Google● Disponible

Gemini Omni API

Gemini Omni 多模态视频模型，支持文生、图生、参考生成和视频编辑。

Texte vers vidéoImage vers vidéoRéférence vers vidéoMontage vidéo 720p 3–10s / automatique

Qu’est-ce que Gemini Omni

Gemini Omni est la famille de modèles vidéo multimodaux de Google annoncée à l’I/O 2026 (selon la documentation amont EvoLink), dont Omni Flash est la route courte, multi-entrées et éditable en dialogue. Roko l’expose via l’API asynchrone de tâches vidéo unifiée avec quatre routes — texte vers vidéo, image vers vidéo, référence vers vidéo et montage — mappées sur les sous-modèles gemini-omni-flash-*.

Contrairement aux modèles à la seconde comme Veo, Gemini Omni facture en tokens : 1,43 $ par million de tokens d’entrée, 16,50 $ par million de tokens de sortie vidéo et 8,47 $ par million pour les autres sorties. Le coût réel dépend de l’usage renvoyé par la tâche ; il est impossible de budgéter depuis un prix unitaire fixe — calibrez avec de petits lots.

La sortie actuelle est 720p, en 3–10 s ou auto (durée décidée par le modèle ; la réservation estime 10 s), ratios 16:9, 9:16 ou auto, avec audio natif toujours généré. La différence de flux tient au montage conversationnel : la route video-edit accepte un MP4 de 10 s maximum et réécrit la séquence d’après une instruction en langage naturel.

Tarification du modèle

Les tarifs suivent la configuration de production actuelle et les unités réellement prises en charge par chaque mode.

Mode	Prix	Règle de facturation
Gemini Omni	Calculé selon les paramètres de la tâche sur la page des tarifs	输入 token $1.43/M；视频输出 token $16.50/M；其他输出 token $8.47/M

Exemples d’estimation

La facturation en tokens n’a pas de prix unitaire fixe ; les exemples montrent seulement le calcul. Les volumes supposés ne sont pas mesurés — les frais réels suivent l’usage de chaque tâche et la page des tarifs.

Formule

`tokens d’entrée/1M × 1,43 $ + tokens de sortie vidéo/1M × 16,50 $ + autres tokens de sortie/1M × 8,47 $`

Les trois termes correspondent à l’entrée, aux tokens d’images vidéo et aux autres sorties (texte par exemple) ; la réconciliation exacte est possible à l’état terminal.

Exemple chiffré supposé (non mesuré)

`supposons 2 000 en entrée + 60 000 en sortie vidéo + 500 autres → 0,0029 + 0,99 + 0,0042 ≈ 1,00 $`

Les hypothèses illustrent la méthode. L’usage varie avec la durée et la complexité — calibrez avec de vrais petits lots.

Informations du modèle

Seuls les modèles, capacités et limites documentés par le fournisseur et intégrés à la passerelle sont affichés.

Texte vers vidéo

`gemini-omni-flash-text-to-video`

Limites: —
Durée: 3–10s / automatique

Image vers vidéo

`gemini-omni-flash-image-to-video`

Limites: Images 1
Durée: 3–10s / automatique

Référence vers vidéo

`gemini-omni-flash-reference-to-video`

Limites: Images 1–8
Durée: 3–10s / automatique

Montage vidéo

`gemini-omni-flash-video-edit`

Limites: Vidéos 1
Durée: 3–10s / automatique

Source des capacités ↗

Capacités principales

Quatre routes, une seule API de tâches

text-to-video, image-to-video (1 image), référence-vers-vidéo (1–8 images) et video-edit (1 clip ≤10 s) partagent la même interface asynchrone et le même cycle de vie — changer de route revient à changer le paramètre model.

Montage vidéo conversationnel

Décrivez la modification en langage naturel (par exemple « passe à la lumière dorée ») et la route video-edit réécrit la séquence en préservant sujet et décor. La persistance de l’identité et du mouvement doit être validée sur vos propres fichiers.

Audio natif systématique

L’audio (ambiance, effets, dialogues) est généré dans la même passe, sans paramètre de coupure ; son coût se retrouve dans les compteurs de sortie vidéo et d’autres sorties.

Callback et polling

Transmettez un callback_url HTTPS à la soumission : l’amont POSTe les mises à jour à l’état terminal ; sinon interrogez la tâche. Les deux correspondent au cycle de vie Roko.

Paramètres principaux

Ces paramètres proviennent de la configuration structurée du modèle ; les champs non configurés ou non pris en charge sont omis.

modelstring

ID du modèle

Valeur par défaut:

gemini-omni-flash-text-to-video / gemini-omni-flash-image-to-video / gemini-omni-flash-reference-to-video / gemini-omni-flash-video-edit

promptstring

Gemini Omni 多模态视频模型，支持文生、图生、参考生成和视频编辑。

Valeur par défaut: Obligatoire

durationinteger

Secondes de vidéo produites

Valeur par défaut: 3–10s / automatique

qualityenum

Facturation actuelle

Valeur par défaut: 720p

aspect_ratioenum

Capacité

Valeur par défaut: auto / 16:9 / 9:16

image_urlsarray

Image vers vidéo: 1 · Référence vers vidéo: 1–8

Valeur par défaut: Selon le mode

video_urlsarray

Montage vidéo: 1

Valeur par défaut: Selon le mode

Capacités et conseils d’utilisation

Fonctions principales

Texte vers vidéo · gemini-omni-flash-text-to-video
Image vers vidéo · gemini-omni-flash-image-to-video
Référence vers vidéo · gemini-omni-flash-reference-to-video
Montage vidéo · gemini-omni-flash-video-edit
720p en sortie
3–10s / automatique Durée
Génération audio disponible
Compatible avec les médias audio ou la génération avec son

Limites d’utilisation

Image vers vidéo: Images 1
Référence vers vidéo: Images 1–8
Montage vidéo: Vidéos 1
Source des capacités: https://evolink.ai/zh/gemini-omni

Limites et points d’attention

La 720p est la seule résolution actuelle ; choisissez Veo 3.1 ou Gemini Omni 1.1 Flash pour de la 1080p/4K.
La facturation en tokens rend le coût imprécis avant soumission ; les durées auto sont réservées comme 10 s et réglées à l’état terminal.
L’audio est toujours généré, sans interrupteur ; choisissez un autre modèle quand le silence est requis.
Pas de paramètre de negative prompt dédié — écrivez les exclusions dans le corps du prompt.
Les liens amont expirent après 24 heures ; intégrez la récupération des fichiers à votre pipeline, surtout sur plusieurs fuseaux horaires.
Les affirmations sur l’annonce de cette famille par Google proviennent de la documentation amont EvoLink, pas d’une page Google.

Flux d’appel

POST /v1/videos/tasks avec model = sous-modèle de la route (gemini-omni-flash-text-to-video / image-to-video / reference-to-video / video-edit), plus prompt, duration (3–10 ou auto) et aspect_ratio.
Joignez les médias selon la route : une image pour image-to-video, 1–8 images pour référence-vers-vidéo, ou un MP4 de 10 s maximum via video_urls pour video-edit.
Interrogez GET /v1/tasks/{task_id} ou recevez le callback_url jusqu’à l’état terminal succeeded / failed.
En cas de succès, lisez l’URL vidéo et récupérez le fichier rapidement ; les liens amont sont valables 24 heures.
En cas d’échec, lisez la raison. Ce modèle n’a pas de paramètre de negative prompt — écrivez les exclusions dans le prompt et renvoyez. Une soumission réussie ne garantit pas une génération réussie.

Cas d’usage typiques

Production de formats courts

Entrée : prompt thématique + 9:16 vertical ; opération : soumission en lot de 3–10 s ou auto ; résultat : clips 720p avec audio ; limite : 720p uniquement, et coûts à réconcilier par tâche via l’usage.

Réécriture conversationnelle de séquences existantes

Entrée : un MP4 de 10 s maximum + une instruction de montage ; opération : route video-edit ; résultat : lumière, ambiance ou éléments locaux réécrits, sujet conservé ; limite : la fidélité varie selon la source — validez à petit coût d’abord.

Composition multi-ressources personnages/décors

Entrée : 1–8 images de référence (personnages, accessoires, décors) ; opération : référence-vers-vidéo ; résultat : fusion en un plan cohérent ; limite : 8 images au plafond, la cohérence dépend des entrées.

Choisir face aux autres modèles vidéo de Roko

Répartition grossière par mode de facturation et flux de travail ; fiez-vous au catalogue et à vos tests.

Gemini Omni vs Veo 3.1

Gemini Omni pour monter des séquences existantes, fusionner plusieurs ressources et réécrire en dialogue ; Veo 3.1 pour un tarif à la seconde précalculable, de la 1080p/4K et des lots n.

Gemini Omni vs Gemini Omni 1.1 Flash

La 1.1 ajoute une route d’extension vidéo, des paliers 360p–4K et une durée par défaut de 5 s, et accepte des vidéos parmi les références ; la première génération reste en 720p sans extension.

vs canaux à la requête (Grok)

Le tarif fixe du canal Grok est entièrement budgétable mais figé ; Gemini Omni échange de la variabilité de coût contre des flux d’édition multi-ressources.

Questions fréquentes

Comment appeler Gemini Omni sur Roko ?

Soumettez via POST /v1/videos/tasks avec model = l’ID du sous-modèle de la route (par exemple gemini-omni-flash-text-to-video), puis interrogez la tâche jusqu’à l’état terminal.

Combien coûte une vidéo Gemini Omni ?

Facturation en tokens : 1,43 $/M en entrée, 16,50 $/M en sortie vidéo, 8,47 $/M pour les autres sorties. Le coût dépend de l’usage de la tâche et ne peut pas être coté à l’unité ; calibrez avec de petits lots.

Quelles durées, résolutions et ratios ?

3–10 s ou auto (réservée comme 10 s) ; 720p ; 16:9, 9:16 ou auto. Selon le catalogue Roko actuel.

Quelle différence avec Veo 3.1 ?

Gemini Omni mise sur le montage conversationnel et les entrées multiples, facturé en tokens, actuellement 720p seulement ; Veo 3.1 facture à la seconde avec un prix prévisible, des clips de 4/6/8 s et jusqu’en 4K.

Quelles séquences la route de montage accepte-t-elle ?

Une vidéo (MP4 de 10 s maximum selon la doc amont) plus une instruction de montage en langage naturel. Validez la fidélité sur vos propres fichiers.

Combien de temps les liens de sortie restent-ils valables ?

24 heures côté amont ; récupérez les fichiers vers votre stockage dès la fin de la tâche.

Peut-on couper l’audio ou générer en lot ?

Non. L’audio est toujours généré sans interrupteur, et le catalogue actuel n’a pas de paramètre de lot n — un résultat par tâche.

Les tâches échouées sont-elles facturées ?

L’état terminal fait foi : les tâches échouées se règlent selon les règles de la plateforme et ne facturent généralement pas de frais de résultats réussis ; les écarts de réservation sont remboursés ou facturés automatiquement. Voir la documentation de facturation Roko.

Sources et périmètre de vérification

Les affirmations sur la famille et le flux proviennent de la documentation publique amont EvoLink ; routes, paramètres et tarifs appelables proviennent du catalogue de production Roko actuel. Vérifié le 08/10/2026.

EvoLink: Gemini Omni Flash API model page Upstream provider page: modes, token billing, FAQ
EvoLink docs: gemini-omni-flash-text-to-video Upstream API manual: duration, aspect ratio, 24h link validity
Roko API video task docs Async submit, task query, and billing lifecycle on Roko
Roko API model catalog Current routes, prices, and generation config

Modèles de la même famille

Découvrez les autres variantes disponibles de cette famille de modèles.

Autres modèles vidéo

Découvrez d’autres modèles accessibles via l’API unifiée de tâches vidéo asynchrones.

Voir tous les modèles vidéo →