Gemini Omni 1.1 Flash API
Gemini Omni 1.1 Flash एक तेज़ मल्टीमॉडल वीडियो मॉडल है जो टेक्स्ट, इमेज, ऑडियो और वीडियो इनपुट से वीडियो और नेटिव ऑडियो आउटपुट देता है।
Gemini Omni 1.1 Flash, Google DeepMind द्वारा विकसित एक मल्टीमॉडल वीडियो मॉडल है जो टेक्स्ट, इमेज, ऑडियो और वीडियो इनपुट स्वीकार करता है और वीडियो तथा नेटिव ऑडियो आउटपुट उत्पन्न करता है। यह टेक्स्ट प्रॉम्प्ट, एकल इमेज, संदर्भ इमेज और वीडियो, तथा पहले और अंतिम फ्रेम से वीडियो बना सकता है। यह दृश्यों को 10-सेकंड वृद्धि में कुल 40 सेकंड तक बढ़ा सकता है और प्राकृतिक भाषा निर्देशों के माध्यम से संवादात्मक वीडियो संपादन का समर्थन करता है।
यह मॉडल वीडियो के साथ-साथ भाषण, संगीत और ध्वनि प्रभाव सहित नेटिव ऑडियो उत्पन्न करता है। यह 360p ड्राफ्ट मोड, 720p जनरेशन और 4K अपसैंपलिंग प्रदान करता है, तथा 7 संदर्भ इमेज और 3 संदर्भ वीडियो तक स्वीकार करता है। Content Credentials (C2PA) समर्थन के साथ, यह टेक्स्ट, इमेज, ऑडियो और वीडियो प्रोसेसिंग को एक ही API में एकीकृत करता है।
यह मार्केटिंग उत्पादन, संवादात्मक स्टोरीबोर्डिंग, वॉइसओवर-संचालित वीडियो जनरेशन, बहुभाषी व्याख्यात्मक सामग्री, मौजूदा क्लिप को प्रॉम्प्ट के साथ बढ़ाने और नए AI फीचर्स के प्रोटोटाइपिंग के लिए उपयुक्त है। यह तेज़ और लागत-कुशल है, तथा कई मॉडलों की आवश्यकता वाली पाइपलाइन को एकल API कॉल में समाहित करता है।
अपडेट किया गया:
मॉडल ID
gemini-omni-1.1-flash- कॉन्टेक्स्ट
- 131.072K
- अधिकतम आउटपुट
- 65.536K
- इनपुट
- text / image / video
- आउटपुट
- video
मुख्य बातें
- मल्टीमॉडल इनपुट: टेक्स्ट, इमेज, ऑडियो, वीडियो
- वीडियो और नेटिव ऑडियो आउटपुट
- 360p ड्राफ्ट मोड 720p से 60% तक तेज़
- 7 संदर्भ इमेज और 3 संदर्भ वीडियो तक
- 10-सेकंड वृद्धि में 40 सेकंड तक विस्तार
- Content Credentials (C2PA) समर्थन
प्रदाता
प्रदाताओं के बीच API कीमतों की तुलना करें। सभी शुल्क और शर्तें देखने के लिए किसी प्रदाता को चुनें।
| उपलब्धता | |
|---|---|
ऐतिहासिक आँकड़े लाइव स्थिति जाँच नहीं हैं। डेटा न होना सेवा बंद होने का संकेत नहीं है।
रीज़निंग
- डिफ़ॉल्ट प्रयास
- low
- हमेशा सक्षम
- हाँ
- उपलब्ध प्रयास स्तर
- high / low
वीडियो विनिर्देश
- आस्पेक्ट अनुपात
- 16:9 / 9:16
- ऑडियो · आउटपुट
- हाँ
- रेज़ोल्यूशन
- 720p / 1080p / 4K / 360p
API संदर्भ
इस मॉडल के प्रोटोकॉल विवरण प्रकाशित नहीं हैं। इंटीग्रेशन आवश्यकताओं के लिए API संदर्भ देखें।
API संदर्भ →समर्थित पैरामीटर
- prompt
- duration
- resolution
- aspect_ratio
- generate_audio
- seed
- size
- frame_images
- input_references
- user
- session_id
- trace
अक्सर पूछे जाने वाले प्रश्न
मॉडल परिचय: Gemini Omni 1.1 Flash?
Gemini Omni 1.1 Flash, Google DeepMind द्वारा विकसित एक मल्टीमॉडल वीडियो मॉडल है जो टेक्स्ट, इमेज, ऑडियो और वीडियो इनपुट स्वीकार करता है और वीडियो तथा नेटिव ऑडियो आउटपुट उत्पन्न करता है। यह टेक्स्ट प्रॉम्प्ट, एकल इमेज, संदर्भ इमेज और वीडियो, तथा पहले और अंतिम फ्रेम से वीडियो बना सकता है। यह दृश्यों को 10-सेकंड वृद्धि में कुल 40 सेकंड तक बढ़ा सकता है और प्राकृतिक भाषा निर्देशों के माध्यम से संवादात्मक वीडियो संपादन का समर्थन करता है। यह मॉडल वीडियो के साथ-साथ भाषण, संगीत और ध्वनि प्रभाव सहित नेटिव ऑडियो उत्पन्न करता है। यह 360p ड्राफ्ट मोड, 720p जनरेशन और 4K अपसैंपलिंग प्रदान करता है, तथा 7 संदर्भ इमेज और 3 संदर्भ वीडियो तक स्वीकार करता है। Content Credentials (C2PA) समर्थन के साथ, यह टेक्स्ट, इमेज, ऑडियो और वीडियो प्रोसेसिंग को एक ही API में एकीकृत करता है। यह मार्केटिंग उत्पादन, संवादात्मक स्टोरीबोर्डिंग, वॉइसओवर-संचालित वीडियो जनरेशन, बहुभाषी व्याख्यात्मक सामग्री, मौजूदा क्लिप को प्रॉम्प्ट के साथ बढ़ाने और नए AI फीचर्स के प्रोटोटाइपिंग के लिए उपयुक्त है। यह तेज़ और लागत-कुशल है, तथा कई मॉडलों की आवश्यकता वाली पाइपलाइन को एकल API कॉल में समाहित करता है।
उपयोग का शुल्क कैसे लगता है?
आपका बिल इस बात पर निर्भर करता है कि आप कौन-सा प्रदाता उपयोग करते हैं, उसकी कीमतें और आपका उपयोग। लंबे इनपुट या अन्य शर्तों पर अलग कीमतें लागू हो सकती हैं। वास्तविक जनरेशन लागत के आधार पर शुल्क लिया जाता है। अंतिम राशि के लिए अपना बिल देखें।
यह मॉडल कौन-कौन से इनपुट स्वीकार करता है?
यह टेक्स्ट, इमेज, ऑडियो और वीडियो इनपुट स्वीकार करता है।
यह किस प्रकार का आउटपुट देता है?
यह वीडियो और नेटिव ऑडियो आउटपुट उत्पन्न करता है।
क्या यह इमेज जनरेशन या संपादन का समर्थन करता है?
नहीं, यह इमेज जनरेशन और इमेज संपादन का समर्थन नहीं करता है।
क्या यह संरचित आउटपुट या सिस्टम निर्देशों का समर्थन करता है?
नहीं, यह संरचित आउटपुट, सिस्टम निर्देश, संदर्भ कैशिंग और ट्यूनिंग का समर्थन नहीं करता है।
यह किन कार्यों के लिए उपयुक्त है?
यह मार्केटिंग उत्पादन, संवादात्मक स्टोरीबोर्डिंग, वॉइसओवर-संचालित वीडियो जनरेशन, बहुभाषी व्याख्यात्मक सामग्री, क्लिप विस्तार और AI फीचर प्रोटोटाइपिंग के लिए उपयुक्त है।
क्या इसका कोई संवादात्मक संपादन में सीमा है?
मई 2026 की समीक्षा में 4-टर्न संपादन सीमा दर्ज की गई थी।
संबंधित मॉडल
Gemini Omni 1.2 Flash
Googleवीडियोgemini-omni-1.2-flashGemini Omni 1.2 Flash एक संवादात्मक वीडियो मॉडल है जो टेक्स्ट, छवि, ऑडियो और वीडियो इनपुट से वीडियो बनाता और संपादित करता है।
रेज़ोल्यूशन
720p / 1080p / 4K / 360p
अवधि
—
वास्तविक जनरेशन लागत के आधार पर शुल्क लिया जाता है। अंतिम राशि के लिए अपना बिल देखें।
Veo 3.1 Fast
Googleवीडियोveo-3.1-fastGoogle का अग्रणी वीडियो जनरेशन मॉडल, जो टेक्स्ट और इमेज से वीडियो बनाता है।
रेज़ोल्यूशन
720p / 1080p / 4K
अवधि
—
वास्तविक जनरेशन लागत के आधार पर शुल्क लिया जाता है। अंतिम राशि के लिए अपना बिल देखें।