Gemini Omni 1.2 Flash API: generare video e montare clip

L’API Gemini Omni 1.2 Flash è disponibile per tutti dal 5 novembre 2026, sul livello a pagamento di Gemini API. Una richiesta restituisce un video di 3–15 secondi con audio, e la richiesta successiva monta quella stessa clip senza un nuovo caricamento (note di rilascio di Google e guida Omni, verificati il 6 novembre 2026).

• Modello: gemini-omni-1.2-flash, chiamato con client.interactions.create o POST /v1beta/interactions.
• Clip: 3–15 secondi a 24 fps, 16:9 o 9:16, con una traccia audio generata.
• Montaggio: un secondo turno con previous_interaction_id riscrive una clip che hai generato, fino a 15 secondi in ingresso.
• Prezzo: circa $1.04 in token video per una clip 720p di 15 secondi, più i token di ingresso e di testo.

Cosa offre l’API Gemini Omni 1.2 Flash

Le richieste vanno a POST https://generativelanguage.googleapis.com/v1beta/interactions con "model": "gemini-omni-1.2-flash" nel corpo. È l’API Interactions, l’interfaccia che Google consiglia per i progetti nuovi da quando è diventata disponibile per tutti a giugno 2026 (panoramica dell’API Interactions, verificata il 6 novembre 2026); la vecchia interfaccia generateContent serve ancora gli altri modelli Gemini.

Il modello restituisce video con audio nativo, più testo (scheda del modello). L’output gira a 24 fps, in 360p, 720p per impostazione predefinita, 1080p con upscaling o 4k con upscaling, e ogni clip porta un watermark SynthID invisibile. Il formato orizzontale 16:9 è quello predefinito, il verticale dà 9:16.

L’accesso è solo a pagamento. La tabella prezzi di Google mostra Not available sotto Free Tier sia per l’ingresso sia per l’uscita, e la pagina dei limiti avvia Omni Flash a 8 richieste al minuto e 40 al giorno su Tier 1 (prezzi, limiti, verificati il 6 novembre 2026).

Il modello precedente, gemini-omni-1.1-flash, resta utilizzabile durante una transizione di quattro settimane. Dal 3 dicembre 2026 le richieste che gli vengono inviate sono gestite dalla versione 1.2 ai prezzi 1.2, senza modifiche al codice.

Generare un video con l’API Interactions

L’SDK Python si riduce a tre mosse: creare un client, creare l’interazione, scrivere il video base64 in un file. L’esempio imposta una durata esplicita e conserva l’interazione salvata per poter montare la clip dopo. Servono il pacchetto google-genai (pip install -U google-genai) e una chiave API Gemini in GEMINI_API_KEY; entrambi i turni vanno all’endpoint di Google, quindi una chiave OmniaKey qui non funziona.

# 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 durata si scrive in secondi interi come stringa, da 3 a 15; se il campo manca, il modello genera 10 secondi. La risoluzione è una chiave vicina nello stesso oggetto response_format, accanto al tipo.

L’SDK legge il file finito da output_video.data, in base64; la risposta REST non ha quel campo e restituisce gli stessi byte dentro steps[], nella voce content di tipo video. Oltre 4 MB, aggiungi "delivery": "uri" a response_format (guida Omni, verificata il 6 novembre 2026); poi interroga client.files.get finché lo stato del file è ACTIVE e scaricalo con client.files.download.

Lo snippet è adattato dall’esempio Python di Google e ha superato un controllo di sintassi; non l’abbiamo eseguito contro l’API.

Montare una clip generata senza ricominciare

Passa l’id della prima interazione come previous_interaction_id e descrivi la modifica. Il modello mantiene il contesto della clip, applica il montaggio e restituisce un video nuovo; l’esempio di montaggio di Google invia solo il modello, quell’id e il prompt, gli stessi tre campi del turno 2 (guida Omni, verificata il 6 novembre 2026).

L’estensione segue lo stesso ciclo. Chiedi una continuazione in linguaggio naturale e il modello aggiunge 3–10 secondi, 10 per impostazione predefinita, usando gli ultimi 10 secondi del video in ingresso come contesto, fino a 30 secondi in totale. L’aggiunta va sempre in fondo, quindi non puoi inserire una scena prima del fotogramma iniziale o in mezzo.

Per i filmati girati da te, carica una clip di massimo 15 secondi tramite la Files API e scrivi il prompt su quella. Il montaggio e l’estensione dei video caricati non sono disponibili nello SEE, in Svizzera e nel Regno Unito; il montaggio delle clip generate dal modello funziona in quelle regioni. Il montaggio della voce non è supportato in questa versione, come gli ingressi e i riferimenti audio, e l’audio dentro un video di riferimento viene ignorato.

Durata, risoluzione e limiti dei riferimenti

Gli intervalli cambiano per operazione; la tabella segue la guida di Google (guida Omni, verificata il 6 novembre 2026).

I riferimenti hanno limiti propri:

• Fino a 6 immagini di riferimento per richiesta, con massimo 3 immagini per personaggio per un massimo di 2 personaggi.
• Gli output da 11 a 15 secondi accettano 1 video di riferimento fino a 3 secondi; gli output da 3 a 10 secondi accettano fino a 3 video di riferimento da 3 secondi ciascuno.
• I video di riferimento servono quando generi una clip nuova. Montaggio ed estensione prendono invece immagini di riferimento.
• I link YouTube non possono essere usati come input media; carica prima il file.

Cosa mostrano gli esempi ufficiali di Google

Google ha pubblicato nove clip dimostrative con il post di lancio del 5 novembre 2026 (verificato il 6 novembre 2026). Ne abbiamo scaricate due e controllate con ffprobe: entrambe sono 1920×1080 a 24 fps con traccia AAC stereo, ed entrambi i file si aprono con una sigla di titolo, quindi la durata del file supera quella della scena al suo interno.

La coppia mostra quanto può spostarsi l’inquadratura in una sola clip. A 6 secondi un uomo è in ginocchio in acqua bassa con una mano su un tronco galleggiante; a 12 secondi la camera sta in alto sopra la costa, la persona è piccola vicino alla battigia, colline coperte di palme a sinistra e oceano aperto a destra.

Il fotogramma del Pantheon a 12 secondi è ormai dentro l’edificio: l’oculo circolare, i cassettoni quadrati concentrici intorno e una macchia di sole sul pavimento. La didascalia di Google descrive un volo continuo di drone guidato da due foto di architettura; a 6 secondi lo stesso esempio è ancora fuori, tra le colonne.

Prezzi ufficiali: stimare una clip correttamente

Google addebita $1.50 per milione di token in ingresso per testo, immagini e video, $9.00 per milione di token di testo in uscita e $12.00 per milione di token video in uscita, solo sul livello a pagamento (pagina prezzi, verificata il 6 novembre 2026). Il video si fattura sui token in uscita, e un’uscita 720p usa 5,792 token al secondo.

Una clip 720p di 15 secondi fattura 15 × 5,792 × $12.00 / 1,000,000 = $1.04256 in token video, circa $1.04, prima dei token di ingresso e di testo. Arrotonda solo dopo aver calcolato il totale.

Quale flusso di lavoro video scegliere

Genera con Omni quando un singolo piano di 15 secondi con audio copre la scena, o quando la clip passerà attraverso diversi giri di piccole modifiche. Il ciclo di montaggio è il motivo per sceglierlo: ogni turno conserva il contesto della clip precedente, quindi cambi un oggetto, uno sfondo o una nota di regia per messaggio invece di ridiscrivere tutta la scena.

Scegli un altro modello quando il piano deve durare più a lungo in un solo passaggio, o quando il lavoro ruota intorno a video di riferimento. Seedance 2.5 di ByteDance genera fino a 30 secondi in una richiesta: è il limite che indica la documentazione dell’API e che la recensione di Seedance 2.5 spiega, mentre il confronto Kling 4.0 vs Seedance 2.5 copre i flussi basati su movimento e riferimenti.

Omni è un’uscita a pagamento di Google e resta fuori dal catalogo video di OmniaKey. Seedance 2.5 è disponibile lì per i piani lunghi in un solo passaggio, e il generatore di video AI esegue i prompt nel browser senza codice.

Domande frequenti

L’API Gemini Omni 1.2 Flash è gratuita?

No. Il modello sta sul livello a pagamento di Gemini API, e la tabella prezzi di Google mostra Not available sotto Free Tier.

Quale endpoint usa l’API Gemini Omni 1.2 Flash?

L’API Interactions. Invia POST https://generativelanguage.googleapis.com/v1beta/interactions con "model": "gemini-omni-1.2-flash", oppure chiama client.interactions.create negli SDK Python, JavaScript, Go o Java. generateContent è l’interfaccia più vecchia usata dagli altri modelli Gemini.

Quanto può durare una clip Gemini Omni 1.2 Flash?

Una richiesta di generazione va da 3 a 15 secondi e ne vale 10 per impostazione predefinita. L’estensione aggiunge 3–10 secondi per turno fino a 30 secondi in totale, l’interpolazione tra primo e ultimo fotogramma resta entro 3–10 secondi, e il video in ingresso per il montaggio arriva al massimo a 15 secondi.

Posso montare un video caricato, o solo le clip generate?

Entrambi, con dei limiti. Le clip caricate arrivano al massimo a 15 secondi, e montarle o estenderle non è disponibile nello SEE, in Svizzera e nel Regno Unito; le clip generate dal modello si montano e si estendono in quelle regioni.

Che fine fa gemini-omni-1.1-flash?

Continua a funzionare durante una finestra di transizione di quattro settimane. Dal 3 dicembre 2026 le richieste che gli vengono inviate sono gestite da gemini-omni-1.2-flash e fatturate ai prezzi 1.2, senza modifiche al codice.

Fonti verificate

• Google: post di lancio di Gemini Omni 1.2 Flash
• Google: scheda del modello Gemini Omni Flash
• Google: generare e montare video con Gemini Omni Flash
• Google: panoramica dell’API Interactions
• Google: note di rilascio di Gemini API
• Google: prezzi di Gemini API
• Google: limiti di Gemini API