Gemini Omni 1.1 Flash API
Gemini Omni 1.1 Flash — быстрая мультимодальная модель Google DeepMind для генерации видео с нативным звуком, объединяющая обработку текста, изображений, аудио и видео в одном API.
Gemini Omni 1.1 Flash — мультимодальная видеомодель от Google DeepMind, которая принимает текст, изображения, аудио и видео, а на выходе создаёт видео с нативной озвучкой, включая речь, музыку и звуковые эффекты. Модель генерирует ролики по текстовому описанию, по одному изображению, по референсным изображениям и видео, а также интерполирует между первым и последним кадром. Сцены можно продлевать шагами по 10 секунд до общей длительности 40 секунд, а редактировать результат — разговорными инструкциями на естественном языке. Доступны черновой режим 360p, генерация в 720p и апскейлинг до 4K; принимается до 7 референсных изображений и 3 референсных видео.
Модель подходит для маркетингового производства: создания роликов по брифингам кампаний, изображениям продуктов, раскадровкам и визуальным концептам. Она удобна для разговорного сторибординга с итеративной доработкой сцены, генерации видео под закадровую озвучку, многоязычных объясняющих материалов, продления существующих клипов с помощью промптов и прототипирования новых ИИ-функций. По данным производителя, один вызов API заменяет конвейер из трёх-четырёх отдельных моделей, снижая задержку, стоимость и частоту сбоев, а черновой режим 360p работает до 60% быстрее стандартной генерации 720p и стоит треть от неё.
Среди ограничений: модель не поддерживает генерацию и редактирование изображений, структурированный вывод, системные инструкции, кэширование контекста и тонкую настройку. Практический обзор от мая 2026 года зафиксировал потолок редактирования в 4 хода. Модель поддерживает Content Credentials (C2PA) для подтверждения происхождения контента и доступна через Gemini API, платформу агентов Google Cloud и сторонние инструменты, такие как Comfy и Nenis.
Обновлено:
MODEL ID
gemini-omni-1.1-flash- Контекст
- 131.072K
- Макс. вывод
- 65.536K
- Вход
- text / image / video
- Выход
- video
Ключевые возможности
- Видео с нативным звуком в одном API
- Генерация из текста, изображения и референсов
- Продление сцен до 40 секунд
- Черновой режим 360p до 60% быстрее
- Разговорное редактирование видео
- Поддержка Content Credentials (C2PA)
Поставщики
Сравните цены API у разных поставщиков. Выберите поставщика, чтобы посмотреть все тарифы и условия.
| Доступность | |
|---|---|
Историческая статистика не является проверкой в реальном времени. Отсутствие данных не означает сбой.
Рассуждения
- Уровень по умолчанию
- low
- Всегда включены
- Да
- Доступные уровни
- high / low
Параметры видео
- Соотношения сторон
- 16:9 / 9:16
- Аудио · Выход
- Да
- Разрешения
- 720p / 1080p / 4K / 360p
Справочник API
Протоколы этой модели не опубликованы. Требования к подключению смотрите в справочнике API.
Справочник API →Поддерживаемые параметры
- prompt
- duration
- resolution
- aspect_ratio
- generate_audio
- seed
- size
- frame_images
- input_references
- user
- session_id
- trace
Частые вопросы
О модели Gemini Omni 1.1 Flash?
Gemini Omni 1.1 Flash — мультимодальная видеомодель от Google DeepMind, которая принимает текст, изображения, аудио и видео, а на выходе создаёт видео с нативной озвучкой, включая речь, музыку и звуковые эффекты. Модель генерирует ролики по текстовому описанию, по одному изображению, по референсным изображениям и видео, а также интерполирует между первым и последним кадром. Сцены можно продлевать шагами по 10 секунд до общей длительности 40 секунд, а редактировать результат — разговорными инструкциями на естественном языке. Доступны черновой режим 360p, генерация в 720p и апскейлинг до 4K; принимается до 7 референсных изображений и 3 референсных видео. Модель подходит для маркетингового производства: создания роликов по брифингам кампаний, изображениям продуктов, раскадровкам и визуальным концептам. Она удобна для разговорного сторибординга с итеративной доработкой сцены, генерации видео под закадровую озвучку, многоязычных объясняющих материалов, продления существующих клипов с помощью промптов и прототипирования новых ИИ-функций. По данным производителя, один вызов API заменяет конвейер из трёх-четырёх отдельных моделей, снижая задержку, стоимость и частоту сбоев, а черновой режим 360p работает до 60% быстрее стандартной генерации 720p и стоит треть от неё. Среди ограничений: модель не поддерживает генерацию и редактирование изображений, структурированный вывод, системные инструкции, кэширование контекста и тонкую настройку. Практический обзор от мая 2026 года зафиксировал потолок редактирования в 4 хода. Модель поддерживает Content Credentials (C2PA) для подтверждения происхождения контента и доступна через Gemini API, платформу агентов Google Cloud и сторонние инструменты, такие как Comfy и Nenis.
Как рассчитывается стоимость?
Стоимость зависит от выбранного поставщика, его цен и вашего использования. Для длинных запросов могут действовать другие цены — смотрите подробности. Оплата по фактическим затратам на генерацию. Итоговая сумма указана в счёте.
Какие входные данные поддерживает Gemini Omni 1.1 Flash?
Модель принимает текст, изображения, аудио и видео. На выходе она выдаёт видео с нативным звуком, включая речь, музыку и звуковые эффекты.
Какова максимальная длительность генерируемого видео?
Сцены можно продлевать шагами по 10 секунд до общей длительности 40 секунд.
Сколько референсных материалов можно передать модели?
Принимается до 7 референсных изображений и до 3 референсных видео.
Какие разрешения доступны при генерации видео?
Предусмотрены черновой режим 360p, генерация в 720p и апскейлинг до 4K.
Поддерживает ли модель генерацию или редактирование изображений?
Нет, генерация и редактирование изображений не поддерживаются. Также не поддерживаются структурированный вывод, системные инструкции, кэширование контекста и тонкая настройка.
Для каких задач лучше всего подходит эта модель?
Она ориентирована на маркетинговое производство, разговорный сторибординг, видео под закадровую озвучку, многоязычные объясняющие материалы, продление клипов и прототипирование ИИ-функций.
Связанные модели
Gemini Omni 1.2 Flash
GoogleВидеоgemini-omni-1.2-flashМодель Google для генерации и разговорного редактирования видео из текста, изображений, аудио и видео с улучшенным пониманием физики и лидерством в Video Arena.
Разрешение
720p / 1080p / 4K / 360p
Длительность
—
Оплата по фактическим затратам на генерацию. Итоговая сумма указана в счёте.
Veo 3.1 Fast
GoogleВидеоveo-3.1-fastVeo 3.1 Fast — ведущая модель Google для генерации видео из текста и изображений, ориентированная на создание кинематографичных роликов.
Разрешение
720p / 1080p / 4K
Длительность
—
Оплата по фактическим затратам на генерацию. Итоговая сумма указана в счёте.