Gemini Omni 1.1 Flash API
Gemini Omni 1.1 Flash là mô hình đa phương thức của Google DeepMind tạo video từ văn bản, hình ảnh, âm thanh và video, đồng thời sinh âm thanh gốc gồm giọng nói, nhạc và hiệu ứng trong một lần gọi API duy nhất.
Gemini Omni 1.1 Flash là mô hình đa phương thức do Google DeepMind phát triển, nhận đầu vào văn bản, hình ảnh, âm thanh và video, với đầu ra là video kèm âm thanh gốc. Mô hình hỗ trợ tạo video từ câu lệnh văn bản, từ một hình ảnh duy nhất, từ hình ảnh và video tham chiếu, hoặc từ khung hình đầu và cuối để nội suy chuyển động. Nó cũng có thể mở rộng cảnh theo từng đoạn 10 giây, tối đa tổng cộng 40 giây, và duy trì tính nhất quán hình ảnh cũng như mạch kể chuyện trong quá trình mở rộng.
Mô hình hỗ trợ chỉnh sửa video hội thoại bằng hướng dẫn ngôn ngữ tự nhiên, nhận tối đa 7 hình ảnh tham chiếu và 3 video tham chiếu. Chế độ nháp 360p chạy nhanh hơn tới 60% và có chi phí bằng một phần ba so với tạo chuẩn 720p, trong khi đầu ra có thể được nâng cấp lên 4K. Gemini Omni 1.1 Flash hợp nhất xử lý văn bản, hình ảnh, âm thanh và video trong một API duy nhất, nhờ đó gộp một quy trình vốn cần ba đến bốn mô hình riêng lẻ vào một lần gọi, giảm độ trễ, chi phí và tỷ lệ lỗi. Mô hình cũng hỗ trợ Content Credentials (C2PA) để xác thực nguồn gốc nội dung.
Mô hình phù hợp cho sản xuất tiếp thị từ brief chiến dịch, hình ảnh sản phẩm, storyboard và ý tưởng hình ảnh; dựng storyboard hội thoại với tinh chỉnh lặp lại; tạo video theo lời bình; nội dung giải thích đa ngôn ngữ; mở rộng clip có sẵn bằng câu lệnh; và tạo nguyên mẫu tính năng AI mới. Cần lưu ý mô hình không hỗ trợ tạo hình ảnh, chỉnh sửa hình ảnh, đầu ra có cấu trúc, chỉ dẫn hệ thống, bộ nhớ đệm ngữ cảnh hay tinh chỉnh; đánh giá thực tế từ tháng 5 năm 2026 ghi nhận giới hạn 4 lượt chỉnh sửa.
Cập nhật:
ID MÔ HÌNH
gemini-omni-1.1-flash- Ngữ cảnh
- 131.072K
- Đầu ra tối đa
- 65.536K
- Đầu vào
- text / image / video
- Đầu ra
- video
Điểm nổi bật
- Tạo video kèm âm thanh gốc trong một API
- Nhận tối đa 7 hình ảnh và 3 video tham chiếu
- Mở rộng cảnh theo đoạn 10 giây, tối đa 40 giây
- Chế độ nháp 360p nhanh hơn tới 60%
- Hỗ trợ Content Credentials (C2PA)
- Chỉnh sửa video bằng hội thoại tự nhiên
Nhà cung cấp
So sánh giá API giữa các nhà cung cấp. Chọn một nhà cung cấp để xem toàn bộ chi phí và điều kiện.
| Tỷ lệ khả dụng | |
|---|---|
Thống kê lịch sử không phải kiểm tra trạng thái trực tiếp. Thiếu dữ liệu không có nghĩa là gián đoạn.
Suy luận
- Mức nỗ lực mặc định
- low
- Luôn bật
- Có
- Các mức nỗ lực khả dụng
- high / low
Thông số video
- Tỷ lệ khung hình
- 16:9 / 9:16
- Âm thanh · Đầu ra
- Có
- Độ phân giải
- 720p / 1080p / 4K / 360p
Tham chiếu API
Thông tin giao thức của mô hình này chưa được công bố. Xem tham chiếu API để biết yêu cầu tích hợp.
Tham chiếu API →Tham số hỗ trợ
- prompt
- duration
- resolution
- aspect_ratio
- generate_audio
- seed
- size
- frame_images
- input_references
- user
- session_id
- trace
Câu hỏi thường gặp
Tìm hiểu Gemini Omni 1.1 Flash?
Gemini Omni 1.1 Flash là mô hình đa phương thức do Google DeepMind phát triển, nhận đầu vào văn bản, hình ảnh, âm thanh và video, với đầu ra là video kèm âm thanh gốc. Mô hình hỗ trợ tạo video từ câu lệnh văn bản, từ một hình ảnh duy nhất, từ hình ảnh và video tham chiếu, hoặc từ khung hình đầu và cuối để nội suy chuyển động. Nó cũng có thể mở rộng cảnh theo từng đoạn 10 giây, tối đa tổng cộng 40 giây, và duy trì tính nhất quán hình ảnh cũng như mạch kể chuyện trong quá trình mở rộng. Mô hình hỗ trợ chỉnh sửa video hội thoại bằng hướng dẫn ngôn ngữ tự nhiên, nhận tối đa 7 hình ảnh tham chiếu và 3 video tham chiếu. Chế độ nháp 360p chạy nhanh hơn tới 60% và có chi phí bằng một phần ba so với tạo chuẩn 720p, trong khi đầu ra có thể được nâng cấp lên 4K. Gemini Omni 1.1 Flash hợp nhất xử lý văn bản, hình ảnh, âm thanh và video trong một API duy nhất, nhờ đó gộp một quy trình vốn cần ba đến bốn mô hình riêng lẻ vào một lần gọi, giảm độ trễ, chi phí và tỷ lệ lỗi. Mô hình cũng hỗ trợ Content Credentials (C2PA) để xác thực nguồn gốc nội dung. Mô hình phù hợp cho sản xuất tiếp thị từ brief chiến dịch, hình ảnh sản phẩm, storyboard và ý tưởng hình ảnh; dựng storyboard hội thoại với tinh chỉnh lặp lại; tạo video theo lời bình; nội dung giải thích đa ngôn ngữ; mở rộng clip có sẵn bằng câu lệnh; và tạo nguyên mẫu tính năng AI mới. Cần lưu ý mô hình không hỗ trợ tạo hình ảnh, chỉnh sửa hình ảnh, đầu ra có cấu trúc, chỉ dẫn hệ thống, bộ nhớ đệm ngữ cảnh hay tinh chỉnh; đánh giá thực tế từ tháng 5 năm 2026 ghi nhận giới hạn 4 lượt chỉnh sửa.
Cách tính phí sử dụng?
Hóa đơn của bạn phụ thuộc vào nhà cung cấp bạn dùng, giá của họ và mức sử dụng của bạn. Đầu vào dài hơn hoặc các điều kiện khác có thể có giá khác. Tính phí theo chi phí tạo thực tế. Xem hóa đơn để biết số tiền cuối cùng.
Gemini Omni 1.1 Flash nhận những loại đầu vào nào?
Mô hình nhận đầu vào văn bản, hình ảnh, âm thanh và video. Đầu ra gồm video và âm thanh gốc.
Mô hình có thể tạo video từ những nguồn nào?
Mô hình tạo video từ câu lệnh văn bản, từ một hình ảnh duy nhất, từ hình ảnh và video tham chiếu, hoặc từ khung hình đầu và cuối để nội suy.
Mô hình có hỗ trợ chỉnh sửa video bằng hội thoại không?
Có, mô hình hỗ trợ chỉnh sửa video hội thoại bằng hướng dẫn ngôn ngữ tự nhiên. Đánh giá thực tế từ tháng 5 năm 2026 ghi nhận giới hạn 4 lượt chỉnh sửa.
Mô hình có tạo được hình ảnh không?
Không, mô hình không hỗ trợ tạo hình ảnh và cũng không hỗ trợ chỉnh sửa hình ảnh.
Mô hình có hỗ trợ đầu ra có cấu trúc hay chỉ dẫn hệ thống không?
Không, mô hình không hỗ trợ đầu ra có cấu trúc, chỉ dẫn hệ thống, bộ nhớ đệm ngữ cảnh hay tinh chỉnh.
Mô hình liên quan
Gemini Omni 1.2 Flash
GoogleVideogemini-omni-1.2-flashGoogle Gemini Omni 1.2 Flash là mô hình tạo và chỉnh sửa video bằng hội thoại, nhận đầu vào văn bản, hình ảnh, âm thanh và video, đồng thời hiểu vật lý và bối cảnh văn hóa để tạo cảnh quay chân thực.
Độ phân giải
720p / 1080p / 4K / 360p
Thời lượng
—
Tính phí theo chi phí tạo thực tế. Xem hóa đơn để biết số tiền cuối cùng.
Veo 3.1 Fast
GoogleVideoveo-3.1-fastVeo 3.1 Fast là mô hình tạo video của Google, nhận văn bản hoặc hình ảnh đầu vào để tạo video, được định vị là công cụ tạo video cao cấp trong bộ sản phẩm AI sáng tạo của Google.
Độ phân giải
720p / 1080p / 4K
Thời lượng
—
Tính phí theo chi phí tạo thực tế. Xem hóa đơn để biết số tiền cuối cùng.