Felo API PlatformFelo API Platform
Wróć do modeli

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

1 dostawców

Porównaj ceny API u różnych dostawców. Wybierz dostawcę, aby zobaczyć wszystkie opłaty i warunki.

Dostawca · Szczegóły cen
Dostępność

Benchmarki

  • Video Arena Elo

    pierwsze miejsce w rankingu ogólnym; Gemini Omni Flash

    1404

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