Gemini Omni 1.2 Flash API
Modelo de Google que genera y edita vídeo a partir de texto, imágenes, audio y vídeo mediante conversación en lenguaje natural, con una sólida comprensión de la física y el contexto cultural.
Gemini Omni 1.2 Flash es un modelo de Google que crea y edita vídeo de forma conversacional. Acepta combinaciones de texto, imágenes, audio y vídeo como entrada y produce vídeo como salida. Puede generar clips a partir de texto e imágenes, y permite refinar el resultado mediante instrucciones en lenguaje natural sin reiniciar todo el proceso creativo.
El modelo admite creación guiada por referencias, usando imágenes de personajes, escenas o dibujos, y demuestra una comprensión intuitiva mejorada de la física, incluida la gravedad, la energía cinética y la dinámica de fluidos. Además, se apoya en el conocimiento de Gemini sobre historia, ciencia y contexto cultural, lo que le permite pasar del fotorrealismo a una narrativa con significado.
Es adecuado para tareas como borradores de anuncios para redes sociales, clips de lanzamiento de productos, anuncios de movimiento para comercio electrónico, vídeos de demostración de aplicaciones, variantes de campañas estacionales, pruebas de creatividades de rendimiento, maquetas breves al estilo de influencers, tráilers y avances de jugabilidad, y vídeos explicativos a partir de indicaciones cortas. En su lanzamiento, Gemini Omni Flash generaba clips de 10 segundos y se lanzó en vista previa pública; inicialmente no tenía soporte de API para referencias de audio ni extensión de escenas, y presentaba limitaciones de consistencia de personajes en algunos cambios de escena y movimientos de paneo.
Actualizado:
ID DEL MODELO
gemini-omni-1.2-flash- Contexto
- 131.072K
- Salida máx.
- 65.536K
- Entrada
- text / image / video
- Salida
- video
Aspectos destacados
- Generación de vídeo desde texto e imágenes
- Edición conversacional en lenguaje natural
- Entrada combinada de texto, imagen, audio y vídeo
- Creación guiada por referencias visuales
- Comprensión mejorada de la física
- Conocimiento histórico, científico y cultural
Proveedores
Compara los precios de API entre proveedores. Selecciona un proveedor para ver todos los cargos y condiciones.
| Disponibilidad | |
|---|---|
Las estadísticas históricas no son una comprobación en tiempo real. La falta de datos no implica una interrupción.
Benchmarks
- 1404
Elo de Video Arena
Primer puesto general; Gemini Omni Flash
Puntuaciones según lo publicado por el proveedor del modelo.
Razonamiento
- Esfuerzo predeterminado
- low
- Siempre activado
- Sí
- Niveles de esfuerzo disponibles
- high / low
Especificaciones de vídeo
- Relaciones de aspecto
- 16:9 / 9:16
- Audio · Salida
- Sí
- Resoluciones
- 720p / 1080p / 4K / 360p
Referencia de la API
Los detalles del protocolo de este modelo no están publicados. Consulta la referencia de la API para los requisitos de integración.
Referencia de la API →Parámetros compatibles
- prompt
- duration
- resolution
- aspect_ratio
- generate_audio
- seed
- size
- frame_images
- input_references
- user
- session_id
- trace
Preguntas frecuentes
¿Qué es Gemini Omni 1.2 Flash?
Gemini Omni 1.2 Flash es un modelo de Google que crea y edita vídeo de forma conversacional. Acepta combinaciones de texto, imágenes, audio y vídeo como entrada y produce vídeo como salida. Puede generar clips a partir de texto e imágenes, y permite refinar el resultado mediante instrucciones en lenguaje natural sin reiniciar todo el proceso creativo. El modelo admite creación guiada por referencias, usando imágenes de personajes, escenas o dibujos, y demuestra una comprensión intuitiva mejorada de la física, incluida la gravedad, la energía cinética y la dinámica de fluidos. Además, se apoya en el conocimiento de Gemini sobre historia, ciencia y contexto cultural, lo que le permite pasar del fotorrealismo a una narrativa con significado. Es adecuado para tareas como borradores de anuncios para redes sociales, clips de lanzamiento de productos, anuncios de movimiento para comercio electrónico, vídeos de demostración de aplicaciones, variantes de campañas estacionales, pruebas de creatividades de rendimiento, maquetas breves al estilo de influencers, tráilers y avances de jugabilidad, y vídeos explicativos a partir de indicaciones cortas. En su lanzamiento, Gemini Omni Flash generaba clips de 10 segundos y se lanzó en vista previa pública; inicialmente no tenía soporte de API para referencias de audio ni extensión de escenas, y presentaba limitaciones de consistencia de personajes en algunos cambios de escena y movimientos de paneo.
¿Cómo se cobra el uso?
Tu factura depende del proveedor que uses, de sus precios y de tu uso. Las entradas más largas u otras condiciones pueden tener precios distintos. Se factura según el costo real de generación. Consulta tu factura para el importe final.
¿Qué tipos de entrada acepta Gemini Omni 1.2 Flash?
Acepta combinaciones de texto, imágenes, audio y vídeo como entrada, y produce vídeo como salida.
¿Cómo se edita el vídeo generado?
La edición se realiza mediante conversación en lenguaje natural, lo que permite refinar el resultado sin reiniciar todo el proceso creativo.
¿Para qué tareas está pensado?
Está orientado a la creación rápida de vídeo conversacional, como borradores de anuncios para redes sociales, clips de lanzamiento de productos, anuncios de movimiento para comercio electrónico y vídeos explicativos a partir de indicaciones cortas.
¿Qué diferencia hay con Gemini Omni 1.1 Flash?
Gemini Omni 1.1 Flash amplía las escenas hasta 40 segundos de longitud acumulada total, analiza hasta 10 segundos de contexto previo, permite especificar fotogramas de inicio y fin, ofrece salida de alta resolución de hasta 4K y vistas previas de 360p para iterar más rápido.
¿Dónde está disponible Gemini Omni Flash?
Gemini Omni Flash está disponible en vista previa pública en Google AI Studio y en la API de Gemini.
Modelos relacionados
Gemini Omni 1.1 Flash
GoogleVídeogemini-omni-1.1-flashGemini Omni 1.1 Flash es un modelo multimodal rápido y eficiente de Google DeepMind que genera vídeo con audio nativo a partir de texto, imágenes, audio o vídeo, unificando todo el flujo en una sola API.
Resolución
720p / 1080p / 4K / 360p
Duración
—
Se factura según el costo real de generación. Consulta tu factura para el importe final.
Veo 3.1 Fast
GoogleVídeoveo-3.1-fastModelo de generación de vídeo de Google que crea vídeos cinematográficos a partir de texto o de imágenes dentro de Google Cloud Model Garden.
Resolución
720p / 1080p / 4K
Duración
—
Se factura según el costo real de generación. Consulta tu factura para el importe final.