Felo API PlatformFelo API Platform
Zpět na modely

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

1 poskytovatelů

Porovnejte ceny API u různých poskytovatelů. Vyberte poskytovatele a zobrazte všechny poplatky a podmínky.

Poskytovatel · Podrobnosti k cenám
Dostupnost

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