Gemini Omni 1.2 Flash API
Gemini 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.
Gemini Omni 1.2 Flash to model firmy Google, który generuje wideo na podstawie tekstu i obrazów oraz pozwala edytować materiał wideo w rozmowie w języku naturalnym. Przyjmuje dowolne kombinacje tekstu, obrazów, dźwięku i wideo, a także wspiera tworzenie oparte na referencjach, takich jak wizerunki postaci, sceny czy rysunki. Model lepiej rozumie fizykę scen, w tym grawitację, energię kinetyczną i dynamikę płynów, i czerpie z wiedzy Gemini o historii, nauce i kontekście kulturowym.
Model sprawdza się w szybkim tworzeniu i iteracyjnym poprawianiu materiałów wideo: szkiców reklam społecznościowych, klipów premier produktów, animowanych reklam e-commerce, filmów demonstracyjnych aplikacji, wariantów kampanii sezonowych, testów kreacji performance, krótkich mockupów w stylu influencerskim, zwiastunów i zapowiedzi rozgrywki oraz objaśnień tworzonych na podstawie krótkich promptów. Edycja konwersacyjna pozwala wprowadzać zmiany bez rozpoczynania całego procesu twórczego od nowa, a realistyczne sceny oparte na rozumieniu fizyki łączą fotorealizm z opowiadaniem historii.
W momencie premiery Gemini Omni Flash generował 10-sekundowe klipy i był udostępniony w publicznym podglądzie w Google AI Studio oraz Gemini API. Początkowo nie obsługiwał referencji audio ani przedłużania scen przez API, a spójność postaci bywała ograniczona przy niektórych zmianach scen i ruchach kamery. W Video Arena Gemini Omni Flash zajmuje pierwsze miejsce z wynikiem Elo 1404, wyprzedzając Seedance 2.0 Mini o 101 punktów Elo.
Zaktualizowano:
MODEL ID
gemini-omni-1.2-flash- Kontekst
- 131.072K
- Maks. wyjście
- 65.536K
- Wejście
- text / image / video
- Wyjście
- video
Najważniejsze informacje
- Generuje wideo z tekstu i obrazów
- Edytuje wideo w rozmowie
- Przyjmuje tekst, obrazy, dźwięk i wideo
- Tworzy na podstawie referencji postaci i scen
- Rozumie grawitację i dynamikę płynów
- Pierwsze miejsce w Video Arena
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.
Benchmarki
- 1404
Video Arena Elo
pierwsze miejsce w rankingu ogólnym; Gemini Omni Flash
Wyniki zgodnie z publikacją dostawcy modelu.
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 1.2 Flash?
Gemini Omni 1.2 Flash to model firmy Google, który generuje wideo na podstawie tekstu i obrazów oraz pozwala edytować materiał wideo w rozmowie w języku naturalnym. Przyjmuje dowolne kombinacje tekstu, obrazów, dźwięku i wideo, a także wspiera tworzenie oparte na referencjach, takich jak wizerunki postaci, sceny czy rysunki. Model lepiej rozumie fizykę scen, w tym grawitację, energię kinetyczną i dynamikę płynów, i czerpie z wiedzy Gemini o historii, nauce i kontekście kulturowym. Model sprawdza się w szybkim tworzeniu i iteracyjnym poprawianiu materiałów wideo: szkiców reklam społecznościowych, klipów premier produktów, animowanych reklam e-commerce, filmów demonstracyjnych aplikacji, wariantów kampanii sezonowych, testów kreacji performance, krótkich mockupów w stylu influencerskim, zwiastunów i zapowiedzi rozgrywki oraz objaśnień tworzonych na podstawie krótkich promptów. Edycja konwersacyjna pozwala wprowadzać zmiany bez rozpoczynania całego procesu twórczego od nowa, a realistyczne sceny oparte na rozumieniu fizyki łączą fotorealizm z opowiadaniem historii. W momencie premiery Gemini Omni Flash generował 10-sekundowe klipy i był udostępniony w publicznym podglądzie w Google AI Studio oraz Gemini API. Początkowo nie obsługiwał referencji audio ani przedłużania scen przez API, a spójność postaci bywała ograniczona przy niektórych zmianach scen i ruchach kamery. W Video Arena Gemini Omni Flash zajmuje pierwsze miejsce z wynikiem Elo 1404, wyprzedzając Seedance 2.0 Mini o 101 punktów Elo.
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 1.2 Flash?
Model przyjmuje tekst, obrazy, dźwięk i wideo, także w dowolnych kombinacjach, i generuje wideo na wyjściu.
Do jakich zadań najlepiej nadaje się ten model?
Sprawdza się w szybkim tworzeniu szkiców reklam, klipów produktowych, animowanych reklam e-commerce, filmów demonstracyjnych aplikacji i wariantów kampanii sezonowych.
Czym Gemini Omni 1.2 Flash różni się od Gemini Omni 1.1 Flash?
Gemini Omni 1.1 Flash przedłuża sceny do 40 sekund łącznej długości, analizuje do 10 sekund wcześniejszego kontekstu, pozwala określić klatkę początkową i końcową oraz oferuje podglądy 360p i wyniki do 4K. Gemini Omni Flash w momencie premiery generował 10-sekundowe klipy.
Czy model pozwala edytować wideo w rozmowie?
Tak, Gemini Omni Flash umożliwia edycję wideo poprzez rozmowę w języku naturalnym, co pozwala iteracyjnie poprawiać materiał bez rozpoczynania procesu od nowa.
Gdzie można korzystać z Gemini Omni Flash?
Model jest dostępny w publicznym podglądzie w Google AI Studio i Gemini API. Gemini Omni 1.1 Flash jest dostępny przez Google AI Studio i Gemini Enterprise Agent Platform.
Powiązane modele
Gemini Omni 1.1 Flash
GoogleWideogemini-omni-1.1-flashGemini 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.
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.