Gemini Omni 1.2 Flash API: genera y edita vídeo de 15 segundos

La Gemini Omni 1.2 Flash API está disponible de forma general desde el 5 de noviembre de 2026 en el nivel de pago de la Gemini API. Una petición devuelve un vídeo de 3 a 15 segundos con audio, y una petición de seguimiento edita ese mismo clip sin volver a subirlo (notas de la versión de Google y guía de Omni, consultadas el 6 de noviembre de 2026).

• Modelo: gemini-omni-1.2-flash, se llama con client.interactions.create o POST /v1beta/interactions.
• Clip: 3–15 segundos a 24 fps, 16:9 o 9:16, con pista de audio generada.
• Edición: un segundo turno con previous_interaction_id reescribe un clip que hayas generado, hasta 15 segundos de entrada.
• Precio: unos $1.04 en tokens de vídeo por un clip de 15 segundos en 720p, más tokens de entrada y de texto.

Qué admite la Gemini Omni 1.2 Flash API

Las peticiones van a POST https://generativelanguage.googleapis.com/v1beta/interactions con "model": "gemini-omni-1.2-flash" en el cuerpo. Es la Interactions API, la interfaz que Google recomienda para proyectos nuevos desde que se abrió en junio de 2026 (resumen de la Interactions API, consultado el 6 de noviembre de 2026). La interfaz anterior, generateContent, sigue sirviendo a otros modelos Gemini.

El modelo devuelve vídeo con audio nativo y también texto (ficha del modelo). La salida va a 24 fps, con 720p como resolución predeterminada y 360p también disponible; 1080p y 4k se obtienen por escalado. Cada clip lleva una marca de agua SynthID invisible. El formato horizontal 16:9 es el predeterminado y el vertical da 9:16.

Solo está disponible en el nivel de pago. La tabla de precios de Google muestra Not available en el nivel gratuito tanto para la entrada como para la salida, y la página de límites de tasa sitúa Omni Flash en el nivel 1 con 8 peticiones por minuto y 40 al día (precios, límites, consultados el 6 de noviembre de 2026).

El modelo anterior, gemini-omni-1.1-flash, sigue disponible durante una transición de cuatro semanas. Desde el 3 de diciembre de 2026, sus peticiones las atiende la versión 1.2 con los precios de 1.2 y sin cambios en el código.

Generar un vídeo con la Interactions API

El SDK de Python se usa en tres pasos: crear un cliente, crear la interacción y escribir el vídeo en base64 en un archivo. El ejemplo fija la duración y guarda la interacción para poder editar el clip después. Hacen falta el paquete google-genai (pip install -U google-genai) y una clave de la Gemini API en GEMINI_API_KEY; los dos turnos van al endpoint de Google, así que una clave de OmniaKey no funciona aquí.

# Setup: install google-genai and set GEMINI_API_KEY to your Google API key.
import base64
import os

from google import genai

client = genai.Client(api_key=os.environ["GEMINI_API_KEY"])

# Turn 1: generate a 15-second landscape clip and keep it editable.
first = client.interactions.create(
    model="gemini-omni-1.2-flash",
    input=(
        "One continuous tracking shot follows a paper airplane gliding "
        "through a busy library, dust in the sunlight."
    ),
    response_format={
        "type": "video",
        "duration": "15s",       # whole seconds from "3s" to "15s"; default "10s"
        "aspect_ratio": "16:9",  # or "9:16"
        "resolution": "720p",    # 720p is the default; 1080p and 4k are upscaled
    },
    store=True,
)

# Turn 2: edit that clip with a follow-up prompt, no re-upload.
edit = client.interactions.create(
    model="gemini-omni-1.2-flash",
    previous_interaction_id=first.id,
    input="Make the paper airplane bright red. Keep the camera move unchanged.",
)

with open("library_flight.mp4", "wb") as f:
    f.write(base64.b64decode(edit.output_video.data))

La duración se escribe como cadena de segundos enteros, de 3 a 15, y el modelo genera 10 segundos si se omite el campo. La resolución es otra clave del mismo objeto response_format, junto al tipo.

El SDK lee el archivo terminado desde output_video.data en base64; ese campo de conveniencia solo existe en los SDK. Una llamada REST directa entrega los mismos bytes dentro de steps[], en una entrada de contenido de tipo vídeo. Para clips de más de 4 MB, añade "delivery": "uri" a response_format (guía de Omni, consultada el 6 de noviembre de 2026); después consulta client.files.get hasta que el estado del archivo sea ACTIVE y descárgalo con client.files.download.

El código adapta el ejemplo de Python de Google y pasó una revisión de sintaxis; no lo hemos ejecutado contra la API.

Editar un clip generado sin empezar de cero

Pasa el id de la primera interacción como previous_interaction_id y describe el cambio. El modelo conserva el contexto del clip, aplica la edición y devuelve un vídeo nuevo. El ejemplo de edición de Google envía solo el modelo, ese id y el prompt, los mismos tres campos del segundo turno (guía de Omni, consultada el 6 de noviembre de 2026).

La extensión usa el mismo bucle. Pide una continuación en lenguaje natural y el modelo añade de 3 a 10 segundos, 10 por defecto, usando los últimos 10 segundos del vídeo de entrada como contexto, hasta 30 segundos en total. Solo añade al final, así que no puedes colocar una escena antes del primer fotograma ni en medio.

Para material propio, sube un clip de 15 segundos o menos con la Files API y escribe el prompt sobre él. La edición y la extensión de vídeos subidos no están disponibles en el Espacio Económico Europeo, Suiza y el Reino Unido; los clips generados por el modelo sí se pueden editar en esas regiones. La versión actual no admite edición de voz, ni entradas o referencias de audio, y el audio de un vídeo de referencia se ignora.

Límites de duración, resolución y referencias

Los rangos cambian según la operación; la tabla sigue la guía de Google (guía de Omni, consultada el 6 de noviembre de 2026).

Las referencias tienen sus propios topes:

• Hasta 6 imágenes de referencia por petición, con hasta 3 imágenes por personaje para un máximo de 2 personajes.
• Las salidas de 11–15 segundos aceptan 1 vídeo de referencia de hasta 3 segundos; las de 3–10 segundos aceptan hasta 3 vídeos de referencia de hasta 3 segundos cada uno.
• Los vídeos de referencia sirven al generar un clip nuevo. La edición y la extensión usan imágenes de referencia.
• Los enlaces de YouTube no se pueden usar como entrada multimedia; sube el archivo primero.

Qué muestran las muestras oficiales de Google

Google publicó nueve clips de demostración con la publicación del 5 de noviembre de 2026 (consultada el 6 de noviembre de 2026). Descargamos dos y los revisamos con ffprobe: ambos son 1920×1080 a 24 fps con pista AAC estéreo, y los dos archivos abren con una pantalla de título, así que su duración es mayor que la de la escena interior.

El par muestra hasta dónde puede llegar un solo clip en encuadre. A los 6 segundos, un hombre se arrodilla en agua poco profunda con una mano sobre un tronco; a los 12, la cámara está muy por encima de la costa, la persona se ve pequeña cerca de la orilla, hay colinas cubiertas de palmeras a la izquierda y océano abierto a la derecha.

El fotograma del Panteón a los 12 segundos entra en el edificio: el óculo circular, los casetones cuadrados concéntricos que lo rodean y una mancha de sol en el interior. La descripción de Google habla de un vuelo continuo de dron guiado por dos fotos de arquitectura; a los 6 segundos, la misma muestra sigue fuera, entre las columnas.

Precio oficial: calcular bien un clip

Google cobra $1.50 por millón de tokens de entrada de texto, imagen y vídeo, $9.00 por millón de tokens de salida de texto y $12.00 por millón de tokens de salida de vídeo, solo en el nivel de pago (página de precios, consultada el 6 de noviembre de 2026). El vídeo se factura por tokens de salida, y la salida en 720p usa 5,792 tokens por segundo.

Un clip de 15 segundos en 720p factura 15 × 5,792 × $12.00 / 1,000,000 = $1.04256 en tokens de vídeo, unos $1.04, antes de los tokens de entrada y texto. Redondea solo después de calcular el total.

Cómo elegir un flujo de trabajo de vídeo

Genera con Omni cuando un plano de 15 segundos con sonido cubra la escena, o cuando el clip vaya a pasar por varias rondas de cambios pequeños. El bucle de edición es la razón para elegirlo: cada turno conserva el contexto del clip anterior, así que puedes cambiar un objeto, un fondo o una indicación de cámara por mensaje en lugar de describir toda la escena otra vez.

Elige otro modelo cuando el plano tenga que durar más en una sola pasada o cuando el trabajo gire en torno a vídeo de referencia. Seedance 2.5 de ByteDance genera hasta 30 segundos en una sola petición, como explica la reseña de Seedance 2.5, que recoge el límite de 30 segundos documentado en la API, y la comparación Kling 4.0 vs Seedance 2.5 cubre el movimiento y los flujos basados en referencias.

Omni es un lanzamiento de pago de Google y queda fuera del catálogo de vídeo de OmniaKey. Seedance 2.5 sí está disponible allí para planos largos, y el generador de vídeo con IA ejecuta prompts en el navegador sin código.

Preguntas frecuentes

¿Es gratis la Gemini Omni 1.2 Flash API?

No. El modelo está en el nivel de pago de la Gemini API y la tabla de precios de Google muestra Not available en el nivel gratuito.

¿Qué endpoint usa la Gemini Omni 1.2 Flash API?

Usa la Interactions API. Envía POST https://generativelanguage.googleapis.com/v1beta/interactions con "model": "gemini-omni-1.2-flash", o llama a client.interactions.create en los SDK de Python, JavaScript, Go o Java. generateContent es la interfaz anterior que usan otros modelos Gemini.

¿Cuánto puede durar un clip de Gemini Omni 1.2 Flash?

Una petición de generación dura de 3 a 15 segundos y usa 10 por defecto. La extensión suma de 3 a 10 segundos por turno hasta 30 en total, la interpolación entre primer y último fotograma se queda en 3–10 segundos y el vídeo de entrada para editar debe durar 15 segundos o menos.

¿Puedo editar un vídeo que subí o solo los clips generados?

Ambos, con límites. Los clips subidos deben durar 15 segundos o menos, y editarlos o extenderlos no es posible en el Espacio Económico Europeo, Suiza y el Reino Unido; los clips que genera el modelo sí se pueden editar y extender en esas regiones.

¿Qué pasa con gemini-omni-1.1-flash?

Sigue funcionando durante una ventana de transición de cuatro semanas. Desde el 3 de diciembre de 2026, las peticiones a ese modelo las atiende gemini-omni-1.2-flash y se facturan a precios de 1.2, sin cambios en el código.

Fuentes consultadas

• Google: anuncio de Gemini Omni 1.2 Flash
• Google: ficha del modelo Gemini Omni Flash
• Google: generar y editar vídeos con Gemini Omni Flash
• Google: resumen de la Interactions API
• Google: notas de la versión de la Gemini API
• Google: precios de la Gemini API
• Google: límites de tasa de la Gemini API