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 是什麼
Gemini Omni 是 Google 在 I/O 2026 上公布的多模態影片模型家族（據 EvoLink 上游文件轉述），其中 Omni Flash 是面向短內容、多輸入與對話式編輯的路線。Roko 透過統一非同步影片任務介面接入，公開四條路線：文生影片、圖生影片、參考素材生成與影片編輯，分別對應 gemini-omni-flash-* 子模型。
與按秒計費的 Veo 不同，Gemini Omni 按 token 計費：輸入 $1.43/百萬 token、影片輸出 $16.50/百萬 token、其他輸出 $8.47/百萬 token。實際費用取決於任務返回的 usage，無法像按秒模型那樣用單價直接預算，需要在批量生產前用小批量任務標定用量。
目前輸出規格為 720p，時長 3–10 秒或 auto（auto 由模型決定，預扣費按 10 秒估算），16:9、9:16 或自動比例，音訊隨片原生生成且不可關閉。該模型的主要工作流差異在「對話式編輯」：video-edit 路線接受一段 ≤10 秒的 MP4，用自然語言指令改寫畫面。
模型價格
價格依目前正式環境設定，並按各生成路線實際支援的計費維度展示。
| 路線 | 價格 | 計費方式 |
|---|---|---|
| Gemini Omni | 以實際任務參數及定價頁結果為準 | 输入 token $1.43/M；视频输出 token $16.50/M；其他输出 token $8.47/M |
費用估算示例
token 計費沒有固定單價，以下示例僅演示計算方式；假設用量非實測，實際以任務返回的 usage 與定價頁為準。
輸入 token/1M × $1.43 + 影片輸出 token/1M × $16.50 + 其他輸出 token/1M × $8.47
三項分別對應輸入、影片影格 token 與其他輸出（如文字）的用量，任務終態返回後可精確對帳。
假設輸入 2,000 + 影片輸出 60,000 + 其他輸出 500 → 0.0029 + 0.99 + 0.0042 ≈ $1.00
假設值僅用於說明計算口徑；同一段提示詞的用量會隨時長與畫面複雜度變化，請以小批量實測標定。
模型資訊
僅列出供應商開發文件已確認且本平台已接入的子模型、能力與限制。
gemini-omni-flash-text-to-video
- 能力限制
- —
- 時長
- 3–10s / 自動
gemini-omni-flash-image-to-video
- 能力限制
- 圖片 1
- 時長
- 3–10s / 自動
gemini-omni-flash-reference-to-video
- 能力限制
- 圖片 1–8
- 時長
- 3–10s / 自動
gemini-omni-flash-video-edit
- 能力限制
- 影片 1
- 時長
- 3–10s / 自動
核心能力
四條統一任務路線
text-to-video、image-to-video（1 張圖）、reference-to-video（1–8 張圖）、video-edit（1 段 ≤10 秒影片）共用同一非同步介面與任務生命週期，切換路線只需換 model 參數。
對話式影片編輯
用自然語言描述修改意圖（如「改成黃昏光線」），video-edit 路線在保留主體與場景的前提下改寫畫面。編輯是否成功保留身份與運動連續性需要用你自己的素材驗證。
原生音訊隨片生成
音訊在同一趟推理中生成（環境聲、音效、對話），沒有單獨的開關參數；費用計入影片輸出與其他輸出 token。
回呼與輪詢雙通道
提交任務時可傳 callback_url（HTTPS），任務到終態時上游回呼；不傳則輪詢任務狀態介面。兩種方式與 Roko 的任務生命週期一致。
主要參數
以下參數由結構化模型設定產生；未設定或供應商不支援的參數不會顯示。
modelstring子模型 ID
預設值: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。
預設值:必填durationinteger按輸出影片秒數
預設值:3–10s / 自動qualityenum目前計費
預設值:720paspect_ratioenum生成能力
預設值:auto / 16:9 / 9:16image_urlsarray圖片生成影片: 1 · 參考素材生成影片: 1–8
預設值:依生成路線video_urlsarray影片編輯: 1
預設值:依生成路線模型能力與使用建議
主要特色
- 文字生成影片 · gemini-omni-flash-text-to-video
- 圖片生成影片 · gemini-omni-flash-image-to-video
- 參考素材生成影片 · gemini-omni-flash-reference-to-video
- 影片編輯 · gemini-omni-flash-video-edit
- 720p 輸出
- 3–10s / 自動 時長
- 可產生音訊
- 支援音訊素材或音畫同步輸出
使用限制
- 圖片生成影片: 圖片 1
- 參考素材生成影片: 圖片 1–8
- 影片編輯: 影片 1
- 能力來源: https://evolink.ai/zh/gemini-omni
限制與注意事項
- 目前僅輸出 720p；需要 1080p/4K 時應選擇 Veo 3.1 或 Gemini Omni 1.1 Flash 等其他模型。
- 按 token 計費，無法在提交前精確預知費用；auto 時長按 10 秒預扣費，多退少補以終態結算為準。
- 音訊必然生成，無法關閉；不需要音訊的場景應改用其他模型。
- 沒有獨立的 negative prompt 參數，反向要求需寫進 prompt 正文。
- 上游輸出連結 24 小時有效；跨時區批次處理要把轉存步驟放進任務流水線。
- 對 Google 是否發布該模型家族的表述來自上游 EvoLink 文件轉述，本頁不將其作為 Google 官方頁面原文引用。
呼叫流程
- POST /v1/videos/tasks 提交任務，model 按路線填 gemini-omni-flash-text-to-video / image-to-video / reference-to-video / video-edit，附帶 prompt 與 duration（3–10 或 auto）、aspect_ratio。
- 按路線附素材：圖生影片傳 1 張 image_urls；參考生成傳 1–8 張；影片編輯傳 1 段 ≤10 秒的 video_urls（MP4）。
- 輪詢 GET /v1/tasks/{task_id} 或接收 callback_url 回呼，直到 succeeded / failed 終態。
- succeeded 後讀取影片 URL 並在有效期內轉存；上游輸出的連結 24 小時有效，過期失效。
- failed 時讀取錯誤原因；該模型沒有單獨的 negative prompt 參數，禁用內容直接寫入 prompt 後重試。提交成功不代表生成成功。
典型使用情境
批量短內容生產
輸入：主題提示詞 + 9:16 直式；操作：3–10 秒或 auto 時長批量提交；預期：720p 帶音訊的短影片；限制：只有 720p 一檔，且費用需按 usage 逐任務對帳。
既有素材的對話式改寫
輸入：≤10 秒 MP4 + 修改指令；操作：video-edit 路線；預期：光線、氛圍或局部元素被改寫而主體保留；限制：編輯的保真度因素材而異，先小成本驗證。
多素材角色/場景合成
輸入：1–8 張角色、道具、場景參考圖；操作：reference-to-video 路線；預期：多素材融合為一段連貫鏡頭；限制：素材數量與一致性效果相關，8 張為上限。
與站內其他影片模型的選擇
按計費方式與工作流特點粗分，最終以各模型目錄與實測為準。
Gemini Omni vs Veo 3.1
需要編輯既有影片、多素材融合與對話式改寫時選 Gemini Omni；需要可預算的按秒單價、1080p/4K 與批量 n 時選 Veo 3.1。
Gemini Omni vs Gemini Omni 1.1 Flash
1.1 增加 video-extend 路線、360p–4K 解析度檔與預設 5 秒時長，參考素材還接受影片；首代 Omni 只有 720p、無延長路線。
vs 按次計費通道（Grok）
Grok 通道按次固定計費，費用完全可預算但規格固定；Gemini Omni 費用浮動換來了編輯與多素材工作流。
常見問題
Gemini Omni 在 Roko 上怎麼呼叫？
透過 POST /v1/videos/tasks 提交，model 填路線對應的子模型 ID（如 gemini-omni-flash-text-to-video），隨後輪詢任務狀態至終態。
Gemini Omni 一條影片多少錢？
按 token 計費：輸入 $1.43/百萬、影片輸出 $16.50/百萬、其他輸出 $8.47/百萬。實際費用取決於任務 usage，無法按條報價；建議先小批量標定。
支援哪些時長、解析度和比例？
時長 3–10 秒或 auto（預扣費按 10 秒）；解析度 720p；比例 16:9、9:16 或 auto。以 Roko 目前目錄為準。
和 Veo 3.1 有什麼區別？
Gemini Omni 主打對話式編輯與多素材輸入，按 token 計費，目前只有 720p；Veo 3.1 按秒計費、可預算，支援 4/6/8 秒與最高 4K。
影片編輯路線能用多大的素材？
video-edit 接受 1 段影片（上游文件口徑為 ≤10 秒 MP4），用自然語言指令描述修改。編輯效果需用自己的素材驗證。
生成連結可以保存多久？
上游輸出的連結 24 小時有效，過期失效；任務完成後應立即把檔案轉存到自己的儲存。
能關閉音訊或批量生成嗎？
音訊隨片必然生成，沒有開關參數；目前目錄也沒有批量 n 參數，一次任務一個結果。
任務失敗會扣費嗎？
以任務終態為準：失敗任務按平台規則結算，一般不收取成功結果費用；預扣費與實際結算的差額自動退補。具體以 Roko 計費文件為準。
來源與核驗範圍
模型家族與工作流口徑來自上游 EvoLink 公開文件；可呼叫路線、參數與價格來自 Roko 目前生產目錄。核驗日期：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
繼續查看同一模型家族的其他可用版本。
其他影片模型
瀏覽支援統一非同步影片任務介面的其他模型。