# Gemini Omni 1.2 Flash API: generare video e montare clip

> L’API Interactions di Google per Gemini Omni 1.2 Flash: clip di 15 secondi con audio, montaggio della clip, limiti di durata e prezzi ufficiali per token.

- Canonical HTML: https://omniakey.com/it/blog/gemini-omni-1-2-flash-api
- Markdown: https://omniakey.com/it/blog/gemini-omni-1-2-flash-api.md
- Published: 2026-11-07 (updated 2026-11-07)
- Author: Kiki, COO at OmniaKey
- Language: it
- Category: API setup
- Reading time: 9 min
- All posts: https://omniakey.com/blog/llms.txt

---

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](https://ai.google.dev/gemini-api/docs/changelog) e [guida Omni](https://ai.google.dev/gemini-api/docs/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](https://ai.google.dev/gemini-api/docs/interactions-overview), 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](https://ai.google.dev/gemini-api/docs/models/gemini-omni-flash)). 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](https://ai.google.dev/gemini-api/docs/pricing), [limiti](https://ai.google.dev/gemini-api/docs/rate-limits), 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.

```python
# 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](https://ai.google.dev/gemini-api/docs/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](https://ai.google.dev/gemini-api/docs/omni), verificata il 6 novembre 2026).

> Mantieni 
>
> `store=True`
>
>  (il valore predefinito) su ogni turno che prevedi di montare. Con 
>
> `store=false`
>
>  i turni successivi non possono usare 
>
> `previous_interaction_id`
>
>  per continuare la clip.

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](https://ai.google.dev/gemini-api/docs/omni), verificata il 6 novembre 2026).

|Operazione|Durata|Dettaglio|
|-|-|-|
|Testo/immagine in video|3–15 s|10 s predefiniti|
|Primo e ultimo frame|3–10 s|Due fotogrammi|
|Montare una clip|input ≤15 s|Caricata o generata|
|Estensione per turno|+3–10 s|10 s predefiniti|
|Totale esteso|30 s|10 s di contesto|

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](https://blog.google/innovation-and-ai/technology/developers-tools/introducing-gemini-omni-1-2-flash/) (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.

![Due fotogrammi dalla demo Castaway di Google: un uomo in ginocchio in acqua bassa a 6 secondi, poi una vista ampia e rialzata della costa a 12 secondi](https://omniakey.com/_img/blog/gemini-omni-1-2-flash-api/official-castaway-sequence.dbe2c3e5.2400.webp)

_Fotogrammi a 6 e 12 secondi dalla demo crash-zoom Castaway ufficiale di Google._

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.

![Fotogramma della demo Pantheon di Google a 12 secondi: un oculo circolare, cassettoni quadrati concentrici e una macchia di sole dentro la cupola](https://omniakey.com/_img/blog/gemini-omni-1-2-flash-api/official-pantheon.1d1094e7.1600.webp)

_Fotogramma a 12 secondi dalla demo ufficiale del tour del Pantheon di Google._

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](https://ai.google.dev/gemini-api/docs/pricing), verificata il 6 novembre 2026). Il video si fattura sui token in uscita, e un’uscita 720p usa 5,792 token al secondo.

|Uscita|Token/s|≈ USD/s|
|-|-|-|
|360p|1,931|$0.023|
|720p|5,792|$0.07|
|1080p upscale|8,688|$0.104|
|4k upscale|17,376|$0.209|

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](https://omniakey.com/it/dreamina-seedance-2-5-260628) 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](https://omniakey.com/it/blog/seedance-2-5-review) spiega, mentre il [confronto Kling 4.0 vs Seedance 2.5](https://omniakey.com/it/blog/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](https://omniakey.com/it/ai-video-generator) 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](https://blog.google/innovation-and-ai/technology/developers-tools/introducing-gemini-omni-1-2-flash/)
- [Google: scheda del modello Gemini Omni Flash](https://ai.google.dev/gemini-api/docs/models/gemini-omni-flash)
- [Google: generare e montare video con Gemini Omni Flash](https://ai.google.dev/gemini-api/docs/omni)
- [Google: panoramica dell’API Interactions](https://ai.google.dev/gemini-api/docs/interactions-overview)
- [Google: note di rilascio di Gemini API](https://ai.google.dev/gemini-api/docs/changelog)
- [Google: prezzi di Gemini API](https://ai.google.dev/gemini-api/docs/pricing)
- [Google: limiti di Gemini API](https://ai.google.dev/gemini-api/docs/rate-limits)