Gemini Omni 1.2 Flash API
Gemini 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.
Gemini Omni 1.2 Flash — це мультимодальна модель Google, яка створює відео з тексту та зображень і редагує його через природномовний діалог. Вона приймає комбінації тексту, зображень, аудіо та відео на вході, а на виході дає відео. Модель підтримує створення на основі референсів — зображень персонажів, сцен або малюнків — і демонструє покращене інтуїтивне розуміння фізики, зокрема гравітації, кінетичної енергії та динаміки рідин. Крім того, вона спирається на знання Gemini з історії, науки та культурного контексту.
Завдяки швидкій діалоговій генерації та редагуванню модель дозволяє ітеративно вдосконалювати відео, не перезапускаючи весь творчий процес. Вона поєднує фотореалістичність із осмисленим сторітелінгом, що робить її придатною для створення чернеток реклами для соцмереж, кліпів для запуску продуктів, рухомих оголошень для електронної комерції, демонстраційних відео застосунків, сезонних варіантів кампаній, тестування креативів, коротких макетів у стилі інфлюенсерів, трейлерів і прев'ю геймплею, а також пояснювальних відео за короткими підказками.
На момент запуску Gemini Omni Flash генерувала 10-секундні кліпи та була доступна в публічному попередньому перегляді. Спочатку API не підтримував аудіореференси та розширення сцен, а узгодженість персонажів мала обмеження в деяких змінах сцен і панорамних рухах. Модель доступна в публічному попередньому перегляді в Google AI Studio та Gemini API.
Оновлено:
MODEL ID
gemini-omni-1.2-flash- Контекст
- 131.072K
- Макс. вихід
- 65.536K
- Вхід
- text / image / video
- Вихід
- video
Ключові можливості
- Генерує відео з тексту та зображень
- Редагує відео в діалоговому режимі
- Приймає текст, зображення, аудіо та відео
- Розуміє фізику: гравітацію, кінетику, рідини
- Спирається на знання Gemini
- Підтримує референси персонажів і сцен
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.
Бенчмарки
- 1404
Video Arena Elo
перше місце загалом; Gemini Omni Flash
Результати за публікацією постачальника моделі.
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 1.2 Flash?
Gemini Omni 1.2 Flash — це мультимодальна модель Google, яка створює відео з тексту та зображень і редагує його через природномовний діалог. Вона приймає комбінації тексту, зображень, аудіо та відео на вході, а на виході дає відео. Модель підтримує створення на основі референсів — зображень персонажів, сцен або малюнків — і демонструє покращене інтуїтивне розуміння фізики, зокрема гравітації, кінетичної енергії та динаміки рідин. Крім того, вона спирається на знання Gemini з історії, науки та культурного контексту. Завдяки швидкій діалоговій генерації та редагуванню модель дозволяє ітеративно вдосконалювати відео, не перезапускаючи весь творчий процес. Вона поєднує фотореалістичність із осмисленим сторітелінгом, що робить її придатною для створення чернеток реклами для соцмереж, кліпів для запуску продуктів, рухомих оголошень для електронної комерції, демонстраційних відео застосунків, сезонних варіантів кампаній, тестування креативів, коротких макетів у стилі інфлюенсерів, трейлерів і прев'ю геймплею, а також пояснювальних відео за короткими підказками. На момент запуску Gemini Omni Flash генерувала 10-секундні кліпи та була доступна в публічному попередньому перегляді. Спочатку API не підтримував аудіореференси та розширення сцен, а узгодженість персонажів мала обмеження в деяких змінах сцен і панорамних рухах. Модель доступна в публічному попередньому перегляді в Google AI Studio та Gemini API.
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 вхідні дані підтримує Gemini Omni 1.2 Flash?
Модель приймає текст, зображення, аудіо та відео, а також їхні комбінації. На виході вона генерує відео.
Для яких завдань найкраще підходить ця модель?
Вона добре підходить для швидкого створення та редагування відео: чернеток реклами, кліпів для запуску продуктів, демонстрацій застосунків, сезонних кампаній і тестування креативів.
Чим Gemini Omni 1.2 Flash відрізняється від Gemini Omni 1.1 Flash?
Gemini Omni 1.1 Flash розширює сцени до 40 секунд загальної сукупної довжини, аналізує до 10 секунд попереднього контексту, дозволяє вказувати початковий і кінцевий кадри та підтримує вивід до 4K із прев'ю 360p. Gemini Omni Flash на момент запуску генерувала 10-секундні кліпи.
Чи підтримує модель редагування відео?
Так, Gemini Omni 1.2 Flash редагує відео через природномовний діалог, що дозволяє ітеративно вдосконалювати результат без перезапуску всього процесу.
Де доступна Gemini Omni 1.2 Flash?
Модель доступна в публічному попередньому перегляді в Google AI Studio та Gemini API. Gemini Omni 1.1 Flash доступна через Google AI Studio та Gemini Enterprise Agent Platform.
Схожі моделі
Gemini Omni 1.1 Flash
GoogleВідеоgemini-omni-1.1-flashGemini Omni 1.1 Flash — це швидка мультимодальна модель Google DeepMind, яка генерує відео з тексту, зображень і аудіо та створює нативний звуковий супровід.
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.