Gemini Omni 1.2 Flash API: gerar e editar vídeo

A API do Gemini Omni 1.2 Flash está disponível para o público geral desde 5 de novembro de 2026, na camada paga da API Gemini. Uma requisição devolve um vídeo de 3 a 15 segundos com áudio, e uma requisição seguinte edita esse mesmo clipe sem novo upload (notas de versão do Google e guia do Omni, verificados em 6 de novembro de 2026).

• Modelo: gemini-omni-1.2-flash, chamado por client.interactions.create ou POST /v1beta/interactions.
• Clipe: 3 a 15 segundos a 24 fps, em 16:9 ou 9:16, com faixa de áudio gerada.
• Edição: um segundo turno com previous_interaction_id reescreve um clipe que você gerou, com até 15 segundos de entrada.
• Preço: cerca de $1.04 em tokens de vídeo para um clipe 720p de 15 segundos, mais tokens de entrada e de texto.

O que a API do Gemini Omni 1.2 Flash oferece

As requisições vão para POST https://generativelanguage.googleapis.com/v1beta/interactions com "model": "gemini-omni-1.2-flash" no corpo. É a API Interactions, a interface que o Google recomenda para projetos novos desde que ficou disponível para o público em junho de 2026 (visão geral da API Interactions, verificada em 6 de novembro de 2026); a interface generateContent, mais antiga, ainda atende os outros modelos Gemini.

O modelo devolve vídeo com áudio nativo, além de texto (ficha do modelo). A saída roda a 24 fps, em 360p, 720p por padrão, 1080p com upscaling, ou 4k com upscaling, e cada clipe leva uma marca d’água SynthID invisível. O paisagem 16:9 é o padrão e o retrato entrega 9:16.

O acesso é só na camada paga. A tabela de preços do Google mostra Not available no Free Tier para entrada e saída, e a página de limites coloca o Omni Flash em 8 requisições por minuto e 40 por dia no Tier 1 (preços, limites de uso, verificados em 6 de novembro de 2026).

O modelo anterior, gemini-omni-1.1-flash, continua utilizável durante uma transição de quatro semanas. Em 3 de dezembro de 2026, as requisições enviadas a ele passam a ser atendidas pela versão 1.2 com preços de 1.2, sem mudar código.

Gerar um vídeo pela API Interactions

O SDK Python resolve em três passos: criar um cliente, criar a interação, gravar o vídeo em base64 num arquivo. O exemplo fixa uma duração explícita e mantém a interação armazenada para editar o clipe depois. Precisa do pacote google-genai (pip install -U google-genai) e de uma chave da API Gemini em GEMINI_API_KEY; os dois turnos vão para o endpoint do Google, então uma chave OmniaKey não funciona aqui.

# 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))

A duração é escrita em segundos inteiros, como string, de 3 a 15; sem o campo, o modelo gera 10 segundos. A resolução é uma chave vizinha no mesmo objeto response_format, ao lado do tipo.

O SDK lê o arquivo pronto em output_video.data, em base64; a resposta REST não tem esse campo e entrega os mesmos bytes dentro de steps[], no item content do tipo vídeo. Acima de 4 MB, acrescente "delivery": "uri" ao response_format (guia do Omni, verificado em 6 de novembro de 2026); depois consulte client.files.get até o estado do arquivo ser ACTIVE e baixe com client.files.download.

O trecho foi adaptado do exemplo Python do Google e passou numa checagem de sintaxe; não o executamos contra a API.

Editar um clipe gerado sem começar de novo

Passe o id da primeira interação em previous_interaction_id e descreva a mudança. O modelo mantém o contexto do clipe, aplica a edição e devolve um vídeo novo; o exemplo de edição do Google envia só o modelo, esse id e o prompt, os mesmos três campos do turno 2 (guia do Omni, verificado em 6 de novembro de 2026).

A extensão segue o mesmo ciclo. Peça uma continuação em linguagem natural e o modelo acrescenta 3 a 10 segundos, 10 por padrão, usando os 10 segundos finais do vídeo de entrada como contexto, até 30 segundos no total. O acréscimo vai sempre no fim, então não dá para inserir uma cena antes do primeiro quadro ou no meio.

Para imagens gravadas por você, envie um clipe de até 15 segundos pela Files API e escreva o prompt sobre ele. Editar e estender vídeos enviados não está disponível no EEE, na Suíça e no Reino Unido; editar clipes gerados pelo modelo funciona nessas regiões. Edição de voz não é suportada nesta versão, assim como entradas e referências de áudio, e o áudio dentro de um vídeo de referência é ignorado.

Duração, resolução e limites de referência

As faixas mudam conforme a operação; a tabela segue o guia do Google (guia do Omni, verificado em 6 de novembro de 2026).

As referências têm limites próprios:

• Até 6 imagens de referência por requisição, com até 3 imagens por personagem para até 2 personagens.
• Saídas de 11 a 15 segundos aceitam 1 vídeo de referência de até 3 segundos; saídas de 3 a 10 segundos aceitam até 3 vídeos de referência de até 3 segundos cada.
• Vídeos de referência valem quando você gera um clipe novo. Edição e extensão usam imagens de referência em vez disso.
• Links do YouTube não servem como entrada de mídia; envie o arquivo primeiro.

O que os exemplos oficiais do Google mostram

O Google publicou nove clipes de demonstração com o post de lançamento de 5 de novembro de 2026 (verificado em 6 de novembro de 2026). Baixamos dois e conferimos com ffprobe: os dois são 1920×1080 a 24 fps com faixa AAC estéreo, e os dois arquivos abrem com uma cartela de título, então a duração do arquivo passa da cena que está dentro.

O par mostra o quanto o enquadramento pode andar num único clipe. Aos 6 segundos, um homem se ajoelha em água rasa com uma mão num pedaço de madeira; aos 12 segundos, a câmera está alta sobre a costa, a pessoa pequena perto da linha d’água, morros cobertos de palmeiras à esquerda e o oceano aberto à direita.

O quadro do Pantheon aos 12 segundos chega ao interior do prédio: o óculo circular, os caixotões quadrados concêntricos em volta e uma mancha de sol no piso. A legenda do Google descreve um voo de drone contínuo guiado por duas fotos de arquitetura; aos 6 segundos, a mesma amostra ainda está do lado de fora, entre as colunas.

Preço oficial: estimar um clipe direito

O Google cobra $1.50 por milhão de tokens de entrada para texto, imagens e vídeo, $9.00 por milhão de tokens de saída de texto e $12.00 por milhão de tokens de saída de vídeo, só na camada paga (página de preços, verificada em 6 de novembro de 2026). Vídeo é cobrado por tokens de saída, e a saída em 720p usa 5,792 tokens por segundo.

Um clipe 720p de 15 segundos cobra 15 × 5,792 × $12.00 / 1,000,000 = $1.04256 em tokens de vídeo, cerca de $1.04, antes dos tokens de entrada e de texto. Arredonde só depois de somar o total.

Escolher um fluxo de trabalho de vídeo

Gere com o Omni quando um único plano de 15 segundos com som resolve a cena, ou quando o clipe vai passar por várias rodadas de ajustes pequenos. O ciclo de edição é o motivo de escolher: cada turno mantém o contexto do clipe anterior, então você troca um objeto, um fundo ou uma indicação de câmera por mensagem em vez de descrever a cena inteira de novo.

Escolha outro modelo quando o plano precisa durar mais numa passada só, ou quando o trabalho gira em torno de vídeo de referência. O Seedance 2.5 da ByteDance gera até 30 segundos numa requisição, o limite que a documentação da API informa e que a análise do Seedance 2.5 explica, e a comparação Kling 4.0 vs Seedance 2.5 cobre os fluxos com movimento e referência em primeiro lugar.

O Omni é um lançamento pago do próprio Google e fica fora do catálogo de vídeo da OmniaKey. O Seedance 2.5 está lá para planos longos de uma passada, e o gerador de vídeo com IA roda prompts no navegador, sem código.

Perguntas frequentes

A API do Gemini Omni 1.2 Flash é gratuita?

Não. O modelo fica na camada paga da API Gemini, e a tabela de preços do Google mostra Not available no Free Tier.

Qual endpoint a API do Gemini Omni 1.2 Flash usa?

A API Interactions. Envie POST https://generativelanguage.googleapis.com/v1beta/interactions com "model": "gemini-omni-1.2-flash", ou chame client.interactions.create nos SDKs Python, JavaScript, Go ou Java. generateContent é a interface mais antiga usada pelos outros modelos Gemini.

Qual é a duração máxima de um clipe do Gemini Omni 1.2 Flash?

Uma requisição de geração vai de 3 a 15 segundos e usa 10 por padrão. A extensão soma 3 a 10 segundos por turno até 30 segundos no total, a interpolação entre primeiro e último quadro fica em 3 a 10 segundos, e o vídeo de entrada para edição tem no máximo 15 segundos.

Posso editar um vídeo que enviei, ou só clipes gerados?

Os dois, com limites. Clipes enviados têm no máximo 15 segundos, e editá-los ou estendê-los não está disponível no EEE, na Suíça e no Reino Unido; clipes gerados pelo modelo podem ser editados e estendidos nessas regiões.

O que acontece com o gemini-omni-1.1-flash?

Ele continua funcionando durante uma janela de transição de quatro semanas. A partir de 3 de dezembro de 2026, as requisições para ele são atendidas pelo gemini-omni-1.2-flash e cobradas com os preços da versão 1.2, sem mudança de código.

Fontes verificadas

• Google: post de lançamento do Gemini Omni 1.2 Flash
• Google: ficha do modelo Gemini Omni Flash
• Google: gerar e editar vídeos com o Gemini Omni Flash
• Google: visão geral da API Interactions
• Google: notas de versão da API Gemini
• Google: preços da API Gemini
• Google: limites de uso da API Gemini