Gemini Omni 1.2 Flash API: генерация видео и правка клипа

API Gemini Omni 1.2 Flash вышел в общий доступ 5 ноября 2026 года на платном уровне Gemini API. Один запрос возвращает видео длиной 3–15 секунд со звуком, а следующий запрос правит этот же клип без повторной загрузки (заметки о выпуске Google и руководство по Omni, проверено 6 ноября 2026 года).

• Модель: gemini-omni-1.2-flash, вызов через client.interactions.create или POST /v1beta/interactions.
• Клип: 3–15 секунд при 24 fps, 16:9 или 9:16, со сгенерированной звуковой дорожкой.
• Правка: второй ход с previous_interaction_id переписывает созданный вами клип, на входе до 15 секунд.
• Цена: около $1.04 в токенах видео за клип 720p на 15 секунд плюс токены входа и текста.

Что умеет API Gemini Omni 1.2 Flash

Запросы идут на POST https://generativelanguage.googleapis.com/v1beta/interactions с "model": "gemini-omni-1.2-flash" в теле. Это Interactions API — интерфейс, который Google рекомендует для новых проектов с момента общего доступа в июне 2026 года (обзор Interactions API, проверено 6 ноября 2026 года); более старый интерфейс generateContent по-прежнему обслуживает другие модели Gemini.

Модель возвращает видео с собственным звуком и текст (карточка модели). Вывод идёт при 24 fps, в 360p, по умолчанию 720p, 1080p с апскейлом или 4k с апскейлом, и на каждом клипе есть невидимый водяной знак SynthID. По умолчанию используется альбомная ориентация 16:9, портретная даёт 9:16.

Доступ только платный. В таблице цен Google для входа и выхода стоит Not available в Free Tier, а страница лимитов начинает Omni Flash с 8 запросов в минуту и 40 в день на Tier 1 (цены, лимиты, проверено 6 ноября 2026 года).

Предыдущая модель gemini-omni-1.1-flash остаётся доступной на время четырёхнедельного перехода. С 3 декабря 2026 года запросы к ней обрабатывает версия 1.2 по ценам 1.2, без изменений в коде.

Сгенерировать видео через Interactions API

В Python SDK всё сводится к трём шагам: создать клиент, создать взаимодействие, записать видео из base64 в файл. В примере длительность задана явно, а взаимодействие сохраняется, чтобы клип можно было потом править. Нужен пакет google-genai (pip install -U google-genai) и ключ Gemini API в GEMINI_API_KEY; оба хода идут на эндпоинт Google, поэтому ключ OmniaKey здесь не подойдёт.

# 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))

Длительность задаётся целыми секундами в виде строки, от 3 до 15; если поле не указать, модель сгенерирует 10 секунд. Разрешение — соседний ключ в том же объекте response_format, рядом с типом. Разрешения 1080p и 4k доступны только с апскейлом.

Готовый файл SDK читает из output_video.data в base64; в ответе REST этого поля нет, и те же байты лежат внутри steps[], в элементе content типа видео. Для клипов больше 4 МБ добавьте "delivery": "uri" в response_format (руководство по Omni, проверено 6 ноября 2026 года); затем опрашивайте client.files.get, пока состояние файла не станет ACTIVE, и забирайте файл через client.files.download.

Фрагмент адаптирован из примера Google на Python и прошёл проверку синтаксиса; против API мы его не запускали.

Править готовый клип, не начиная заново

Передайте id первого взаимодействия в previous_interaction_id и опишите изменение. Модель сохраняет контекст клипа, применяет правку и возвращает новое видео, поэтому пересказывать всю сцену не нужно: достаточно назвать то, что должно измениться; в примере правки Google отправляются только модель, этот id и запрос — те же три поля, что на втором ходе (руководство по Omni, проверено 6 ноября 2026 года).

Продление работает по тому же циклу. Попросите продолжение обычными словами, и модель добавит 3–10 секунд, по умолчанию 10, взяв последние 10 секунд входного видео как контекст, всего до 30 секунд. Добавление идёт только в конец: вставить сцену перед первым кадром или в середину нельзя.

Для своих съёмок загрузите клип не длиннее 15 секунд через Files API и напишите запрос по нему. Правка и продление загруженных видео недоступны в ЕЭЗ, Швейцарии и Великобритании, а правка клипов, созданных моделью, в этих регионах работает. Правка голоса в текущей версии не поддерживается, как и звуковые входы и звуковые референсы, а звук внутри референсного видео игнорируется.

Длительность, разрешение и лимиты референсов

Диапазоны зависят от операции; таблица повторяет руководство Google (руководство по Omni, проверено 6 ноября 2026 года).

Для генерации из текста или картинки доступны все 15 секунд, для интерполяции между первым и последним кадром — только 10, а входное видео для правки не может быть длиннее 15 секунд. У референсов свои ограничения:

• До 6 референсных изображений на запрос, до 3 изображений на персонажа для 2 персонажей. Если персонажей двое, на каждого приходится не больше трёх изображений, и все они входят в общий лимит запроса.
• Для вывода 11–15 секунд допускается 1 референсное видео до 3 секунд; для вывода 3–10 секунд — до 3 референсных видео по 3 секунды.
• Референсные видео работают при создании нового клипа. При правке и продлении вместо них передаются референсные изображения.
• Ссылки YouTube нельзя использовать как медиавход; сначала загрузите файл.

Что показывают официальные примеры Google

Google опубликовал девять демонстрационных клипов вместе с анонсом от 5 ноября 2026 года (проверено 6 ноября 2026 года). Мы скачали два и проверили через ffprobe: оба 1920×1080 при 24 fps со стереодорожкой AAC, и оба файла начинаются с титульной заставки, поэтому длина файла больше сцены внутри.

Пара показывает, насколько может двигаться кадр внутри одного клипа. На 6-й секунде мужчина стоит на коленях на мелководье, положив руку на плавник; на 12-й секунде камера висит высоко над берегом, человек маленький у линии воды, слева холмы в пальмах, справа открытый океан.

Кадр Пантеона на 12-й секунде уже внутри здания: круглый окулюс, концентрические квадратные кессоны вокруг и пятно солнца на полу. Подпись Google описывает непрерывный полёт дрона, заданный двумя фото архитектуры; на 6-й секунде тот же пример ещё снаружи, между колоннами.

Официальные цены: как правильно оценить клип

Google берёт $1.50 за миллион токенов входа для текста, изображений и видео, $9.00 за миллион токенов текстового выхода и $12.00 за миллион токенов видеовыхода, только на платном уровне (страница цен, проверено 6 ноября 2026 года). Видео тарифицируется по токенам выхода, и вывод 720p расходует 5,792 токена в секунду.

Клип 720p на 15 секунд стоит 15 × 5,792 × $12.00 / 1,000,000 = $1.04256 в токенах видео, около $1.04, без токенов входа и текста. Сначала умножьте длительность на токены в секунду, затем на цену за миллион токенов и разделите на миллион. Округляйте только после подсчёта суммы.

Какой сценарий работы с видео выбрать

Берите Omni, когда сцену закрывает один план на 15 секунд со звуком или когда клип пройдёт несколько кругов мелких правок. Если план укладывается в эти 15 секунд и звук нужен сразу, отдельная склейка не требуется. Ради цикла правок его и выбирают: каждый ход сохраняет контекст предыдущего клипа, поэтому вы меняете один предмет, фон или замечание к камере одним сообщением вместо пересказа всей сцены.

Другая модель нужна, когда план должен идти дольше за один проход или когда работа строится вокруг референсного видео. Seedance 2.5 от ByteDance генерирует до 30 секунд за один запрос — это ограничение указано в документации API, и обзор Seedance 2.5 его разбирает, а сравнение Kling 4.0 и Seedance 2.5 разбирает сценарии с движением и с референсами.

Omni — платный выпуск самого Google, его нет в видеокаталоге OmniaKey. Seedance 2.5 там доступен для длинных одиночных планов, а генератор видео с ИИ выполняет промпты в браузере без кода.

Частые вопросы

API Gemini Omni 1.2 Flash бесплатный?

Нет. Модель работает на платном уровне Gemini API, и в таблице цен Google для неё стоит Not available в Free Tier.

Какой эндпоинт использует API Gemini Omni 1.2 Flash?

Interactions API. Отправляйте POST https://generativelanguage.googleapis.com/v1beta/interactions с "model": "gemini-omni-1.2-flash" или вызывайте client.interactions.create в SDK для Python, JavaScript, Go или Java. generateContent — более старый интерфейс, его используют другие модели Gemini.

Какая максимальная длительность клипа Gemini Omni 1.2 Flash?

Запрос генерации даёт 3–15 секунд, по умолчанию 10. Продление добавляет 3–10 секунд за ход до 30 секунд всего, интерполяция между первым и последним кадром укладывается в 3–10 секунд, а входное видео для правки — не длиннее 15 секунд.

Можно править загруженное видео или только созданные клипы?

И то и другое, с ограничениями. Загруженные клипы не длиннее 15 секунд, а их правка и продление недоступны в ЕЭЗ, Швейцарии и Великобритании; клипы, созданные моделью, правятся и продлеваются в этих регионах.

Что будет с gemini-omni-1.1-flash?

Он продолжает работать в течение четырёхнедельного перехода. С 3 декабря 2026 года запросы к нему обрабатывает gemini-omni-1.2-flash и тарифицирует по ценам 1.2, без изменений в коде.

Проверенные источники

• Google: анонс Gemini Omni 1.2 Flash
• Google: карточка модели Gemini Omni Flash
• Google: генерация и правка видео в Gemini Omni Flash
• Google: обзор Interactions API
• Google: заметки о выпуске Gemini API
• Google: цены Gemini API
• Google: лимиты Gemini API