Felo API PlatformFelo API Platform
Назад к моделям

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

1 поставщиков

Сравните цены API у разных поставщиков. Выберите поставщика, чтобы посмотреть все тарифы и условия.

Поставщик · Подробности оплаты
Доступность

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