Felo API PlatformFelo API Platform
Назад до моделей

Gemini Omni 1.1 Flash API

Gemini Omni 1.1 Flash — це швидка мультимодальна модель Google DeepMind, яка генерує відео з тексту, зображень і аудіо та створює нативний звуковий супровід.

Gemini Omni 1.1 Flash — це мультимодальна відеомодель від Google DeepMind, яка приймає текст, зображення, аудіо та відео на вході й видає відео з нативним аудіо. Вона генерує відео з текстових запитів, з одного зображення, з референсних зображень і відео, а також з першого та останнього кадрів для інтерполяції. Модель підтримує розширення сцен 10-секундними кроками до загальної тривалості 40 секунд і дозволяє редагувати відео в розмовному режимі природною мовою.

Модель створює нативний звук, включно з мовленням, музикою та звуковими ефектами, разом із відео. Вона пропонує чернетковий режим 360p, генерацію 720p і апскейлінг до 4K, приймає до 7 референсних зображень і 3 референсних відео та підтримує Content Credentials (C2PA) для підтвердження походження. Усе це об'єднано в одному API, що охоплює обробку тексту, зображень, аудіо та відео.

Модель добре підходить для маркетингового виробництва — від кампанійних брифів, продуктових зображень і розкадровок до візуальних концепцій, а також для розмовного сторібордингу з ітеративним уточненням сцени. Вона стане в пригоді для генерації відео з голосовим супроводом, багатомовного пояснювального контенту, розширення наявних кліпів запитами та прототипування нових AI-функцій. Модель не підтримує генерацію чи редагування зображень, структурований вивід, системні інструкції, кешування контексту й тонке налаштування.

ОбмеженоБезкоштовний пробний період

Оновлено:

MODEL ID

gemini-omni-1.1-flash
Контекст
131.072K
Макс. вихід
65.536K
Вхід
text / image / video
Вихід
video

Ключові можливості

  • Генерація відео з тексту, зображень і відео
  • Нативний звук: мовлення, музика, ефекти
  • Розширення сцен до 40 секунд
  • Чернетка 360p, генерація 720p, апскейл 4K
  • До 7 зображень і 3 відео як референс
  • Content Credentials (C2PA) для походження

Постачальники

1 постачальників

Порівняйте ціни API у різних постачальників. Виберіть постачальника, щоб переглянути всі тарифи й умови.

Постачальник · Деталі тарифів
Доступність

Міркування

Типовий рівень зусиль
low
Завжди ввімкнено
Так
Доступні рівні зусиль
high / low

Параметри відео

Співвідношення сторін
16:9 / 9:16
Аудіо · Вихід
Так
Роздільна здатність
720p / 1080p / 4K / 360p

Довідка API

Відомості про протокол цієї моделі не опубліковано. Вимоги до інтеграції дивіться в довідці API.

Довідка API →

Підтримувані параметри

  • prompt
  • duration
  • resolution
  • aspect_ratio
  • generate_audio
  • seed
  • size
  • frame_images
  • input_references
  • user
  • session_id
  • trace

Часті запитання

Що таке Gemini Omni 1.1 Flash?

Gemini Omni 1.1 Flash — це мультимодальна відеомодель від Google DeepMind, яка приймає текст, зображення, аудіо та відео на вході й видає відео з нативним аудіо. Вона генерує відео з текстових запитів, з одного зображення, з референсних зображень і відео, а також з першого та останнього кадрів для інтерполяції. Модель підтримує розширення сцен 10-секундними кроками до загальної тривалості 40 секунд і дозволяє редагувати відео в розмовному режимі природною мовою. Модель створює нативний звук, включно з мовленням, музикою та звуковими ефектами, разом із відео. Вона пропонує чернетковий режим 360p, генерацію 720p і апскейлінг до 4K, приймає до 7 референсних зображень і 3 референсних відео та підтримує Content Credentials (C2PA) для підтвердження походження. Усе це об'єднано в одному API, що охоплює обробку тексту, зображень, аудіо та відео. Модель добре підходить для маркетингового виробництва — від кампанійних брифів, продуктових зображень і розкадровок до візуальних концепцій, а також для розмовного сторібордингу з ітеративним уточненням сцени. Вона стане в пригоді для генерації відео з голосовим супроводом, багатомовного пояснювального контенту, розширення наявних кліпів запитами та прототипування нових AI-функцій. Модель не підтримує генерацію чи редагування зображень, структурований вивід, системні інструкції, кешування контексту й тонке налаштування.

Як нараховується оплата за використання?

Рахунок залежить від обраного постачальника, його цін і вашого використання. Довші вхідні дані або інші умови можуть мати інші ціни. Оплата за фактичною вартістю генерації. Остаточну суму дивіться в рахунку.

Які типи вхідних даних підтримує Gemini Omni 1.1 Flash?

Модель приймає текст, зображення, аудіо та відео. На виході вона генерує відео з нативним аудіо.

Чи можна редагувати згенероване відео?

Так, модель підтримує розмовне редагування відео природною мовою. Огляд від травня 2026 року зафіксував обмеження в 4 ходи редагування.

Яка максимальна тривалість відео?

Сцени можна розширювати 10-секундними кроками до загальної тривалості 40 секунд.

Скільки референсних матеріалів можна передати?

Модель приймає до 7 референсних зображень і 3 референсних відео.

Чи підтримує модель генерацію зображень?

Ні, генерація та редагування зображень не підтримуються. Також недоступні структурований вивід, системні інструкції, кешування контексту й тонке налаштування.

Для яких завдань найкраще підходить ця модель?

Вона орієнтована на маркетингове виробництво, розмовний сторібординг, генерацію відео з голосовим супроводом, багатомовний пояснювальний контент, розширення кліпів і прототипування AI-функцій.

Схожі моделі