Gemini Omni 1.1 Flash API
Gemini Omni 1.1 Flash to szybki, multimodalny model wideo od Google DeepMind, który generuje filmy z tekstu, obrazów i materiałów referencyjnych oraz oferuje natywne audio.
Gemini Omni 1.1 Flash to model multimodalny od Google DeepMind, który łączy przetwarzanie tekstu, obrazu, dźwięku i wideo w jednym API. Generuje filmy na podstawie poleceń tekstowych, pojedynczego obrazu, obrazów i filmów referencyjnych oraz klatek pierwszej i ostatniej, a także tworzy natywne audio, w tym mowę, muzykę i efekty dźwiękowe. Model obsługuje edycję wideo w rozmowie za pomocą poleceń w języku naturalnym i pozwala wydłużać sceny w przyrostach 10-sekundowych dołącznie 40 sekund.
Model sprawdza się w produkcji marketingowej — od briefów kampanii, przez obrazy produktowe i storyboardy, po koncepcje wizualne. Umożliwia konwersacyjne tworzenie storyboardów z iteracyjnym dopracowywaniem sceny, generowanie wideo na podstawie narracji głosowej oraz tworzenie treści objaśniających w wielu językach. Sprawdza się też przy wydłużaniu istniejących klipów i prototypowaniu nowych funkcji AI.
Dzięki połączeniu kilku etapów w jednym wywołaniu API model skraca opóźnienia, obniża koszty i ogranicza liczbę awarii. Tryb roboczy 360p działa do 60% szybciej niż standardowe generowanie 720p, a przy wydłużaniu scen model zachowuje spójność wizualną i ciągłość narracji. Model nie obsługuje generowania i edycji obrazów, ustrukturyzowanych odpowiedzi, instrukcji systemowych, buforowania kontekstu ani dostrajania.
Zaktualizowano:
MODEL ID
gemini-omni-1.1-flash- Kontekst
- 131.072K
- Maks. wyjście
- 65.536K
- Wejście
- text / image / video
- Wyjście
- video
Najważniejsze informacje
- Generuje wideo z tekstu i obrazów
- Natywne audio: mowa, muzyka, efekty
- Edycja wideo w rozmowie
- Wydłużanie scen do 40 sekund
- Tryb roboczy 360p szybszy o 60%
- Content Credentials (C2PA)
Dostawcy
Porównaj ceny API u różnych dostawców. Wybierz dostawcę, aby zobaczyć wszystkie opłaty i warunki.
| Dostępność | |
|---|---|
Dane historyczne nie są kontrolą na żywo. Brak danych nie oznacza awarii.
Rozumowanie
- Domyślny poziom wysiłku
- low
- Zawsze włączone
- Tak
- Dostępne poziomy wysiłku
- high / low
Specyfikacja wideo
- Proporcje obrazu
- 16:9 / 9:16
- Dźwięk · Wyjście
- Tak
- Rozdzielczości
- 720p / 1080p / 4K / 360p
Dokumentacja API
Szczegóły protokołu tego modelu nie zostały opublikowane. Wymagania integracyjne znajdziesz w dokumentacji API.
Dokumentacja API →Obsługiwane parametry
- prompt
- duration
- resolution
- aspect_ratio
- generate_audio
- seed
- size
- frame_images
- input_references
- user
- session_id
- trace
Często zadawane pytania
Co to jest Gemini Omni 1.1 Flash?
Gemini Omni 1.1 Flash to model multimodalny od Google DeepMind, który łączy przetwarzanie tekstu, obrazu, dźwięku i wideo w jednym API. Generuje filmy na podstawie poleceń tekstowych, pojedynczego obrazu, obrazów i filmów referencyjnych oraz klatek pierwszej i ostatniej, a także tworzy natywne audio, w tym mowę, muzykę i efekty dźwiękowe. Model obsługuje edycję wideo w rozmowie za pomocą poleceń w języku naturalnym i pozwala wydłużać sceny w przyrostach 10-sekundowych dołącznie 40 sekund. Model sprawdza się w produkcji marketingowej — od briefów kampanii, przez obrazy produktowe i storyboardy, po koncepcje wizualne. Umożliwia konwersacyjne tworzenie storyboardów z iteracyjnym dopracowywaniem sceny, generowanie wideo na podstawie narracji głosowej oraz tworzenie treści objaśniających w wielu językach. Sprawdza się też przy wydłużaniu istniejących klipów i prototypowaniu nowych funkcji AI. Dzięki połączeniu kilku etapów w jednym wywołaniu API model skraca opóźnienia, obniża koszty i ogranicza liczbę awarii. Tryb roboczy 360p działa do 60% szybciej niż standardowe generowanie 720p, a przy wydłużaniu scen model zachowuje spójność wizualną i ciągłość narracji. Model nie obsługuje generowania i edycji obrazów, ustrukturyzowanych odpowiedzi, instrukcji systemowych, buforowania kontekstu ani dostrajania.
Jak rozliczane jest użycie?
Rachunek zależy od wybranego dostawcy, jego cen i faktycznego zużycia. Dłuższe dane wejściowe lub inne warunki mogą mieć inne ceny. Rozliczane według rzeczywistego kosztu generowania. Ostateczną kwotę znajdziesz na rachunku.
Jakie dane wejściowe obsługuje Gemini Omni 1.1 Flash?
Model przyjmuje tekst, obrazy, dźwięk i wideo. Może też korzystać z obrazów i filmów referencyjnych oraz klatek pierwszej i ostatniej.
Jakie dane wyjściowe generuje model?
Model generuje wideo wraz z natywnym audio, w tym mową, muzyką i efektami dźwiękowymi.
Jak długie sceny można tworzyć?
Model wydłuża sceny w przyrostach 10-sekundowych do łącznie 40 sekund.
Czym różni się tryb roboczy 360p od standardowego generowania?
Tryb roboczy 360p działa do 60% szybciej niż standardowe generowanie 720p i kosztuje jedną trzecią ceny standardowego generowania 720p.
Jakie są ograniczenia modelu?
Model nie obsługuje generowania ani edycji obrazów, ustrukturyzowanych odpowiedzi, instrukcji systemowych, buforowania kontekstu ani dostrajania. Przegląd z maja 2026 r. odnotował limit czterech tur edycji.
Powiązane modele
Gemini Omni 1.2 Flash
GoogleWideogemini-omni-1.2-flashGemini Omni 1.2 Flash to model Google do generowania i edycji wideo z tekstu, obrazów, dźwięku i wideo, z rozumieniem fizyki i kontekstu kulturowego, dostępny w publicznym podglądzie.
Rozdzielczość
720p / 1080p / 4K / 360p
Czas trwania
—
Rozliczane według rzeczywistego kosztu generowania. Ostateczną kwotę znajdziesz na rachunku.
Veo 3.1 Fast
GoogleWideoveo-3.1-fastVeo 3.1 Fast to model Google do generowania wideo z tekstu i obrazów, dostępny w Google Cloud Model Garden i przeznaczony do tworzenia wysokiej jakości treści wideo.
Rozdzielczość
720p / 1080p / 4K
Czas trwania
—
Rozliczane według rzeczywistego kosztu generowania. Ostateczną kwotę znajdziesz na rachunku.