Gemini Omni 1.1 Flash: что это, где доступна модель и какой идентификатор API использовать

Gemini Omni 1.1 Flash — мультимодальная модель Google для генерации и редактирования видео. В Gemini Developer API её официальный идентификатор — gemini-omni-1.1-flash. Модель принимает текст, изображения, аудио и видео как контекст, создаёт видео со звуком и поддерживает последовательные правки через Interactions API.

Главная ошибка при старте — взять название из одного продукта Google и вставить его в другой. У Cloud есть отдельный preview-ID, а Flow и приложение Gemini вообще не требуют модели в конфигурации.

Где доступна модель и как она называется

В официальном анонсе Google описывает Gemini API как готовый к использованию в рабочих приложениях. Страница модели в Cloud одновременно помечает gemini-omni-1.1-flash-preview как Preview. Противоречия нет: это разные продукты со своими условиями и сроками поддержки.

Что действительно изменилось в 1.1

Обновление делает видеопроцесс более управляемым. Можно задать первый и последний кадр, а модель построит движение между ними. Можно использовать короткие видео как референс движения или внешнего вида. Можно сначала получить дешёвый черновик 360p, а выбранный вариант затем увеличить до 1080p или 4K.

Важно точно понимать два числа из описания возможностей.

4K — это апскейл. Документация Gemini API прямо обозначает 1080p и 4K как результат увеличения разрешения. Высокое разрешение не гарантирует, что модель добавит правдоподобные исходные детали.

40 секунд — это накопленное продолжение. Omni 1.1 анализирует до 10 секунд предыдущего контекста и добавляет видео шагами по 10 секунд, пока общая длина не достигнет 40 секунд. Это не обещание одной 40-секундной генерации по любому запросу.

Такой подход полезен для истории из нескольких продолжений, но порядок добавления сцен ограничен: новое содержимое добавляется только в конец. Вставить сцену в середину или дополнить начало нельзя.

Первый запрос к Gemini API

Официальный Python SDK возвращает видео в удобном поле output_video. Минимальный запрос может выглядеть так:

import base64
from google import genai

client = genai.Client()

result = client.interactions.create(
    model="gemini-omni-1.1-flash",
    input=(
        "Один непрерывный кадр: бумажный город просыпается на рассвете, "
        "в окнах по очереди загорается свет. Без диалога."
    ),
    response_format={
        "type": "video",
        "aspect_ratio": "16:9",
        "resolution": "720p",
    },
)

with open("city.mp4", "wb") as file:
    file.write(base64.b64decode(result.output_video.data))

В чистом REST ответ устроен иначе: видео находится в массиве steps, поэтому код чтения результата из SDK нельзя переносить дословно. Для вертикального ролика используйте 9:16; 720p — разрешение по умолчанию.

После первой генерации сохраняйте сведения о взаимодействии Interactions API, если хотите править ролик. Короткое указание вроде «сделай свет вечерним, всё остальное оставь без изменений» обычно безопаснее длинного нового описания, которое фактически просит пересоздать сцену.

Ограничения, которые меняют сценарий

Загруженное видео для редактирования или продолжения обычно должно быть не длиннее 10 секунд. Если в нём уже говорит человек, нельзя продолжить этот загруженный ролик и добавить ему новую реплику. Редактирование голоса и отдельные аудиореференсы не поддерживаются.

Для видеореференсов действует другой предел: до трёх роликов, каждый до трёх секунд. Их звук игнорируется. Это способ передать движение и внешний контекст, а не инструмент рассуждения по нескольким полноценным видео.

В Европейской экономической зоне, Швейцарии и Великобритании редактирование или продолжение загруженного пользователем видео сейчас недоступно. Продолжение ролика, ранее созданного самой моделью, рассматривается отдельно и поддерживается в доступных регионах.

Есть ограничения на редактирование изображений с несовершеннолетними и некоторыми узнаваемыми людьми. Все сгенерированные видео получают невидимую маркировку SynthID, а вход и выход проходят фильтры безопасности. Английский язык официально полностью поддерживается; другие языки, по словам Google, ещё не получили равную оценку, поэтому качество русских инструкций может колебаться.

Сколько стоит Gemini Omni 1.1

Точную цену нужно проверять для конкретного продукта и идентификатора модели. На 29 августа 2026 года страница цен Gemini Developer API всё ещё содержала строку старого gemini-omni-flash-preview: примерно 0,10 доллара за секунду видео 720p. В этой строке не был однозначно указан 1.1.

Поэтому старую цифру нельзя выдавать за подтверждённый тариф gemini-omni-1.1-flash. Перед расчётом бюджета проверьте текущую консоль, единицу биллинга, разрешение, квоту и правила оплаты неуспешных запросов. Cloud Preview имеет отдельный ID и собственную модель потребления; стоимость Developer API к нему автоматически не переносится.

Для каких задач подходит Omni

Gemini API подходит, если приложению нужен цикл «создать — оценить — изменить — продолжить» и ограничения на загрузки допустимы. Flow и Gemini удобнее для ручного процесса внутри подписки. Cloud Preview имеет смысл только тогда, когда проект принимает Pre-GA условия и фиксированную квоту.

Если задача — сравнить более зрелые видеомодели и их стоимость, следующим шагом будет разбор цены Veo 3. Если неясны ключ, бесплатный уровень и биллинг, начните с руководства по Gemini API Free Tier.

Перед запуском приложения сохраните рядом с конфигурацией точный идентификатор модели, название продукта Google, регион, дату проверки и способ работы на случай недоступности сервиса. Это защищает интеграцию от ситуации, когда имя из приложения, Cloud Preview и Developer API ошибочно превращаются в один и тот же «Gemini Omni».