Gemini Omni 1.1 Flash API
Gemini Omni 1.1 Flash od Google DeepMind je rychlý multimodální model pro generování videa z textu, obrázků, zvuku a dalších videí, který v jednom API sjednocuje zpracování textu, obrazu, zvuku a videa.
Gemini Omni 1.1 Flash je multimodální model od Google DeepMind, který přijímá text, obrázky, zvuk a video a vytváří video s nativním zvukem. Umí generovat video z textových zadání, z jediného obrázku, z referenčních obrázků a videí nebo interpolací mezi prvním a posledním snímkem. Nativní zvuk zahrnuje řeč, hudbu i zvukové efekty a scény lze prodlužovat po 10sekundových krocích až do celkových 40 sekund. Konverzační úpravy videa probíhají přirozeným jazykem a model přijímá až 7 referenčních obrázků a 3 referenční videa.
Model je vhodný pro marketingovou produkci z kampaňových zadání, produktových fotografií, storyboardů a vizuálních konceptů. Podporuje konverzační tvorbu storyboardů s postupným laděním scény, generování videa řízené voiceoverem a vícejazyčný vysvětlující obsah. Díky možnosti prodlužovat existující klipy pomocí zadání se hodí i pro prototypování nových AI funkcí. Oproti pipeline, která by jinak vyžadovala tři až čtyři samostatné modely, zvládne vše jedním voláním API, což snižuje latenci, náklady i míru selhání.
K dispozici je konceptový režim 360p, generování v 720p a upsampling do 4K; konceptový režim 360p běží až o 60 % rychleji než standardní generování v 720p a stojí třetinu ceny standardního generování v 720p. Model podporuje Content Credentials (C2PA) pro sledování původu obsahu a je dostupný přes Gemini API, Agent Platform od Google Cloud a nástroje třetích stran, jako jsou Comfy a Nenis. Negeneruje ani needituje obrázky, nepodporuje strukturovaný výstup, systémové instrukce, cachování kontextu ani tuning a recenze z května 2026 zaznamenala limit čtyř tahů při úpravách.
Aktualizováno:
MODEL ID
gemini-omni-1.1-flash- Kontext
- 131.072K
- Max. výstup
- 65.536K
- Vstup
- text / image / video
- Výstup
- video
Hlavní body
- Video z textu, obrázků i videí
- Nativní zvuk včetně řeči a hudby
- Scény až do 40 sekund
- Koncept360p,720p a 4K upsampling
- Až 7 referenčních obrázků a 3 videa
- Content Credentials (C2PA)
Poskytovatelé
Porovnejte ceny API u různých poskytovatelů. Vyberte poskytovatele a zobrazte všechny poplatky a podmínky.
| Dostupnost | |
|---|---|
Historická data nejsou kontrolou v reálném čase. Chybějící data neznamenají výpadek.
Uvažování
- Výchozí úroveň úsilí
- low
- Vždy zapnuto
- Ano
- Dostupné úrovně úsilí
- high / low
Specifikace videa
- Poměry stran
- 16:9 / 9:16
- Zvuk · Výstup
- Ano
- Rozlišení
- 720p / 1080p / 4K / 360p
Reference API
Podrobnosti o protokolu tohoto modelu nejsou zveřejněny. Požadavky na integraci najdete v referenci API.
Reference API →Podporované parametry
- prompt
- duration
- resolution
- aspect_ratio
- generate_audio
- seed
- size
- frame_images
- input_references
- user
- session_id
- trace
Časté dotazy
Co je Gemini Omni 1.1 Flash?
Gemini Omni 1.1 Flash je multimodální model od Google DeepMind, který přijímá text, obrázky, zvuk a video a vytváří video s nativním zvukem. Umí generovat video z textových zadání, z jediného obrázku, z referenčních obrázků a videí nebo interpolací mezi prvním a posledním snímkem. Nativní zvuk zahrnuje řeč, hudbu i zvukové efekty a scény lze prodlužovat po 10sekundových krocích až do celkových 40 sekund. Konverzační úpravy videa probíhají přirozeným jazykem a model přijímá až 7 referenčních obrázků a 3 referenční videa. Model je vhodný pro marketingovou produkci z kampaňových zadání, produktových fotografií, storyboardů a vizuálních konceptů. Podporuje konverzační tvorbu storyboardů s postupným laděním scény, generování videa řízené voiceoverem a vícejazyčný vysvětlující obsah. Díky možnosti prodlužovat existující klipy pomocí zadání se hodí i pro prototypování nových AI funkcí. Oproti pipeline, která by jinak vyžadovala tři až čtyři samostatné modely, zvládne vše jedním voláním API, což snižuje latenci, náklady i míru selhání. K dispozici je konceptový režim 360p, generování v 720p a upsampling do 4K; konceptový režim 360p běží až o 60 % rychleji než standardní generování v 720p a stojí třetinu ceny standardního generování v 720p. Model podporuje Content Credentials (C2PA) pro sledování původu obsahu a je dostupný přes Gemini API, Agent Platform od Google Cloud a nástroje třetích stran, jako jsou Comfy a Nenis. Negeneruje ani needituje obrázky, nepodporuje strukturovaný výstup, systémové instrukce, cachování kontextu ani tuning a recenze z května 2026 zaznamenala limit čtyř tahů při úpravách.
Jak se využití účtuje?
Faktura závisí na zvoleném poskytovateli, jeho cenách a vašem využití. Delší vstupy nebo jiné podmínky mohou mít jiné ceny. Účtováno podle skutečných nákladů na generování. Konečnou částku najdete ve faktuře.
Jaké vstupy model přijímá?
Přijímá text, obrázky, zvuk a video. Na výstupu poskytuje video s nativním zvukem.
Jak dlouhé video lze vytvořit?
Scény lze prodlužovat po 10sekundových krocích až do celkových 40 sekund.
Jaké úlohy model zvládne?
Generuje video z textu, z jediného obrázku, z referenčních obrázků a videí i interpolací mezi prvním a posledním snímkem. Podporuje také konverzační úpravy videa přirozeným jazykem.
Čím se liší od jiných modelů řady Gemini Omni?
Je to rychlý a nákladově efektivní multimodální model pro video, který spojuje několik kroků do jednoho volání API. Dřívější náhledová verze je nahrazena modelem 1.2 Flash.
Jaké má model limity?
Negeneruje ani needituje obrázky, nepodporuje strukturovaný výstup, systémové instrukce, cachování kontextu ani tuning. Recenze z května 2026 zaznamenala limit čtyř tahů při úpravách.
Jak funguje konceptový režim 360p?
Konceptový režim 360p běží až o 60 % rychleji než standardní generování v 720p a stojí třetinu ceny standardního generování v 720p.
Související modely
Gemini Omni 1.2 Flash
GoogleVideogemini-omni-1.2-flashModel Gemini Omni 1.2 Flash od Googlu generuje a upravuje video z textu, obrázků, zvuku a videa v rychlém konverzačním režimu a v žebříčku Video Arena Elo dosahuje 1404 bodů.
Rozlišení
720p / 1080p / 4K / 360p
Délka
—
Účtováno podle skutečných nákladů na generování. Konečnou částku najdete ve faktuře.
Veo 3.1 Fast
GoogleVideoveo-3.1-fastVeo 3.1 Fast je od Googlu model pro generování videa, který vytváří video z textového zadání nebo z obrázku a je určený pro tvorbu filmově laděných výstupů.
Rozlišení
720p / 1080p / 4K
Délka
—
Účtováno podle skutečných nákladů na generování. Konečnou částku najdete ve faktuře.