Gemini Omni 1.1 Flash API
Gemini Omni 1.1 Flash é um modelo multimodal do Google DeepMind que gera vídeos a partir de texto, imagens, áudio e vídeo, com edição conversacional e áudio nativo.
O Gemini Omni 1.1 Flash é um modelo multimodal do Google DeepMind que unifica processamento de texto, imagem, áudio e vídeo em uma única API. Ele gera vídeos a partir de prompts de texto, de uma única imagem, de imagens e vídeos de referência, ou de quadros inicial e final para interpolação, além de estender cenas em incrementos de 10 segundos até um total de 40 segundos. Também oferece edição conversacional de vídeo por instruções em linguagem natural e gera áudio nativo, incluindo fala, música e efeitos sonoros, junto com o vídeo.
O modelo é indicado para produções de marketing a partir de briefings de campanha, imagens de produto, storyboards e conceitos visuais, bem como para storyboarding conversacional com refinamento iterativo de uma cena. Também atende geração de vídeo guiada por narração, conteúdo explicativo em vários idiomas, extensão de clipes existentes com prompts e prototipagem de novos recursos de IA. Sua abordagem colapsa um pipeline que poderia exigir três ou quatro modelos separados em uma única chamada de API, reduzindo latência, custo e taxas de falha.
O Gemini Omni 1.1 Flash oferece modo rascunho em 360p, geração em 720p e upsample para 4K, aceita até 7 imagens de referência e 3 vídeos de referência, e suporta Content Credentials (C2PA) para proveniência. O modo rascunho em 360p é até 60% mais rápido que a geração padrão em 720p e custa um terço do valor da geração padrão em 720p. O modelo não gera nem edita imagens, não suporta saída estruturada, instruções de sistema, cache de contexto ou ajuste fino; uma análise de maio de 2026 documentou um limite de 4 turnos de edição.
Atualizado:
ID DO MODELO
gemini-omni-1.1-flash- Contexto
- 131.072K
- Saída máxima
- 65.536K
- Entrada
- text / image / video
- Saída
- video
Destaques
- Geração de vídeo a partir de texto, imagem, áudio e vídeo
- Edição conversacional por linguagem natural
- Áudio nativo com fala, música e efeitos
- Modo rascunho 360p até 60% mais rápido
- Aceita até 7 imagens e 3 vídeos de referência
- Suporte a Content Credentials (C2PA)
Provedores
Compare os preços de API entre provedores. Selecione um provedor para ver todos os preços e condições.
| Disponibilidade | |
|---|---|
Estatísticas históricas não são uma verificação em tempo real. Dados ausentes não indicam uma interrupção.
Raciocínio
- Esforço padrão
- low
- Sempre ativado
- Sim
- Níveis de esforço disponíveis
- high / low
Especificações do vídeo
- Proporções de tela
- 16:9 / 9:16
- Áudio · Saída
- Sim
- Resoluções
- 720p / 1080p / 4K / 360p
Referência da API
Os detalhes de protocolo deste modelo não foram publicados. Consulte a referência da API para os requisitos de integração.
Referência da API →Parâmetros compatíveis
- prompt
- duration
- resolution
- aspect_ratio
- generate_audio
- seed
- size
- frame_images
- input_references
- user
- session_id
- trace
Perguntas frequentes
O que é Gemini Omni 1.1 Flash?
O Gemini Omni 1.1 Flash é um modelo multimodal do Google DeepMind que unifica processamento de texto, imagem, áudio e vídeo em uma única API. Ele gera vídeos a partir de prompts de texto, de uma única imagem, de imagens e vídeos de referência, ou de quadros inicial e final para interpolação, além de estender cenas em incrementos de 10 segundos até um total de 40 segundos. Também oferece edição conversacional de vídeo por instruções em linguagem natural e gera áudio nativo, incluindo fala, música e efeitos sonoros, junto com o vídeo. O modelo é indicado para produções de marketing a partir de briefings de campanha, imagens de produto, storyboards e conceitos visuais, bem como para storyboarding conversacional com refinamento iterativo de uma cena. Também atende geração de vídeo guiada por narração, conteúdo explicativo em vários idiomas, extensão de clipes existentes com prompts e prototipagem de novos recursos de IA. Sua abordagem colapsa um pipeline que poderia exigir três ou quatro modelos separados em uma única chamada de API, reduzindo latência, custo e taxas de falha. O Gemini Omni 1.1 Flash oferece modo rascunho em 360p, geração em 720p e upsample para 4K, aceita até 7 imagens de referência e 3 vídeos de referência, e suporta Content Credentials (C2PA) para proveniência. O modo rascunho em 360p é até 60% mais rápido que a geração padrão em 720p e custa um terço do valor da geração padrão em 720p. O modelo não gera nem edita imagens, não suporta saída estruturada, instruções de sistema, cache de contexto ou ajuste fino; uma análise de maio de 2026 documentou um limite de 4 turnos de edição.
Como o uso é cobrado?
Sua conta depende do provedor que você usa, dos preços dele e do seu uso. Entradas mais longas ou outras condições podem ter preços diferentes. Cobrado com base no custo real de geração. Consulte sua conta para o valor final.
Quais tipos de entrada o Gemini Omni 1.1 Flash aceita?
Ele aceita entrada de texto, imagem, áudio e vídeo, processando tudo em uma única API.
Quais tipos de saída o modelo gera?
O modelo gera vídeo e áudio nativo, incluindo fala, música e efeitos sonoros.
Qual é o limite de duração dos vídeos gerados?
As cenas podem ser estendidas em incrementos de 10 segundos até um total de 40 segundos.
Quantas imagens e vídeos de referência posso usar?
O modelo aceita até 7 imagens de referência e 3 vídeos de referência.
O Gemini Omni 1.1 Flash suporta edição de vídeo?
Sim, ele suporta edição conversacional de vídeo por meio de instruções em linguagem natural, com um limite documentado de 4 turnos de edição em análise de maio de 2026.
Quais são as limitações do modelo?
Ele não gera nem edita imagens, não suporta saída estruturada, instruções de sistema, cache de contexto ou ajuste fino.
Modelos relacionados
Gemini Omni 1.2 Flash
GoogleVídeogemini-omni-1.2-flashO Gemini Omni 1.2 Flash é um modelo do Google que gera e edita vídeos a partir de comandos de texto, imagens, áudio e vídeo, com foco em criação rápida e conversacional.
Resolução
720p / 1080p / 4K / 360p
Duração
—
Cobrado com base no custo real de geração. Consulte sua conta para o valor final.
Veo 3.1 Fast
GoogleVídeoveo-3.1-fastO Veo 3.1 Fast é um modelo do Google que gera vídeos a partir de texto ou imagens, posicionado como ferramenta premium de criação cinematográfica dentro do conjunto de IA criativa do Google.
Resolução
720p / 1080p / 4K
Duração
—
Cobrado com base no custo real de geração. Consulte sua conta para o valor final.