Felo API PlatformFelo API Platform
返回模型列表

Gemini Omni 1.1 Flash API

Google DeepMind 推出的多模態影片生成模型,可依文字、圖像、音訊與影片提示生成影片與原生音訊。

Gemini Omni 1.1 Flash 是 Google DeepMind 推出的多模態影片模型,將文字、圖像、音訊與影片處理整合在同一套 API 中。它可依文字提示生成影片,也能從單張圖片、參考圖片與參考影片,或首尾影格生成影片,並在生成影片的同時產生語音、音樂與音效等原生音訊。場景延伸以 10 秒為單位累加,總長度可達 40 秒,並支援以自然語言進行對話式影片編輯。

此模型提供 360p 草稿模式、720p 生成與 4K 升頻;草稿模式的執行速度比標準 720p 生成快上最多 60%,成本為標準 720p 生成的三分之一。它最多接受 7 張參考圖片與 3 段參考影片,並支援 Content Credentials (C2PA) 來源標示。官方將其定位為快速、具成本效益的多模態影片模型,能把原本可能需要三到四個獨立模型的流程收斂為單次 API 呼叫,從而降低延遲、成本與失敗率。

它適合行銷製作,例如依活動簡報、產品圖片、分鏡與視覺概念產出素材;也適合對話式分鏡與反覆調整場景、以旁白驅動的影片生成、多語言說明內容、以提示延伸既有片段,以及新 AI 功能原型開發。需注意的是,它不支援圖片生成、圖片編輯、結構化輸出、系統指令、上下文快取與微調;2026 年 5 月的實測記錄也指出,其編輯輪次上限為 4 輪。

更新時間:

模型 ID

gemini-omni-1.1-flash
上下文
131.072K
最大輸出
65.536K
輸入
text / image / video
輸出
video

核心要點

  • 文字、圖像、音訊、影片整合於單一 API
  • 生成影片同時產出原生音訊
  • 場景延伸以 10 秒累加至 40 秒
  • 支援自然語言對話式影片編輯
  • 360p 草稿模式速度提升最多 60%
  • 支援 Content Credentials (C2PA)

供應商

1 個供應商

比較不同供應商的呼叫價格,點擊供應商可查看完整費用和適用條件。

供應商 · 計費明細
可用率

推理能力

預設推理強度
low
始終啟用
是
可選推理強度
high / low

影片規格

長寬比
16:9 / 9:16
音訊 · 輸出
是
解析度
720p / 1080p / 4K / 360p

API 文件

此模型尚未公布具體協定資訊,請查閱 API 文件中的接入要求。

API 文件 →

支援的參數

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

常見問題

什麼是 Gemini Omni 1.1 Flash?

Gemini Omni 1.1 Flash 是 Google DeepMind 推出的多模態影片模型,將文字、圖像、音訊與影片處理整合在同一套 API 中。它可依文字提示生成影片,也能從單張圖片、參考圖片與參考影片,或首尾影格生成影片,並在生成影片的同時產生語音、音樂與音效等原生音訊。場景延伸以 10 秒為單位累加,總長度可達 40 秒,並支援以自然語言進行對話式影片編輯。 此模型提供 360p 草稿模式、720p 生成與 4K 升頻;草稿模式的執行速度比標準 720p 生成快上最多 60%,成本為標準 720p 生成的三分之一。它最多接受 7 張參考圖片與 3 段參考影片,並支援 Content Credentials (C2PA) 來源標示。官方將其定位為快速、具成本效益的多模態影片模型,能把原本可能需要三到四個獨立模型的流程收斂為單次 API 呼叫,從而降低延遲、成本與失敗率。 它適合行銷製作,例如依活動簡報、產品圖片、分鏡與視覺概念產出素材;也適合對話式分鏡與反覆調整場景、以旁白驅動的影片生成、多語言說明內容、以提示延伸既有片段,以及新 AI 功能原型開發。需注意的是,它不支援圖片生成、圖片編輯、結構化輸出、系統指令、上下文快取與微調;2026 年 5 月的實測記錄也指出,其編輯輪次上限為 4 輪。

如何計算呼叫費用?

費用取決於你使用的供應商、對應價格和實際用量。長文字輸入等情況可能適用不同價格,詳見計費明細。 按實際生成費用計費,具體金額以帳單為準。

Gemini Omni 1.1 Flash 支援哪些輸入與輸出?

支援文字、圖像、音訊與影片輸入,並可輸出影片與原生音訊。

它如何處理較長的影片?

場景延伸以 10 秒為單位累加,總長度可達 40 秒。

它適合哪些任務?

適合行銷製作、對話式分鏡、旁白驅動的影片、多語言說明內容、片段延伸與功能原型開發。

草稿模式與標準生成有何差別?

360p 草稿模式的執行速度比標準 720p 生成快上最多 60%,成本為標準 720p 生成的三分之一。

它有哪些限制?

不支援圖片生成、圖片編輯、結構化輸出、系統指令、上下文快取與微調;實測記錄也指出編輯輪次上限為 4 輪。

相關模型