần vài clip giới thiệu sản phẩm mỗi tháng, Vids là đường thử trước khi nạp tiền. Dunggi chưa thử Vids trong lần này: không có trình duyệt đăng nhập sẵn trên máy chạy phép đo, và Dunggi không tự động hoá ứng dụng web của Google. Bài chưa nói được Vids có nhận đề tiếng Việt như API hay không.

Điểm được

• Lời thoại tiếng Việt đúng nguyên văn, đúng dấu, đúng người nói.
• Biển hiệu tiếng Việt đúng dấu, ổn định suốt clip.
• Giá đoán trước được: 5.792 token mỗi giây ở 720p, nên biết tiền trước khi bấm chạy.
• Một lệnh gọi chờ 59–86 giây là có file, không phải tự hỏi lại trạng thái công việc.

Điểm chưa được

• Tự gắn logo của một đài truyền hình thật.
• Bản 360p là cảnh khác, không phải bản xem trước.
• Chữ nền không có trong đề (bảng trắng) thành chữ vô nghĩa ở 360p.

Kết luận của Dunggi

Nên dùng Gemini Omni 1.2 Flash nếu cần clip ngắn có người nói đúng câu tiếng Việt mình viết, như clip giới thiệu món, sản phẩm hay mẹo văn phòng: khoảng 27.000đ cho 15 giây 720p và lời ra đúng nguyên văn. Nhưng hãy tính tiền làm lại: lời thoại ổn, còn bối cảnh và thương hiệu thì không. Một trong ba clip của Dunggi phải bỏ vì logo VTV. Chưa có thẻ hay chỉ cần vài clip một tháng thì thử 3 video miễn phí trong Google Vids trước. Nếu thích trả theo gói tháng thay vì theo giây, xem bảng giá Higgsfield quy ra tiền Việt; cần người dẫn ảo nói trước ống kính thì xem Synthesia gói miễn phí.

Câu hỏi thường gặp

Gemini Omni 1.2 Flash giá bao nhiêu tiền Việt?

Trên API, Google tính khoảng 0,07 USD mỗi giây 720p, tức chừng 1.800đ/giây theo tỉ giá Vietcombank 25.780đ ngày 06/11/2026. Clip 15 giây 720p của Dunggi hết khoảng 27.100đ; 360p khoảng 9.200đ. Nâng lên 1080p là 0,104 USD/giây, 4K là 0,209 USD/giây.

Gemini Omni có nói được tiếng Việt không?

Trong phép thử của Dunggi, clip nói đúng nguyên văn ba câu tiếng Việt và viết đúng biển hiệu có dấu. Tài liệu của Google chỉ hứa hỗ trợ đầy đủ tiếng Anh; tiếng Việt thuộc nhóm "chưa được đánh giá", vì vậy hãy thử vài clip trước khi dùng thật.

Có dùng Gemini Omni miễn phí được không?

Trên API thì không có gói miễn phí. Google cho biết tài khoản Google hoặc Workspace tạo được tối đa 3 video 15 giây mỗi tháng trong Google Vids không mất tiền. Dunggi chưa thử Vids.

Clip Gemini Omni 1.2 Flash dài tối đa bao lâu?

Từ 3 đến 15 giây, chỉnh theo từng giây. Bản 1.1 tối đa 10 giây; từ 03/12/2026 lệnh gọi bản 1.1 trên API sẽ tự chuyển sang 1.2 và tính theo giá 1.2.