Felo API PlatformFelo API Platform
返回模型列表

Gemini Omni 1.1 Flash API

Google DeepMind 推出的多模态视频生成模型,支持文本、图像、音频与视频输入,直接输出带原生音频的视频。

Gemini Omni 1.1 Flash 是 Google DeepMind 推出的多模态视频生成模型,把文本、图像、音频和视频的处理统一到一个 API 中。它既能根据文本提示生成视频,也能以单张图像、参考图像与参考视频,或首尾帧为起点生成视频,并在延长场景时保持画面一致性与叙事连贯。模型可生成包含语音、音乐和音效的原生音频,支持通过自然语言指令进行对话式视频编辑,还提供 360p 草稿模式、720p 生成与 4K 上采样。

在营销制作中,它可以从活动简报、产品图、故事板和视觉概念直接产出视频;也适合对话式故事板迭代、配音驱动的视频生成、多语言讲解内容,以及在现有片段基础上续写镜头。对希望快速验证新 AI 功能原型的团队,单次 API 调用即可替代原本需要三到四个模型串联的流程,从而降低延迟、成本与失败率。

需要注意的是,该模型不支持图像生成与图像编辑,也不支持结构化输出、系统指令、上下文缓存和调优。2026 年 5 月的一次上手评测记录了 4 轮编辑的上限;此外,该版本已正式可用,早期预览版已被 1.2 Flash 模型取代。

更新时间:

模型 ID

gemini-omni-1.1-flash
上下文
131.072K
最大输出
65.536K
输入
text / image / video
输出
video

核心要点

  • 文本、图像、音频、视频统一 API
  • 原生音频含语音、音乐与音效
  • 360p 草稿模式提速最高 60%
  • 场景可延长至 40 秒
  • 最多 7 张参考图与 3 段参考视频
  • 支持 Content Credentials (C2PA)

供应商

1 个供应商

比较不同供应商的调用价格,点击供应商可查看完整费用和适用条件。

供应商 · 计费明细
可用率

推理能力

默认推理强度
low
始终启用
是
可选推理强度
high / low

视频规格

宽高比
16:9 / 9:16
音频 · 输出
是
分辨率
720p / 1080p / 4K / 360p

API 文档

该模型尚未公布具体协议信息,请查阅 API 文档中的接入要求。

API 文档 →

支持的参数

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

常见问题

什么是 Gemini Omni 1.1 Flash?

Gemini Omni 1.1 Flash 是 Google DeepMind 推出的多模态视频生成模型,把文本、图像、音频和视频的处理统一到一个 API 中。它既能根据文本提示生成视频,也能以单张图像、参考图像与参考视频,或首尾帧为起点生成视频,并在延长场景时保持画面一致性与叙事连贯。模型可生成包含语音、音乐和音效的原生音频,支持通过自然语言指令进行对话式视频编辑,还提供 360p 草稿模式、720p 生成与 4K 上采样。 在营销制作中,它可以从活动简报、产品图、故事板和视觉概念直接产出视频;也适合对话式故事板迭代、配音驱动的视频生成、多语言讲解内容,以及在现有片段基础上续写镜头。对希望快速验证新 AI 功能原型的团队,单次 API 调用即可替代原本需要三到四个模型串联的流程,从而降低延迟、成本与失败率。 需要注意的是,该模型不支持图像生成与图像编辑,也不支持结构化输出、系统指令、上下文缓存和调优。2026 年 5 月的一次上手评测记录了 4 轮编辑的上限;此外,该版本已正式可用,早期预览版已被 1.2 Flash 模型取代。

如何计算调用费用?

费用取决于你使用的供应商、对应价格和实际用量。长文本输入等情况可能适用不同价格,详见计费明细。 按实际生成费用计费,具体金额以账单为准。

Gemini Omni 1.1 Flash 支持哪些输入和输出?

支持文本、图像、音频与视频输入,输出视频与原生音频。它不支持图像生成和图像编辑。

它适合哪些任务?

适合营销制作、对话式故事板迭代、配音驱动视频、多语言讲解内容、片段续写以及新 AI 功能原型验证。

视频可以延长到多长?

场景可按 10 秒为单位延长,总时长最多 40 秒。

它能接受多少参考素材?

最多可接受 7 张参考图像和 3 段参考视频。

它和同系列其他模型有什么区别?

该版本已正式可用,早期预览版已被 1.2 Flash 模型取代。它聚焦视频生成与编辑,不支持图像生成、图像编辑、结构化输出、系统指令、上下文缓存和调优。

相关模型