Gemini Omni 1.1 Flash API
Gemini Omni 1.1 Flash de Google DeepMind est un modèle multimodal rapide et économique qui génère des vidéos avec audio natif à partir de texte, d'images, de sons et de vidéos.
Gemini Omni 1.1 Flash est un modèle vidéo multimodal signé Google DeepMind. Il accepte en entrée du texte, des images, de l'audio et de la vidéo, et produit en sortie de la vidéo accompagnée d'un audio natif incluant parole, musique et effets sonores. Il génère une vidéo à partir d'un simple prompt texte, d'une image unique, d'images et de vidéos de référence, ou encore de première et dernière images pour une interpolation. Il accepte jusqu'à 7 images et 3 vidéos de référence, et permet d'étendre une scène par paliers de 10 secondes jusqu'à un total de 40 secondes.
Le modèle se distingue par son mode brouillon 360p, jusqu'à 60 % plus rapide que la génération standard en 720p, ainsi que par la génération en 720p et le suréchantillonnage en 4K. L'édition conversationnelle en langage naturel permet d'affiner une scène par itérations successives tout en conservant la cohérence visuelle et le fil narratif lors de l'extension de scène. Il intègre les Content Credentials (C2PA) pour la traçabilité et unifie le traitement du texte, de l'image, de l'audio et de la vidéo dans une seule API, ce qui remplace une chaîne qui aurait autrement nécessité trois à quatre modèles distincts, avec à la clé moins de latence, de coûts et de défaillances.
Il convient particulièrement à la production marketing à partir de briefs de campagne, d'images produit, de storyboards et de concepts visuels, au storyboarding conversationnel, à la génération de vidéos guidées par une voix off, aux contenus explicatifs multilingues, à l'extension de clips existants par prompts et au prototypage de nouvelles fonctionnalités IA. Le modèle ne génère ni n'édite d'images, ne prend pas en charge les sorties structurées, les instructions système, la mise en cache du contexte ni l'affinage, et une revue pratique de mai 2026 a documenté un plafond de 4 tours d'édition.
Mis à jour:
ID DU MODÈLE
gemini-omni-1.1-flash- Contexte
- 131.072K
- Sortie max.
- 65.536K
- Entrée
- text / image / video
- Sortie
- video
Points clés
- Vidéo avec audio natif en une seule API
- Jusqu'à 7 images et 3 références vidéo
- Mode brouillon 360p jusqu'à 60 % plus rapide
- Scènes étendues jusqu'à 40 secondes
- Édition conversationnelle en langage naturel
- Content Credentials (C2PA) intégrés
Fournisseurs
Comparez les prix des API entre fournisseurs. Sélectionnez un fournisseur pour voir tous les tarifs et conditions.
| Disponibilité | |
|---|---|
Les statistiques historiques ne sont pas un contrôle en direct. Une donnée manquante ne signifie pas une panne.
Raisonnement
- Niveau d'effort par défaut
- low
- Toujours activé
- Oui
- Niveaux d'effort disponibles
- high / low
Spécifications vidéo
- Formats d'image
- 16:9 / 9:16
- Audio · Sortie
- Oui
- Résolutions
- 720p / 1080p / 4K / 360p
Référence API
Les détails du protocole de ce modèle ne sont pas publiés. Consultez la référence API pour les exigences d'intégration.
Référence API →Paramètres pris en charge
- prompt
- duration
- resolution
- aspect_ratio
- generate_audio
- seed
- size
- frame_images
- input_references
- user
- session_id
- trace
Questions fréquentes
Qu'est-ce que Gemini Omni 1.1 Flash?
Gemini Omni 1.1 Flash est un modèle vidéo multimodal signé Google DeepMind. Il accepte en entrée du texte, des images, de l'audio et de la vidéo, et produit en sortie de la vidéo accompagnée d'un audio natif incluant parole, musique et effets sonores. Il génère une vidéo à partir d'un simple prompt texte, d'une image unique, d'images et de vidéos de référence, ou encore de première et dernière images pour une interpolation. Il accepte jusqu'à 7 images et 3 vidéos de référence, et permet d'étendre une scène par paliers de 10 secondes jusqu'à un total de 40 secondes. Le modèle se distingue par son mode brouillon 360p, jusqu'à 60 % plus rapide que la génération standard en 720p, ainsi que par la génération en 720p et le suréchantillonnage en 4K. L'édition conversationnelle en langage naturel permet d'affiner une scène par itérations successives tout en conservant la cohérence visuelle et le fil narratif lors de l'extension de scène. Il intègre les Content Credentials (C2PA) pour la traçabilité et unifie le traitement du texte, de l'image, de l'audio et de la vidéo dans une seule API, ce qui remplace une chaîne qui aurait autrement nécessité trois à quatre modèles distincts, avec à la clé moins de latence, de coûts et de défaillances. Il convient particulièrement à la production marketing à partir de briefs de campagne, d'images produit, de storyboards et de concepts visuels, au storyboarding conversationnel, à la génération de vidéos guidées par une voix off, aux contenus explicatifs multilingues, à l'extension de clips existants par prompts et au prototypage de nouvelles fonctionnalités IA. Le modèle ne génère ni n'édite d'images, ne prend pas en charge les sorties structurées, les instructions système, la mise en cache du contexte ni l'affinage, et une revue pratique de mai 2026 a documenté un plafond de 4 tours d'édition.
Comment l'usage est-il facturé ?
Votre facture dépend du fournisseur utilisé, de ses tarifs et de votre usage. Des entrées plus longues ou d'autres conditions peuvent avoir des tarifs différents. Facturé selon le coût réel de génération. Consultez votre facture pour le montant final.
Quels types d'entrées le modèle accepte-t-il ?
Il accepte du texte, des images, de l'audio et de la vidéo, avec jusqu'à 7 images et 3 vidéos de référence.
Quelles sorties produit-il ?
Il génère de la vidéo accompagnée d'un audio natif comprenant parole, musique et effets sonores. Il ne génère ni n'édite d'images.
Peut-on allonger une séquence existante ?
Oui, les scènes peuvent être étendues par paliers de 10 secondes jusqu'à un total de 40 secondes, en conservant la cohérence visuelle et le fil narratif.
Quelles résolutions sont disponibles ?
Le modèle propose un mode brouillon 360p, une génération en 720p et un suréchantillonnage en 4K.
Comment se compare-t-il aux autres modèles de la série ?
Cette version est une publication en disponibilité générale ; la version preview antérieure est dépréciée au profit du modèle 1.2 Flash.
Modèles liés
Gemini Omni 1.2 Flash
GoogleVidéogemini-omni-1.2-flashGemini Omni 1.2 Flash est un modèle Google de génération et d'édition vidéo conversationnelle, acceptant texte, images, audio et vidéo en entrée et produisant de la vidéo.
Résolution
720p / 1080p / 4K / 360p
Durée
—
Facturé selon le coût réel de génération. Consultez votre facture pour le montant final.
Veo 3.1 Fast
GoogleVidéoveo-3.1-fastVeo 3.1 Fast est un modèle Google de génération vidéo à partir de texte ou d'images, conçu pour la création cinématographique de haute qualité.
Résolution
720p / 1080p / 4K
Durée
—
Facturé selon le coût réel de génération. Consultez votre facture pour le montant final.