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 là gì
Gemini Omni là dòng mô hình video đa phương thức của Google công bố tại I/O 2026 (theo tài liệu thượng nguồn EvoLink), trong đó Omni Flash là tuyến ngắn, đa đầu vào và chỉnh sửa bằng hội thoại. Roko cung cấp qua API tác vụ video bất đồng bộ thống nhất với bốn tuyến — văn bản, ảnh, tham chiếu và chỉnh sửa — ánh xạ tới các mô hình con gemini-omni-flash-*.
Khác với các mô hình tính theo giây như Veo, Gemini Omni tính theo token: $1.43/triệu token đầu vào, $16.50/triệu token đầu ra video, $8.47/triệu token đầu ra khác. Chi phí thực tế phụ thuộc usage từng tác vụ nên không thể lập ngân sách theo đơn giá cố định — hãy hiệu chuẩn bằng lô nhỏ.
Đầu ra hiện tại là 720p, thời lượng 3–10 giây hoặc auto (mô hình tự quyết; đặt trước tính 10 giây), tỉ lệ 16:9, 9:16 hoặc auto, âm thanh luôn được sinh. Điểm khác quy trình là chỉnh sửa hội thoại: tuyến video-edit nhận một MP4 tối đa 10 giây và viết lại theo chỉ dẫn ngôn ngữ tự nhiên.
Giá mô hình
Giá tuân theo cấu hình production hiện tại và đơn vị tính phí thực tế mà từng chế độ hỗ trợ.
| Chế độ | Giá | Quy tắc tính phí |
|---|---|---|
| Gemini Omni | Được tính theo tham số tác vụ trên trang giá | 输入 token $1.43/M；视频输出 token $16.50/M；其他输出 token $8.47/M |
Ví dụ ước tính chi phí
Tính theo token không có đơn giá cố định; ví dụ dưới chỉ minh họa cách tính. Lượng giả định không phải đo đếm thực tế — chi phí thật theo usage tác vụ và trang giá.
token đầu vào/1M × $1.43 + token đầu ra video/1M × $16.50 + token đầu ra khác/1M × $8.47
Ba thành phần ứng với đầu vào, token khung hình video và đầu ra khác (như văn bản); đối soát chính xác được khi tác vụ chốt.
giả sử 2.000 đầu vào + 60.000 đầu ra video + 500 khác → 0.0029 + 0.99 + 0.0042 ≈ $1.00
Giá trị giả định chỉ minh họa cách tính. Lượng dùng thay đổi theo thời lượng và độ phức tạp — hiệu chuẩn bằng lô nhỏ thực tế.
Thông tin mô hình
Chỉ hiển thị mô hình, khả năng và giới hạn đã được nhà cung cấp xác nhận và cổng API triển khai.
gemini-omni-flash-text-to-video
- Giới hạn
- —
- Thời lượng
- 3–10s / tự động
gemini-omni-flash-image-to-video
- Giới hạn
- Ảnh 1
- Thời lượng
- 3–10s / tự động
gemini-omni-flash-reference-to-video
- Giới hạn
- Ảnh 1–8
- Thời lượng
- 3–10s / tự động
gemini-omni-flash-video-edit
- Giới hạn
- Video 1
- Thời lượng
- 3–10s / tự động
Năng lực chính
Bốn tuyến, một API tác vụ
text-to-video, image-to-video (1 ảnh), reference-to-video (1–8 ảnh) và video-edit (1 clip ≤10 giây) dùng chung giao diện bất đồng bộ và vòng đời tác vụ — đổi tuyến chỉ là đổi tham số model.
Chỉnh sửa video bằng hội thoại
Mô tả thay đổi bằng ngôn ngữ tự nhiên (ví dụ "chuyển sang ánh sáng giờ vàng"), tuyến video-edit viết lại footage giữ nguyên chủ thể và bối cảnh. Tính nhất quán danh tính và chuyển động bạn phải tự kiểm chứng trên tư liệu của mình.
Âm thanh gốc luôn bật
Âm nền, hiệu ứng, hội thoại được sinh trong cùng lượt suy luận, không có tham số tắt; chi phí nằm ở bộ đếm token đầu ra video và đầu ra khác.
Callback và polling
Truyền callback_url (HTTPS) khi gửi, thượng nguồn sẽ POST khi tác vụ chốt; không thì thăm dò trạng thái. Cả hai khớp vòng đời tác vụ của Roko.
Tham số chính
Tham số được tạo từ cấu hình mô hình có cấu trúc; trường chưa cấu hình hoặc không được hỗ trợ sẽ bị ẩn.
modelstringMã mô hình
Giá trị mặc định: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。
Giá trị mặc định:Bắt buộcdurationintegerSố giây video đầu ra
Giá trị mặc định:3–10s / tự độngqualityenumCách tính phí hiện tại
Giá trị mặc định:720paspect_ratioenumKhả năng
Giá trị mặc định:auto / 16:9 / 9:16image_urlsarrayẢnh thành video: 1 · Tham chiếu thành video: 1–8
Giá trị mặc định:Theo chế độvideo_urlsarrayChỉnh sửa video: 1
Giá trị mặc định:Theo chế độKhả năng và hướng dẫn sử dụng
Tính năng chính
- Văn bản thành video · gemini-omni-flash-text-to-video
- Ảnh thành video · gemini-omni-flash-image-to-video
- Tham chiếu thành video · gemini-omni-flash-reference-to-video
- Chỉnh sửa video · gemini-omni-flash-video-edit
- 720p đầu ra
- 3–10s / tự động Thời lượng
- Có thể tạo âm thanh
- Hỗ trợ tư liệu âm thanh hoặc video có âm thanh
Giới hạn sử dụng
- Ảnh thành video: Ảnh 1
- Tham chiếu thành video: Ảnh 1–8
- Chỉnh sửa video: Video 1
- Nguồn thông tin: https://evolink.ai/zh/gemini-omni
Giới hạn và lưu ý
- Hiện chỉ có 720p; cần 1080p/4K thì chọn Veo 3.1 hoặc Gemini Omni 1.1 Flash.
- Tính theo token nên chi phí không dự đoán chính xác trước khi gửi; auto đặt trước 10 giây và quyết toán theo trạng thái cuối.
- Âm thanh luôn được sinh, không tắt được; cần im lặng thì dùng mô hình khác.
- Không có tham số negative prompt riêng — viết điều loại trừ vào thân prompt.
- Link thượng nguồn hết hạn sau 24 giờ; cài bước lưu trữ vào pipeline, nhất là khi xử lý qua múi giờ.
- Tuyên bố Google công bố dòng mô hình này theo tài liệu thượng nguồn EvoLink, không trích từ trang Google.
Quy trình gọi
- POST /v1/videos/tasks với model = mô hình con của tuyến (gemini-omni-flash-text-to-video / image-to-video / reference-to-video / video-edit), cùng prompt, duration (3–10 hoặc auto), aspect_ratio.
- Đính kèm tư liệu theo tuyến: 1 ảnh cho image-to-video, 1–8 ảnh cho reference-to-video, hoặc một MP4 tối đa 10 giây qua video_urls cho video-edit.
- Thăm dò GET /v1/tasks/{task_id} hoặc nhận callback_url cho đến khi succeeded / failed.
- Khi thành công, đọc URL video và lưu file ngay; link thượng nguồn có hạn 24 giờ.
- Khi thất bại, đọc nguyên nhân. Mô hình này không có tham số negative prompt riêng — viết điều loại trừ vào prompt rồi gửi lại. Gửi thành công không đảm bảo sinh thành công.
Tình huống sử dụng điển hình
Sản xuất nội dung ngắn hàng loạt
Đầu vào: prompt chủ đề + 9:16 dọc; thao tác: gửi lô 3–10 giây hoặc auto; kết quả: clip 720p có âm thanh; giới hạn: chỉ 720p và phải đối soát chi phí theo usage từng tác vụ.
Viết lại hội thoại footage có sẵn
Đầu vào: MP4 tối đa 10 giây + chỉ dẫn chỉnh sửa; thao tác: tuyến video-edit; kết quả: ánh sáng, không khí hoặc chi tiết cục bộ được viết lại, chủ thể giữ nguyên; giới hạn: độ trung thực tùy nguồn — kiểm chứng chi phí thấp trước.
Tổng hợp nhân vật/bối cảnh nhiều tư liệu
Đầu vào: 1–8 ảnh tham chiếu nhân vật, đạo cụ, bối cảnh; thao tác: reference-to-video; kết quả: gộp thành một shot liền mạch; giới hạn: tối đa 8 ảnh, tính nhất quán phụ thuộc đầu vào.
Soi xét với các mô hình video khác trên Roko
Phân loại thô theo cách tính phí và quy trình; quyết định cuối dựa vào danh mục và thử nghiệm của bạn.
Gemini Omni so với Veo 3.1
Gemini Omni cho dựng footage có sẵn, gộp nhiều tư liệu và viết lại bằng hội thoại; Veo 3.1 cho đơn giá theo giây tính trước được, 1080p/4K và lô n.
Gemini Omni so với Gemini Omni 1.1 Flash
Bản 1.1 thêm tuyến kéo dài video, các mức 360p–4K và mặc định 5 giây, đồng thời nhận video trong tư liệu tham chiếu; thế hệ đầu chỉ 720p và không có tuyến kéo dài.
so với kênh tính theo yêu cầu (Grok)
Giá cố định theo yêu cầu của kênh Grok dự đoán được nhưng thông số cứng; Gemini Omni đổi biến động chi phí lấy quy trình chỉnh sửa đa tư liệu.
Câu hỏi thường gặp
Gọi Gemini Omni trên Roko thế nào?
Gửi qua POST /v1/videos/tasks với model = ID mô hình con của tuyến (ví dụ gemini-omni-flash-text-to-video), rồi thăm dò tác vụ đến trạng thái chốt.
Một video Gemini Omni hết bao nhiêu?
Tính theo token: $1.43/triệu đầu vào, $16.50/triệu đầu ra video, $8.47/triệu đầu ra khác. Chi phí theo usage tác vụ, không báo giá theo clip; nên hiệu chuẩn bằng lô nhỏ.
Hỗ trợ thời lượng, phân giải và tỉ lệ nào?
3–10 giây hoặc auto (đặt trước 10 giây); 720p; 16:9, 9:16 hoặc auto. Theo danh mục Roko hiện tại.
Khác Veo 3.1 ở điểm nào?
Gemini Omni nhấn chỉnh sửa hội thoại và đa đầu vào, tính theo token, hiện chỉ 720p; Veo 3.1 tính theo giây giá dự đoán được, clip 4/6/8 giây và tới 4K.
Tuyến chỉnh sửa nhận tư liệu nào?
Một video (MP4 tối đa 10 giây theo tài liệu thượng nguồn) cộng chỉ dẫn chỉnh sửa ngôn ngữ tự nhiên. Độ trung thực cần kiểm chứng trên tư liệu của bạn.
Link đầu ra giữ được bao lâu?
24 giờ phía thượng nguồn; lưu file về kho của bạn ngay khi tác vụ hoàn tất.
Tắt được âm thanh hay sinh hàng loạt không?
Không. Âm thanh luôn được sinh, không có công tắc; danh mục hiện tại cũng không có tham số lô n — một kết quả mỗi tác vụ.
Tác vụ thất bại có bị tính phí không?
Trạng thái cuối quyết định: tác vụ thất bại quyết toán theo quy tắc nền tảng, thường không tính phí kết quả thành công; chênh lệch đặt trước được hoàn hoặc trừ tự động. Xem tài liệu tính phí của Roko.
Nguồn và phạm vi kiểm chứng
Tuyên bố về dòng mô hình và quy trình theo tài liệu công khai thượng nguồn EvoLink; tuyến, tham số và giá gọi được theo danh mục production hiện tại của Roko. Kiểm chứng ngày 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
Mô hình cùng họ
Khám phá các phiên bản khả dụng khác trong cùng họ mô hình.
Gemini Omni
Google Veo 3.1 Fast
Xem mô hình → GoogleGoogle Gemini Omni 1.1 Flash
Xem mô hình → GoogleGoogle Veo 3.1
Xem mô hình →Mô hình video khác
Khám phá thêm mô hình qua API tác vụ video bất đồng bộ thống nhất.