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。
Что такое Gemini Omni
Gemini Omni — семейство мультимодальных видеомоделей Google, анонсированное на I/O 2026 (по пересказу документации апстрима EvoLink), где Omni Flash — маршрут короткого формата, множественных входов и диалогового редактирования. Roko предоставляет его через единый асинхронный API видеозадач с четырьмя маршрутами — из текста, из изображения, из референсов и редактирование — на субмоделях gemini-omni-flash-*.
В отличие от посекундных моделей вроде Veo, Gemini Omni тарифицируется в token: $1.43 за миллион входных, $16.50 за миллион токенов видеовывода и $8.47 за миллион прочего вывода. Фактическая стоимость зависит от usage, возвращённого задачей, — заранее посчитать по фиксированной ставке нельзя, калибруйтесь малыми партиями.
Текущий вывод — 720p, длительность 3–10 с или auto (решает модель; резервация считается как 10 с), пропорции 16:9, 9:16 или auto, аудио генерируется всегда. Главное отличие рабочего процесса — диалоговое редактирование: маршрут video-edit принимает один MP4 до 10 секунд и переписывает ролик по инструкции на естественном языке.
Стоимость модели
Цены соответствуют текущей производственной конфигурации и фактическим единицам тарификации каждого режима.
| Режим | Цена | Правило тарификации |
|---|---|---|
| Gemini Omni | Рассчитывается по параметрам задачи на странице цен | 输入 token $1.43/M；视频输出 token $16.50/M；其他输出 token $8.47/M |
Примеры расчёта стоимости
У тарификации в token нет фиксированной ставки; примеры показывают только метод расчёта. Предположительные объёмы не измерялись — фактические списания определяются usage задачи и страницей цен.
входные token/1M × $1.43 + token видеовывода/1M × $16.50 + прочий вывод/1M × $8.47
Три слагаемых — вход, токены видеокадров и прочий вывод (например текст); точная сверка возможна после терминального состояния задачи.
допустим 2 000 входных + 60 000 видеовывода + 500 прочих → 0.0029 + 0.99 + 0.0042 ≈ $1.00
Допущения иллюстрируют метод. Расход меняется с длительностью и сложностью сцены — калибруйтесь малыми реальными партиями.
Информация о модели
Показаны только документированные поставщиком и реализованные в шлюзе модели, возможности и ограничения.
gemini-omni-flash-text-to-video
- Ограничения
- —
- Длительность
- 3–10s / авто
gemini-omni-flash-image-to-video
- Ограничения
- Изображения 1
- Длительность
- 3–10s / авто
gemini-omni-flash-reference-to-video
- Ограничения
- Изображения 1–8
- Длительность
- 3–10s / авто
gemini-omni-flash-video-edit
- Ограничения
- Видео 1
- Длительность
- 3–10s / авто
Ключевые возможности
Четыре маршрута в одном API задач
text-to-video, image-to-video (1 изображение), reference-to-video (1–8 изображений) и video-edit (1 ролик ≤10 с) используют один асинхронный интерфейс и жизненный цикл — смена маршрута это лишь другой параметр model.
Диалоговое редактирование видео
Опишите изменение на естественном языке (например, «переведи в золотой час»), и маршрут video-edit перепишет ролик, сохраняя объект и сцену. Сохраняются ли идентичность и движение — проверяйте на своих материалах.
Нативное аудио всегда
Аудио (атмосфера, эффекты, диалоги) генерируется в том же проходе без выключателя; его стоимость попадает в счётчики видеовывода и прочего вывода.
Колбэк и опрос
Передайте callback_url (HTTPS) при отправке — апстрим пришлёт POST при терминальном состоянии; иначе опрашивайте задачу. Оба варианта согласованы с жизненным циклом задач Roko.
Основные параметры
Параметры формируются из структурированной конфигурации; неподдерживаемые и неуказанные поля не показываются.
modelstringID модели
Значение по умолчанию: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。
Значение по умолчанию:ОбязательноdurationintegerСекунды выходного видео
Значение по умолчанию:3–10s / автоqualityenumТекущая тарификация
Значение по умолчанию:720paspect_ratioenumВозможность
Значение по умолчанию:auto / 16:9 / 9:16image_urlsarrayИзображение в видео: 1 · Референс в видео: 1–8
Значение по умолчанию:Зависит от режимаvideo_urlsarrayРедактирование видео: 1
Значение по умолчанию:Зависит от режимаВозможности и рекомендации
Основные возможности
- Текст в видео · gemini-omni-flash-text-to-video
- Изображение в видео · gemini-omni-flash-image-to-video
- Референс в видео · gemini-omni-flash-reference-to-video
- Редактирование видео · gemini-omni-flash-video-edit
- 720p на выходе
- 3–10s / авто Длительность
- Генерация аудио
- Поддержка аудиоматериалов или видео со звуком
Ограничения
- Изображение в видео: Изображения 1
- Референс в видео: Изображения 1–8
- Редактирование видео: Видео 1
- Источник характеристик: https://evolink.ai/zh/gemini-omni
Ограничения и нюансы
- Сейчас только 720p; для 1080p/4K выбирайте Veo 3.1 или Gemini Omni 1.1 Flash.
- Тарификация в token не позволяет точно предсказать стоимость до отправки; auto резервируется как 10 секунд и рассчитывается по терминальному состоянию.
- Аудио генерируется всегда, выключателя нет; когда нужно без звука — берите другую модель.
- Нет отдельного параметра negative prompt — пишите исключения в тело prompt.
- Ссылки апстрима истекают через 24 часа; встроьте пересохранение в конвейер, особенно при работе через часовые пояса.
- Утверждения об анонсе семейства Google взяты из документации апстрима EvoLink, а не со страницы Google.
Порядок вызова
- POST /v1/videos/tasks с model = субмодель маршрута (gemini-omni-flash-text-to-video / image-to-video / reference-to-video / video-edit), плюс prompt, duration (3–10 или auto) и aspect_ratio.
- Приложите материалы по маршруту: одно изображение для image-to-video, 1–8 для reference-to-video или один MP4 до 10 секунд через video_urls для video-edit.
- Опрашивайте GET /v1/tasks/{task_id} или принимайте callback_url до терминального состояния succeeded / failed.
- При успехе прочитайте URL видео и сразу сохраните файл; ссылки апстрима действительны 24 часа.
- При сбое изучите причину. Отдельного параметра negative prompt нет — пишите исключения в prompt и отправляйте заново. Успешная отправка не гарантирует успешную генерацию.
Типовые сценарии
Поток короткого формата
Вход: промпт темы + 9:16 вертикаль; действия: пакетная отправка 3–10 с или auto; результат: клипы 720p со звуком; ограничение: только 720p, и затраты сверяются по usage каждой задачи.
Диалоговая правка готовых роликов
Вход: MP4 до 10 секунд + инструкция монтажа; действия: маршрут video-edit; результат: свет, настроение или локальные элементы переписаны, объект сохранён; ограничение: точность зависит от исходника — сначала проверьте с малыми затратами.
Композиция из нескольких референсов
Вход: 1–8 референсов персонажей, предметов, сцен; действия: reference-to-video; результат: слитый в один связный план кадр; ограничение: максимум 8 изображений, консистентность зависит от входов.
Выбор относительно других видеомоделей Roko
Грубое разделение по модели тарификации и рабочему процессу; окончательно решают каталог и ваши тесты.
Gemini Omni против Veo 3.1
Gemini Omni — для монтажа готовых роликов, слияния нескольких источников и диалоговых правок; Veo 3.1 — для предвычислимой посекундной ставки, 1080p/4K и пакетов n.
Gemini Omni против Gemini Omni 1.1 Flash
Версия 1.1 добавляет маршрут продления видео, уровни 360p–4K и длительность по умолчанию 5 с, а среди референсов принимает видео; первое поколение — только 720p без продления.
против каналов с оплатой за запрос (Grok)
Фиксированная оплата канала Grok полностью предсказуема, но спецификация жёсткая; Gemini Omni меняет предсказуемость затрат на редактирование и многоисточниковые сценарии.
Частые вопросы
Как вызвать Gemini Omni в Roko?
Отправляйте через POST /v1/videos/tasks с model = ID субмодели маршрута (например gemini-omni-flash-text-to-video), затем опрашивайте задачу до терминального состояния.
Сколько стоит одно видео Gemini Omni?
Тарификация в token: $1.43/M входных, $16.50/M видеовывода, $8.47/M прочего вывода. Стоимость зависит от usage задачи и не котируется за штуку; калибруйтесь малыми партиями.
Какие длительности, разрешения и пропорции поддерживаются?
3–10 с или auto (резерв как 10 с); 720p; 16:9, 9:16 или auto. Согласно текущему каталогу Roko.
Чем отличается от Veo 3.1?
Gemini Omni ориентирован на диалоговое редактирование и множественные входы, тарифицируется в token, сейчас только 720p; Veo 3.1 тарифицируется за секунды с предсказуемой ценой, клипы 4/6/8 с и до 4K.
Какие ролики принимает маршрут редактирования?
Одно видео (по документации апстрима — MP4 до 10 секунд) и инструкция монтажа на естественном языке. Точность правок проверяйте на своих материалах.
Сколько действительны ссылки на результат?
24 часа на стороне апстрима; сразу после завершения задачи переносите файлы в своё хранилище.
Можно отключить аудио или генерировать пакетом?
Нет. Аудио генерируется всегда без выключателя, а в текущем каталоге нет параметра пакета n — один результат на задачу.
Списывают ли плату за неудачные задачи?
Решает терминальное состояние: неудачные задачи рассчитываются по правилам платформы и обычно не тарифицируют успешные результаты; разница резервации возвращается или досписывается автоматически. Подробности — в биллинг-документации Roko.
Источники и объём проверки
Утверждения о семействе и рабочем процессе — из публичной документации апстрима EvoLink; вызываемые маршруты, параметры и цены — из текущего производственного каталога Roko. Проверено 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
Модели семейства
Другие доступные варианты того же семейства моделей.
Другие видеомодели
Другие модели единого асинхронного API видеозадач.