Gemini Omni 1.2 Flash API : générer et retoucher une vidéo

L’API Gemini Omni 1.2 Flash est en disponibilité générale depuis le 5 novembre 2026, sur l’offre payante de l’API Gemini. Une requête renvoie une vidéo de 3 à 15 secondes avec son, et une requête de suivi modifie ce même clip sans le renvoyer (notes de version de Google et guide Omni, vérifiés le 6 novembre 2026).

• Modèle : gemini-omni-1.2-flash, appelé avec client.interactions.create ou POST /v1beta/interactions.
• Clip : 3 à 15 secondes à 24 fps, en 16:9 ou 9:16, avec une piste audio générée.
• Montage : un second tour avec previous_interaction_id réécrit un clip que vous avez généré, jusqu’à 15 secondes d’entrée.
• Prix : environ $1.04 de tokens vidéo pour un clip 720p de 15 secondes, plus les tokens d’entrée et de texte.

Ce que gère l’API Gemini Omni 1.2 Flash

Les requêtes partent en POST https://generativelanguage.googleapis.com/v1beta/interactions avec "model": "gemini-omni-1.2-flash" dans le corps. C’est l’API Interactions, l’interface que Google recommande pour les nouveaux projets depuis sa mise à disposition générale en juin 2026 (présentation de l’API Interactions, vérifiée le 6 novembre 2026) ; l’ancienne interface generateContent sert encore les autres modèles Gemini.

Le modèle renvoie de la vidéo avec un audio natif, et du texte (fiche du modèle). La sortie tourne à 24 fps, en 360p, en 720p par défaut, en 1080p avec upscaling, ou en 4k avec upscaling, et chaque clip porte un filigrane SynthID invisible. Le paysage 16:9 est le réglage par défaut ; le portrait donne du 9:16.

L’accès est payant uniquement. Le tableau des tarifs de Google indique Not available en Free Tier pour l’entrée comme pour la sortie, et la page des limites de débit place Omni Flash à 8 requêtes par minute et 40 par jour au Tier 1 (tarifs, limites de débit, vérifiés le 6 novembre 2026).

Le modèle précédent, gemini-omni-1.1-flash, reste utilisable pendant une transition de quatre semaines. Le 3 décembre 2026, les requêtes qui lui sont adressées sont traitées par la version 1.2 aux tarifs 1.2, sans changer une ligne de code.

Générer une vidéo avec l’API Interactions

Le SDK Python tient en trois gestes : créer un client, créer l’interaction, écrire la vidéo base64 dans un fichier. L’exemple impose une durée explicite et garde l’interaction stockée pour pouvoir monter le clip ensuite. Il faut le paquet google-genai (pip install -U google-genai) et une clé d’API Gemini dans GEMINI_API_KEY ; les deux tours passent par l’endpoint de Google, donc une clé OmniaKey ne fonctionne pas ici.

# 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 durée s’écrit en secondes entières, sous forme de chaîne, de 3 à 15 ; si le champ manque, le modèle génère 10 secondes. La résolution est une clé voisine dans le même objet response_format, juste à côté du type.

Le SDK lit le fichier terminé dans output_video.data, en base64 ; la réponse REST n’a pas ce champ, elle place les mêmes octets dans steps[], dans l’entrée content de type vidéo. Au-delà de 4 Mo, ajoutez "delivery": "uri" à response_format (guide Omni, vérifié le 6 novembre 2026) ; vous interrogez ensuite client.files.get jusqu’à ce que l’état du fichier soit ACTIVE, puis vous récupérez le fichier avec client.files.download.

L’extrait est adapté de l’exemple Python de Google et a passé un contrôle de syntaxe ; nous ne l’avons pas exécuté contre l’API.

Modifier un clip généré sans repartir de zéro

Passez l’id de la première interaction en previous_interaction_id et décrivez le changement. Le modèle garde le contexte du clip, applique la modification et renvoie une nouvelle vidéo ; l’exemple de montage de Google n’envoie que le modèle, cet id et le prompt, les trois mêmes champs qu’au tour 2 (guide Omni, vérifié le 6 novembre 2026).

L’extension suit la même boucle. Demandez une suite en langage naturel et le modèle ajoute 3 à 10 secondes, 10 par défaut, en prenant les 10 dernières secondes de la vidéo d’entrée comme contexte, jusqu’à 30 secondes au total. L’ajout se fait toujours à la fin : impossible d’insérer une scène avant la première image ou au milieu.

Pour des images tournées par vous, envoyez un clip de 15 secondes maximum par la Files API, puis écrivez votre prompt dessus. Le montage et l’extension de vidéos envoyées sont indisponibles dans l’EEE, en Suisse et au Royaume-Uni ; le montage des clips générés par le modèle y fonctionne. Le montage de la voix n’est pas pris en charge dans cette version, pas plus que les entrées audio et les références audio, et l’audio d’une vidéo de référence est ignoré.

Durées, résolutions et limites de références

Les plages varient selon l’opération ; le tableau suit le guide de Google (guide Omni, vérifié le 6 novembre 2026).

Les références ont leurs propres plafonds :

• Jusqu’à 6 images de référence par requête, avec jusqu’à 3 images par personnage pour 2 personnages au maximum.
• Les sorties de 11 à 15 secondes acceptent 1 vidéo de référence de 3 secondes maximum ; les sorties de 3 à 10 secondes acceptent jusqu’à 3 vidéos de référence de 3 secondes chacune.
• Les vidéos de référence servent quand vous générez un nouveau clip. Le montage et l’extension prennent des images de référence à la place.
• Les liens YouTube ne peuvent pas servir d’entrée média ; envoyez d’abord le fichier.

Ce que montrent les exemples officiels de Google

Google a publié neuf clips de démonstration avec le billet de lancement du 5 novembre 2026 (vérifié le 6 novembre 2026). Nous en avons téléchargé deux et les avons vérifiés avec ffprobe : les deux sont en 1920×1080 à 24 fps avec une piste AAC stéréo, et les deux fichiers commencent par un carton de titre, donc leur durée dépasse celle de la scène qu’ils contiennent.

Le duo montre l’amplitude de cadrage possible dans un seul clip. À 6 secondes, un homme est à genoux dans l’eau peu profonde, une main sur du bois flotté ; à 12 secondes, la caméra est haut au-dessus de la côte, la silhouette minuscule près de la ligne d’eau, des collines couvertes de palmiers à gauche et l’océan ouvert à droite.

L’image du Panthéon à 12 secondes se trouve à l’intérieur du bâtiment : l’oculus circulaire, les caissons carrés concentriques autour et une tache de soleil sur le sol. La légende de Google décrit un vol de drone continu guidé par deux photos d’architecture ; à 6 secondes, le même exemple est encore dehors, entre les colonnes.

Tarifs officiels : estimer un clip correctement

Google facture $1.50 par million de tokens d’entrée pour le texte, les images et la vidéo, $9.00 par million de tokens de sortie texte et $12.00 par million de tokens de sortie vidéo, sur l’offre payante uniquement (page des tarifs, vérifiée le 6 novembre 2026). La vidéo se facture en tokens de sortie, et une sortie 720p consomme 5,792 tokens par seconde.

Un clip 720p de 15 secondes facture 15 × 5,792 × $12.00 / 1,000,000 = $1.04256 en tokens vidéo, soit environ $1.04, avant les tokens d’entrée et de texte. Arrondissez seulement après avoir calculé le total.

Quel flux de travail vidéo choisir

Générez avec Omni quand un seul plan de 15 secondes avec son couvre la scène, ou quand le clip passera par plusieurs retouches successives. La boucle de montage justifie ce choix : chaque tour garde le contexte du clip précédent, vous changez donc un accessoire, un arrière-plan ou une consigne de caméra par message au lieu de redécrire toute la scène.

Prenez un autre modèle quand le plan doit tenir plus longtemps d’un seul coup, ou quand le travail repose sur des vidéos de référence. Seedance 2.5 de ByteDance génère jusqu’à 30 secondes en une requête, la limite que donne la documentation de l’API et que présente le test de Seedance 2.5, et le comparatif Kling 4.0 vs Seedance 2.5 couvre les usages axés sur le mouvement et les références.

Omni est une sortie payante de Google et ne fait pas partie du catalogue vidéo d’OmniaKey. Seedance 2.5 y est disponible pour les longs plans uniques, et le générateur de vidéos IA exécute les prompts dans le navigateur, sans code.

Questions fréquentes

L’API Gemini Omni 1.2 Flash est-elle gratuite ?

Non. Le modèle relève de l’offre payante de l’API Gemini, et le tableau des tarifs de Google affiche Not available en Free Tier.

Quel endpoint utilise l’API Gemini Omni 1.2 Flash ?

Elle passe par l’API Interactions. Envoyez POST https://generativelanguage.googleapis.com/v1beta/interactions avec "model": "gemini-omni-1.2-flash", ou appelez client.interactions.create dans les SDK Python, JavaScript, Go ou Java. generateContent est l’interface plus ancienne des autres modèles Gemini.

Quelle est la durée maximale d’un clip Gemini Omni 1.2 Flash ?

Une requête de génération va de 3 à 15 secondes et vaut 10 par défaut. L’extension ajoute 3 à 10 secondes par tour, jusqu’à 30 secondes au total ; l’interpolation entre première et dernière image reste dans 3 à 10 secondes ; une vidéo d’entrée à monter fait 15 secondes maximum.

Puis-je monter une vidéo envoyée, ou seulement des clips générés ?

Les deux, avec des limites. Les clips envoyés font 15 secondes maximum, et leur montage ou extension est indisponible dans l’EEE, en Suisse et au Royaume-Uni ; les clips générés par le modèle se montent et s’étendent dans ces régions.

Que devient gemini-omni-1.1-flash ?

Il continue de fonctionner pendant une fenêtre de transition de quatre semaines. À partir du 3 décembre 2026, les requêtes qui lui sont adressées sont traitées par gemini-omni-1.2-flash et facturées aux prix 1.2, sans modification de code.

Sources vérifiées

• Google : billet de lancement de Gemini Omni 1.2 Flash
• Google : fiche du modèle Gemini Omni Flash
• Google : générer et monter des vidéos avec Gemini Omni Flash
• Google : présentation de l’API Interactions
• Google : notes de version de l’API Gemini
• Google : tarifs de l’API Gemini
• Google : limites de débit de l’API Gemini