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.
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
Порівняйте ціни API у різних постачальників. Виберіть постачальника, щоб переглянути всі тарифи й умови.
| Доступність | |
|---|---|
Історична статистика не є перевіркою наживо. Відсутність даних не означає збій.
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
Gemini Omni 1.2 Flash
GoogleВідеоgemini-omni-1.2-flashGemini Omni 1.2 Flash — це швидка модель Google для генерації та редагування відео з тексту, зображень, аудіо та відео, що поєднує розуміння фізики з контекстними знаннями Gemini.
Роздільність
720p / 1080p / 4K / 360p
Тривалість
—
Оплата за фактичною вартістю генерації. Остаточну суму дивіться в рахунку.
Veo 3.1 Fast
GoogleВідеоveo-3.1-fastVeo 3.1 Fast — провідна модель Google для генерації відео, яка створює відео з тексту та зображень і доступна в Google Cloud Model Garden.
Роздільність
720p / 1080p / 4K
Тривалість
—
Оплата за фактичною вартістю генерації. Остаточну суму дивіться в рахунку.