Практически важный вопрос — не в том, способен ли Gemini Omni 1.2 Flash создать красивый ролик. Важно, соответствуют ли маршрут модели, контракт входных данных, качество результата и единица тарификации задаче, которую нужно выпустить в эксплуатацию. Omni 1.2 Flash интересен тем, что объединяет генерацию, редактирование, продление и повышение разрешения в одном семействе моделей, сохраняя ориентацию на короткие видео и встроенное аудио.
Дата проверки источников: 6 ноября 2026 года. Это руководство объединяет сведения из анонса Google, публикации Google Cloud об общей доступности, документации модели Google Cloud, страницы модели EvoLink, а также сторонних статей Segmind, Kingy AI и Shattered. Документация Google — основной источник фактов о модели. EvoLink и Segmind описывают собственные маршруты, цены и тесты; ни одна из этих страниц не доказывает, что модель сейчас доступна через ToAPIs.
1. Что нового в Gemini Omni 1.2 Flash
Google Cloud указывает gemini-omni-1.2-flash как общедоступную мультимодальную модель для задач с видео, изображениями и текстом. Документированная матрица возможностей включает генерацию видео по тексту, изображению, референсам, первому и последнему кадрам, а также редактирование, продление и повышение разрешения видео. В ней также указана поддержка рассуждений, но не системных инструкций, структурированного вывода, вызова функций или Gemini Live API для этой модели.
На странице модели указана длительность выходного видео от 3 до 15 секунд для генерации и редактирования, от 3 до 10 секунд для генерации по первому и последнему кадрам и от 3 до 10 секунд добавляемой длительности при продлении. Поддерживаются соотношения сторон 16:9 и 9:16; документированные разрешения вывода — 360p, 720p, 1080p и 4k. Ограничения входного видео зависят от операции: редактирование и повышение разрешения принимают ролики до 15 секунд, тогда как продление использует конец более длинного исходника в соответствии со своим контрактом.
| Возможность | Что сказано в основной документации | Вопрос при интеграции |
|---|---|---|
| Видео по тексту | Видео по промпту, 3–15 секунд | Какие поля разрешения и аудио предоставляет выбранный провайдер? |
| Видео по изображению или референсам | Референсные изображения и видео с ограничениями конкретного маршрута | Имеют ли порядок изображений и имена референсов смысловое значение? |
| Первый и последний кадры | Поддерживаются, длительность результата — 3–10 секунд | Второе изображение — это конечный кадр или еще один референс? |
| Редактирование видео | Редактирование исходного видео длительностью до 15 секунд | Наследуются ли длительность и соотношение сторон исходника? |
| Продление видео | Добавление 3–10 секунд по контракту продления | Означает ли duration добавляемую длительность или общую длительность результата? |
| Повышение разрешения видео | Повышение разрешения поддерживаемых исходников вплоть до 4K | Оплачивается ли это улучшение отдельно от генерации? |
В анонсах выделены пять практических улучшений по сравнению с предыдущим поколением: 15-секундные ролики, более низкая опубликованная цена для 720p, более точное следование референсным изображениям и видео, создание черновиков в низком разрешении с последующим повышением до 1080p или 4K, а также более естественные диалоги с более точной синхронизацией губ и лучшей работой в сценах с несколькими говорящими. Google также описывает диалоговое редактирование: например, изменение товара, освещения или ракурса камеры без необходимости начинать заново.
Это заявления о продукте в целом, а не обещание, что каждый провайдер предоставляет все настройки. Провайдер может разделить одно семейство моделей на отдельные slug, не предоставить какую-либо возможность или добавить собственный уровень тарификации. Всегда считайте точную схему маршрута контрактом интеграции.
Оригинальная схема по официальному списку возможностей и описаниям маршрутов сторонних сервисов. Реальные конечные точки зависят от провайдера; это не результат модели.
2. Шесть маршрутов — шесть разных контрактов
Страница EvoLink представляет шесть маршрутов задач в рамках одного асинхронного видеоинтерфейса: видео по тексту, видео по изображению, видео по референсам, редактирование, продление и повышение разрешения видео. Указанные там идентификаторы моделей полезны для понимания организации маршрутов, но это идентификаторы EvoLink, а не подтвержденные идентификаторы ToAPIs.
Обзор Segmind дает еще один взгляд на модель через маршруты и прямо сообщает, что маршрут refine был недоступен во время тестов на запуске. Это наглядный пример того, почему привлекательный список возможностей нельзя переносить в интерфейс продукта без проверки актуальной схемы.
| Маршрут | Типичные входные данные | Главное ограничение, которое нужно проверить |
|---|---|---|
| Видео по тексту | Промпт | 3–15 секунд; разрешение, соотношение сторон, аудио и seed могут зависеть от провайдера |
| Видео по изображению | Первое изображение и промпт | Второе изображение может задавать конечный кадр; уточните максимальную длительность |
| Видео по референсам | Референсные изображения или видео и промпт | Правила количества, длительности и именования референсов различаются |
| Редактирование видео | Исходное видео и одно конкретное изменение | Длительность исходника, фильтры безопасности и сохранение кадрирования исходника |
| Продление видео | Существующее видео и промпт продолжения | Добавляемая длительность не обязательно совпадает с общей |
| Повышение разрешения видео | Существующее видео, обычно без промпта | Допустимые размеры исходника, уровни выходного разрешения и отдельная тарификация |
Переключение маршрута должно одновременно менять правила валидации, пояснения и предварительный расчет стоимости. Не допускайте, чтобы общее поле duration незаметно переносило смысл длительности из маршрута продления в маршрут генерации. Не предполагайте, что поле с именем image_urls означает одно и то же в запросах генерации по изображению и по референсам.
Не объединяйте ограничения Google Cloud и Gemini API
Руководство Gemini API указывает до шести референсных изображений, тогда как страница модели Google Cloud — до десяти изображений на промпт. Gemini API также применяет ограничения на видеореференсы в зависимости от запрошенной длительности: более длинная генерация на 11–15 секунд поддерживает одно короткое референсное видео, а не тот же объем референсов, что задача на 3–10 секунд. Это отдельные контракты платформ, а не противоречащие друг другу значения, которые нужно усреднять или объединять.
Это отдельные контракты платформ: до шести референсных изображений в Gemini API и до десяти изображений на промпт в Cloud. Не объединяйте лимиты; проверяйте маршрут и длительность.
Документированная интеграция Gemini API использует Interactions API, а не generate_content, вызов OpenAI chat completions или специфичный для Veo метод generate_videos. Ниже приведен адаптированный пример платного вызова, а не запрос к ToAPIs. Для него нужны актуальный SDK google-genai, аккаунт с необходимым доступом и локально настроенный ключ; никогда не помещайте учетные данные в промпт или браузерную сборку. Для этой статьи пример не запускался.
import base64
from pathlib import Path
from google import genai
client = genai.Client()
interaction = client.interactions.create(
model="gemini-omni-1.2-flash",
input=(
"A blue ceramic cup on a neutral table. "
"One continuous slow camera push-in. "
"Soft room ambience, no speech, no text."
),
response_format={
"type": "video",
"resolution": "360p",
"duration": "5s",
"aspect_ratio": "16:9",
},
)
Path("omni-draft.mp4").write_bytes(
base64.b64decode(interaction.output_video.data)
)
print("interaction ID:", interaction.id)
В этом API duration — строка вида "5s", а не целое число, скопированное из формы шлюза; настройки генерации находятся внутри response_format. Для крупных файлов руководство описывает получение результата по URI и обработку готовности файлов. Многошаговое редактирование использует previous_interaction_id; установка store=false удаляет сохраненное состояние, необходимое для такого продолжения работы. Учитывайте эти компромиссы, а не копируйте вслепую настройки задержки.
3. Стратегия разрешения: сначала черновик, затем выборочное повышение
Руководство Gemini API прямо определяет 360p и 720p как уровни генерации, а 1080p и 4K — как результат повышения разрешения. Поэтому наличие варианта выдачи в 4K не подтверждает нативную генерацию в 4K. Самый практичный процесс из материалов о запуске — разделить поиск решения и подготовку к выдаче. Используйте 360p или 720p для итераций промпта и проверки композиции. Когда ролик пройдет приемочный чек-лист, либо выполните рендеринг непосредственно в более высоком разрешении, либо отправьте выбранный исходник в документированный маршрут повышения разрешения.
Такая стратегия уменьшает число бесполезных генераций в высоком разрешении, но добавляет вторую операцию, которую нужно измерять. Апскейлер может добавить детали, не меняя исходное движение и не исправляя плохую композицию. Он не гарантирует, что неверная надпись, нестабильное лицо или неправильное движение объекта станут корректными в 4K.
Сохраняйте в записи задания исходное и выходное разрешения, маршрут, длительность и расход токенов. Сравнивайте нативный результат высокого разрешения с результатом повышения разрешения, используя одинаковые исходник, область кадра и критерии приемки. Сторонний обзор Segmind отметил полезную детализацию после повышения разрешения, но также рассматривал эту операцию как оплачиваемый этап процесса, а не бесплатную замену любому нативному рендерингу.
Для рабочей среды определите два этапа приемки:
- Творческая приемка: идентичность объекта, композиция, движение, текст, диалог и звук соответствуют заданию.
- Техническая приемка: размеры кадра, длительность, кодек, аудиодорожка, права и срок хранения файлов соответствуют требованиям дальнейшего использования.
В итоговую библиотеку материалов должны попадать только ролики, прошедшие оба этапа.
Концептуальная схема по руководству Gemini API. Повышение разрешения не гарантирует исправления движения, текста или постоянства объекта.
4. Промпты для видео с точным соблюдением инструкций
Сторонние тесты особенно полезны при составлении промптов, когда показывают, что нужно проверять, а не превращаются в заявления об универсальных результатах бенчмарка. Segmind сообщает о хороших результатах для поясняющих роликов с подписями, кинетической типографики, анимации графиков по предоставленному финальному кадру, стилизованной моушн-графики и внесения одного изменения в реальную видеозапись. Тот же обзор отмечает более слабые результаты при создании фотореалистичных людей с нуля, построении графиков только по числам и некоторых многошаговых правках или изменениях логотипов брендов.
Надежный промпт для Omni должен отдельно задавать:
- объект и его визуальную идентичность;
- последовательные этапы сцены;
- движение камеры и то, что должно оставаться неподвижным;
- точный экранный текст, приведенный отдельно в кавычках;
- диалог, музыку и звуковые эффекты;
- конечное состояние, желательно закрепленное входным последним кадром, если маршрут это поддерживает;
- одно изменение, которое нужно выполнить при редактировании, и все, что должно остаться неизменным.
Например:
Create a flat 2D motion-graphics explainer in 16:9.
Show the title 'HOW A PRODUCT VIDEO API WORKS' exactly as written.
First show one product photo, then three labelled route cards from left to right,
then connect the cards to one finished video frame.
Keep every label fixed after it appears. Use a locked-off camera.
Add a short, calm voiceover and a soft click for each route card.
End on the complete diagram. Do not add any other text or logos.
Это задание — предлагаемый тест, а не измеренный результат Omni. Правила приемки полезнее прилагательных вроде «кинематографичный» или «вирусный»: каждая подпись должна точно совпадать с заданной, порядок должен быть правильным, камера должна оставаться неподвижной, а аудио — содержать только запрошенные звуковые элементы.
5. Встроенное аудио, референсы и редактирование
Официальная документация указывает поддержку речи, музыки и звуковых эффектов, а публикация Google о запуске подчеркивает более естественные диалоги, более точную синхронизацию губ и различимость говорящих в сценах с несколькими участниками. В анонсе Google Cloud также отмечено, что аудиореференсы доступны только аккаунтам из списка разрешенных. Это означает, что для аудио нужна отдельная проверка возможностей и разрешений, а не просто флажок в универсальной форме работы с видео.
Согласованность с референсами — одна из ключевых тем модели. Google описывает более точное следование референсным изображениям и видео, а официальная страница модели подтверждает генерацию на основе референсов. Однако поддержка референсов не гарантирует сохранение идентичности. Проверяйте лицо, одежду, силуэт товара, видимые знаки, освещение и движение на протяжении всего ролика.
Диалоговое редактирование — тоже концепция рабочего процесса, а не обязательно одна универсальная конечная точка. Материалы о запуске описывают изменение товара, освещения или ракурса камеры в одном и том же ролике. Провайдер может реализовать это через редактирование видео, идентификатор взаимодействия, ссылку на предыдущую задачу или другое тело запроса. Подтвердите контракт, прежде чем закреплять предположения в своей базе данных.
Для каждой правки сохраняйте:
- исходное видео и права на него;
- точную инструкцию с одним изменением;
- то, что должно остаться неизменным;
- маршрут и идентификатор модели;
- возвращенный идентификатор задачи или взаимодействия;
- результаты проверки аудио и безопасности.
Это позволяет диагностировать неудачные правки и делает успешные достаточно воспроизводимыми для проверки.
6. Тарификация по токенам — не то же самое, что расчет цены ToAPIs
В материалах Google о запуске опубликована цена поставщика для видео 720p и описано ее снижение относительно предыдущей модели. Страница EvoLink представляет собственный калькулятор на основе токенов, скидки и цены по маршрутам. Kingy AI выводит оценку стоимости секунды 720p из предположений о токенах, а Shattered строит описание запуска вокруг опубликованной цены за секунду. Эти цифры не взаимозаменяемы.
В таблице стандартных цен Gemini API, проверенной 6 ноября 2026 года, указаны 1,50 доллара США за миллион входных токенов текста, изображений и видео; 9,00 доллара США за миллион выходных текстовых токенов, включая рассуждения; и 12,00 доллара США за миллион выходных видеотокенов. Бесплатный уровень для этой модели не предусмотрен. Это прейскурантные цены поставщика для данной платформы, а не расчет цены ToAPIs.
На той же странице цен указаны 5 792 выходных видеотокена в секунду при 720p. Поэтому для 15-секундного ролика 720p примерная составляющая стоимости выходного видео равна 15 × 5,792 × 12 / 1,000,000 = USD 1.04256 без учета платы за входные данные и выходные токены текста/рассуждений. Это объясняет округленную цифру из анонса — около 0,07 доллара США за секунду, но не превращает ее в фиксированную итоговую плату за все. Цены, правила подсчета токенов и наценки шлюзов могут меняться.
Модель затрат для рабочей среды должна учитывать:
| Составляющая стоимости | Что нужно сохранять |
|---|---|
| Поставщик или шлюз | Точного провайдера, идентификатор модели и дату |
| Единица тарификации | Секунды, выходные видеотокены, входные токены, токены рассуждений или пакет |
| Множитель разрешения | Нативный вывод или операция повышения разрешения |
| Входные медиа | Изображения, исходные видео и правила тарификации их токенов |
| Политика повторных попыток и отклонений | Взимается ли плата за ошибки безопасности, валидации или передачи |
| Выход годных результатов | Число попыток, деленное на число роликов, прошедших технический чек-лист |
Для гипотетического тарифа на основе токенов запишите формулу, а не копируйте чужой расчет цены:
raw generation cost = input tokens × input rate
+ video output tokens × video rate
+ thinking tokens × thinking rate
workflow cost = raw generation cost
+ accepted retries
+ storage, transfer and review time
cost per accepted clip = workflow cost / accepted clips
Не публикуйте цену ToAPIs, пока актуальный каталог или конечная точка расчета цены не подтвердят модель, SKU, единицу тарификации и ставку для конкретного аккаунта. Не утверждайте, что задержка или стоимость, измеренные сторонней площадкой, применимы к другому шлюзу.
Иллюстрация цен поставщика на 6 ноября 2026 года, не предложение ToAPIs. USD 1.04256 в примере — только видеовывод; ввод и вывод текста/рассуждений оплачиваются дополнительно.
7. Подготовьте набор приемочных тестов до запуска в эксплуатацию
Прежде чем включать эту модель в приложении, выполните небольшой воспроизводимый набор проверок:
- Видео по тексту: поясняющий ролик с подписями, упорядоченными этапами и явными звуковыми указаниями.
- Видео по изображению: первый кадр с товаром и обязательное конечное состояние.
- Видео по референсам: один объект в нескольких ракурсах с чек-листом непрерывности.
- Редактирование видео: одно изменение в реальном ролике с сохранением исходного действия.
- Продление видео: план, в котором направление движения камеры и звук должны продолжаться естественно.
- Повышение разрешения: сравнение одного и того же принятого черновика с нативным рендерингом высокого разрешения.
Для каждого теста фиксируйте идентификатор модели, маршрут, входные данные, промпт, seed при его поддержке, разрешение, длительность, идентификатор задачи, время в очереди, время обработки, выходные токены или данные тарификации, результат аудио и вердикт приемки. Сохраняйте неудачи, а не отбирайте только лучшие примеры.
Используйте сторонние обзоры как гипотезы. Например, обзор Segmind из 20 тестов ценен тем, что называет и сильные стороны, и неудачи, но оплаченные суммы, задержки и поведение провайдера относятся к среде Segmind. Это не независимый бенчмарк всех интеграций Gemini Omni 1.2 Flash.
8. Чек-лист доступности и интеграции
Официальный идентификатор модели Google — gemini-omni-1.2-flash, но сам по себе идентификатор модели не означает, что шлюз включил к ней доступ. Перед интеграцией через ToAPIs изучите каталог моделей, актуальные цены и документацию запросов. Подтвердите точный маршрут, права доступа аккаунта, тело запроса, модель асинхронных статусов, срок хранения результатов и правила тарификации.
Если маршрут отсутствует или расчет цены недоступен, оставьте функцию выключенной либо пометьте ее как запланированную. Не подставляйте незаметно другую модель Gemini под тем же маркетинговым названием. Не сообщайте о выполненной генерации, если аутентифицированный вызов не завершился успешно и возвращенные медиа не были проверены.
Источники и правила обновления
- Google: Gemini Omni 1.2 Flash — 15-секундное видео и снижение цен — официальный анонс, 5 ноября 2026 года.
- Google Cloud: Gemini Omni 1.2 Flash теперь общедоступен — общая доступность, корпоративный контекст и заявления при запуске.
- Документация модели Google Cloud — идентификатор модели, возможности, ограничения и статус выпуска.
- Руководство Gemini API Omni — Interactions API, референсы для конкретной платформы, уровни повышенного разрешения и состояние редактирования.
- Цены Gemini API — стандартные ставки за токены и пересчет видеотокенов; цена поставщика, а не расчет ToAPIs.
- Страница API Gemini Omni 1.2 Flash в EvoLink — маршруты шлюза, калькулятор и представление цен конкретного провайдера.
- Segmind: тестирование Gemini Omni 1.2 Flash — сторонние тесты, наблюдения по маршрутам, промпты и контекст оплаченного рабочего процесса.
- Kingy AI: характеристики, бенчмарки, цены и доступность — вторичный обзор характеристик и цен; не независимый бенчмарк версии 1.2.
- Shattered: общая доступность Gemini Omni 1.2 Flash — вторичный обзор запуска и затрат; прогнозы не рассматриваются как факты.
При обновлении этого руководства фиксируйте провайдера, идентификатор модели, URL источника и дату проверки для каждой измененной возможности или цены. Разделяйте цены поставщиков, расчеты шлюзов и сторонние тесты. Это руководство не заявляет о доступности в ToAPIs, выполненной аутентифицированной генерации, универсальном бенчмарке или гарантированном результате в рабочей среде.