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。
Gemini Omni 是什么
Gemini Omni 是 Google 在 I/O 2026 上公布的多模态视频模型家族（据 EvoLink 上游文档转述），其中 Omni Flash 是面向短内容、多输入与对话式编辑的路线。Roko 通过统一异步视频任务接口接入，公开四条路线：文生视频、图生视频、参考素材生成与视频编辑，分别对应 gemini-omni-flash-* 子模型。
与按秒计费的 Veo 不同，Gemini Omni 按 token 计费：输入 $1.43/百万 token、视频输出 $16.50/百万 token、其他输出 $8.47/百万 token。实际费用取决于任务返回的 usage，无法像按秒模型那样用单价直接预算，需要在批量生产前用小批量任务标定用量。
当前输出规格为 720p，时长 3–10 秒或 auto（auto 由模型决定，预扣费按 10 秒估算），16:9、9:16 或自动比例，音频随片原生生成且不可关闭。该模型的主要工作流差异在「对话式编辑」：video-edit 路线接受一段 ≤10 秒的 MP4，用自然语言指令改写画面。
模型价格
价格来自当前生产定价配置，并按实际支持的生成路线和计费维度展示。
| 路线 | 价格 | 计费方式 |
|---|---|---|
| Gemini Omni | 以实际任务参数和定价页结果为准 | 输入 token $1.43/M；视频输出 token $16.50/M；其他输出 token $8.47/M |
费用估算示例
token 计费没有固定单价，以下示例仅演示计算方式；假设用量非实测，实际以任务返回的 usage 与定价页为准。
输入 token/1M × $1.43 + 视频输出 token/1M × $16.50 + 其他输出 token/1M × $8.47
三项分别对应输入、视频帧 token 与其他输出（如文本）的用量，任务终态返回后可精确对账。
假设输入 2,000 + 视频输出 60,000 + 其他输出 500 → 0.0029 + 0.99 + 0.0042 ≈ $1.00
假设值仅用于说明计算口径；同一段提示词的用量会随时长与画面复杂度变化，请以小批量实测标定。
模型信息
仅列出当前供应商开发文档确认并已接入的子模型、能力和限制。
gemini-omni-flash-text-to-video
- 能力限制
- —
- 时长
- 3–10s / 自动
gemini-omni-flash-image-to-video
- 能力限制
- 图片 1
- 时长
- 3–10s / 自动
gemini-omni-flash-reference-to-video
- 能力限制
- 图片 1–8
- 时长
- 3–10s / 自动
gemini-omni-flash-video-edit
- 能力限制
- 视频 1
- 时长
- 3–10s / 自动
核心能力
四条统一任务路线
text-to-video、image-to-video（1 张图）、reference-to-video（1–8 张图）、video-edit（1 段 ≤10 秒视频）共用同一异步接口与任务生命周期，切换路线只需换 model 参数。
对话式视频编辑
用自然语言描述修改意图（如「改成黄昏光线」），video-edit 路线在保留主体与场景的前提下重写画面。编辑是否成功保留身份与运动连续性需要用你自己的素材验证。
原生音频随片生成
音频在同一趟推理中生成（环境声、音效、对话），没有单独的开关参数；费用计入视频输出与其他输出 token。
回调与轮询双通道
提交任务时可传 callback_url（HTTPS），任务到终态时上游回调；不传则轮询任务状态接口。两种方式与 Roko 的任务生命周期一致。
主要参数
以下参数由结构化模型配置生成；未配置或供应商不支持的参数不会显示。
modelstring子模型 ID
默认值:gemini-omni-flash-text-to-video / gemini-omni-flash-image-to-video / gemini-omni-flash-reference-to-video / gemini-omni-flash-video-editpromptstringGemini Omni 多模态视频模型，支持文生、图生、参考生成和视频编辑。
默认值:必填durationinteger按输出视频秒数
默认值:3–10s / 自动qualityenum当前计费
默认值:720paspect_ratioenum生成能力
默认值:auto / 16:9 / 9:16image_urlsarray图生视频: 1 · 参考生视频: 1–8
默认值:按生成路线video_urlsarray视频编辑: 1
默认值:按生成路线模型能力与使用建议
主要特性
- 文生视频 · gemini-omni-flash-text-to-video
- 图生视频 · gemini-omni-flash-image-to-video
- 参考生视频 · gemini-omni-flash-reference-to-video
- 视频编辑 · gemini-omni-flash-video-edit
- 720p 输出
- 3–10s / 自动 时长
- 可生成音频
- 支持音频素材或音画同出
使用限制
- 图生视频: 图片 1
- 参考生视频: 图片 1–8
- 视频编辑: 视频 1
- 能力来源: https://evolink.ai/zh/gemini-omni
限制与注意事项
- 当前仅输出 720p；需要 1080p/4K 时应选择 Veo 3.1 或 Gemini Omni 1.1 Flash 等其他模型。
- 按 token 计费，无法在提交前精确预知费用；auto 时长按 10 秒预扣费，多退少补以终态结算为准。
- 音频必然生成，无法关闭；不需要音频的场景应改用其他模型。
- 没有独立的 negative prompt 参数，反向要求需写进 prompt 正文。
- 上游输出链接 24 小时有效；跨时区批处理要把转存步骤放进任务流水线。
- 对 Google 是否发布该模型家族的表述来自上游 EvoLink 文档转述，本页不将其作为 Google 官方页面原文引用。
调用流程
- POST /v1/videos/tasks 提交任务，model 按 路线 填 gemini-omni-flash-text-to-video / image-to-video / reference-to-video / video-edit，附带 prompt 与 duration（3–10 或 auto）、aspect_ratio。
- 按路线附素材：图生视频传 1 张 image_urls；参考生成传 1–8 张；视频编辑传 1 段 ≤10 秒的 video_urls（MP4）。
- 轮询 GET /v1/tasks/{task_id} 或接收 callback_url 回调，直到 succeeded / failed 终态。
- succeeded 后读取视频 URL 并在有效期内转存；上游输出的链接 24 小时有效，过期失效。
- failed 时读取错误原因；该模型没有单独的 negative prompt 参数，禁用内容直接写入 prompt 后重试。提交成功不代表生成成功。
典型使用场景
批量短内容生产
输入：主题提示词 + 9:16 竖屏；操作：3–10 秒或 auto 时长批量提交；预期：720p 带音频的短视频；限制：只有 720p 一档，且费用需按 usage 逐任务对账。
已有素材的对话式改写
输入：≤10 秒 MP4 + 修改指令；操作：video-edit 路线；预期：光线、氛围或局部元素被改写而主体保留；限制：编辑的保真度因素材而异，先小成本验证。
多素材角色/场景合成
输入：1–8 张角色、道具、场景参考图；操作：reference-to-video 路线；预期：多素材融合为一段连贯镜头；限制：素材数量与一致性效果相关，8 张为上限。
与站内其他视频模型的选择
按计费方式与工作流特点粗分，最终以各模型目录与实测为准。
Gemini Omni vs Veo 3.1
需要编辑已有视频、多素材融合与对话式改写时选 Gemini Omni；需要可预算的按秒单价、1080p/4K 与批量 n 时选 Veo 3.1。
Gemini Omni vs Gemini Omni 1.1 Flash
1.1 增加 video-extend 路线、360p–4K 分辨率档与默认 5 秒时长，参考素材还接受视频；首代 Omni 只有 720p、无延长路线。
vs 按次计费通道（Grok）
Grok 通道按次固定计费，费用完全可预算但规格固定；Gemini Omni 费用浮动换来了编辑与多素材工作流。
常见问题
Gemini Omni 在 Roko 上怎么调用？
通过 POST /v1/videos/tasks 提交，model 填路线对应的子模型 ID（如 gemini-omni-flash-text-to-video），随后轮询任务状态至终态。
Gemini Omni 一条视频多少钱？
按 token 计费：输入 $1.43/百万、视频输出 $16.50/百万、其他输出 $8.47/百万。实际费用取决于任务 usage，无法按条报价；建议先小批量标定。
支持哪些时长、分辨率和比例？
时长 3–10 秒或 auto（预扣费按 10 秒）；分辨率 720p；比例 16:9、9:16 或 auto。以 Roko 当前目录为准。
和 Veo 3.1 有什么区别？
Gemini Omni 主打对话式编辑与多素材输入，按 token 计费，当前只有 720p；Veo 3.1 按秒计费、可预算，支持 4/6/8 秒与最高 4K。
视频编辑路线能用多大的素材？
video-edit 接受 1 段视频（上游文档口径为 ≤10 秒 MP4），用自然语言指令描述修改。编辑效果需用自己的素材验证。
生成链接可以保存多久？
上游输出的链接 24 小时有效，过期失效；任务完成后应立即把文件转存到自己的存储。
能关闭音频或批量生成吗？
音频随片必然生成，没有开关参数；当前目录也没有批量 n 参数，一次任务一个结果。
任务失败会扣费吗？
以任务终态为准：失败任务按平台规则结算，一般不收取成功结果费用；预扣费与实际结算的差额自动退补。具体以 Roko 计费文档为准。
来源与核验范围
模型家族与工作流口径来自上游 EvoLink 公开文档；可调用路线、参数与价格来自 Roko 当前生产目录。核验日期：2026-10-08。
- 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
同家族模型
继续查看同一模型家族的其他可用版本。
其他视频模型
浏览支持统一异步视频任务接口的其他模型。