API Gemini Omni Flash 1.1: 3 build video da testare prima di andare in produzione

Un adulto batte le mani tre volte in una clip silenziosa con telecamera fissa. Dopo ogni battito, cambia solo il cappello. L'esecutore, la giacca, la stanza, la luce e i tempi restano invariati. Questa è la promessa pratica che gli sviluppatori stanno testando con la gemini omni flash 1.1 api.

La parte difficile non è inviare una singola richiesta video. È trasformare "cambia questa singola cosa" nella giusta modalità di input, in un prompt con vincoli sufficienti e in un budget che lasci spazio all'iterazione. Le tre build qui sotto si concentrano su quel passaggio: una modifica del cappello sincronizzata sull'evento, una modifica del materiale di un singolo oggetto e una sequenza fisica solo testuale.

Gemini Omni 1.1 Flash è l'aggiornamento di generazione video pronto per la produzione di Google. Supporta input testuali, immagini e video caricati, mentre le Interactions API supportano lo stato iterativo tramite un ID di interazione precedente. I suoi controlli di output documentati includono 360p, 720p, 1080p e 4K, con formato 16:9 o 9:16 (Documentazione di Google Gemini Omni, settembre 2026).

Punti chiave

• ID modello Google stabile: gemini-omni-1.1-flash.
• Scegli il percorso di input prima di scrivere il prompt.
• Mantieni un segmento sorgente di riferimento per la modifica a 10 secondi o meno.
• Tratta il dialogo importante come un'attività separata di approvazione audio.

Perché l'API Gemini Omni Flash 1.1 è popolare e perché i primi tentativi falliscono

Omni 1.1 attira l'attenzione perché combina generazione, modifica e controlli di continuazione. Google afferma che l'aggiornamento può estendere le scene in incrementi di 10 secondi fino a 40 secondi, interpolare tra primo e ultimo fotogramma, creare anteprime a 360p e upscalare fino al 4K (Annuncio di Google Omni 1.1, agosto 2026). Questi controlli sono importanti per un team di prodotto che sviluppa un editor, un SaaS creativo o uno strumento di marketing a formato breve.

Il primo tentativo spesso fallisce per ragioni più semplici:

• A un percorso text-to-video viene chiesto di preservare una performance esistente.
• La modifica richiede un nuovo oggetto senza un riferimento chiaro o una descrizione visiva specifica.
• Un singolo prompt cambia attore, telecamera, abbigliamento, ambientazione e oggetto contemporaneamente.
• Una clip sorgente lunga nasconde l'istante esatto che dovrebbe innescare la modifica.

Inizia decidendo cosa deve rimanere invariato. Nel caso del cappello, l'esecutore, la telecamera, la stanza, la giacca, le ombre e i tempi dei battiti sono invarianti. Il cappello è l'unica variabile che cambia. Il caso della scultura a bolle usa la stessa idea, ma blocca il creatore e la luce della finestra mentre modifica il materiale di un singolo oggetto.

La continuità visiva e la continuità audio richiedono controlli di accettazione diversi. Un utente di Reddit ha descritto un output che riscriveva il discorso e il contesto di una clip con parlato dopo le modifiche (segnalazione della community, luglio 2026). Quella segnalazione è aneddotica, ma è una regola di produzione utile: se dialogo, musica o un'approvazione legale dipendono dalla traccia originale, conserva e masterizza separatamente l'audio originale. Non approvare una modifica visiva generativa solo perché le immagini sembrano corrette.

Flusso di lavoro dell'API Gemini Omni Flash 1.1: scegli il giusto input, modello e costo

Scegli l'input che contiene già le informazioni di cui hai bisogno. Text-to-video serve per una nuova scena. Image-to-video serve per un aspetto iniziale art-directed. Reference-to-video serve per una performance sorgente che richiede un cambiamento strettamente delimitato. Su Atlas Cloud, i team possono aprire il percorso del modello Developer pertinente in una scheda del browser, confrontare le modalità di input e mantenere un flusso di lavoro prototipale comune tramite Atlas Cloud.

td {white-space:nowrap;border:0.5pt solid #dee0e3;font-size:10pt;font-style:normal;font-weight:normal;vertical-align:middle;word-break:normal;word-wrap:normal;}

Le tariffe iniziali pubbliche sono state verificate nell'elenco Models All il 1° settembre 2026. Risoluzione, durata e dettagli di pagamento possono cambiare: conferma la pagina del modello pertinente prima di definire un budget di rilascio. Una stima per 8 secondi è tariffa × 8, non una promessa di prezzo universale.

Per le variazioni basate su immagini, il percorso Image-to-Video Developer accetta da 1 a 7 immagini di riferimento. Lo schema reference-to-video accetta una clip sorgente più fino a cinque immagini; il segmento sorgente tagliato non deve superare i 10 secondi. Usa un seed fisso solo dopo aver trovato una variante che vale la pena iterare.

L'output di comodo dell'SDK di Google è output_video. Una risposta REST grezza invece colloca il contenuto video all'interno dell'array steps. Questa distinzione evita un errore di integrazione comune.

plaintextCopy
1import { GoogleGenAI } from '@google/genai';
2import fs from 'node:fs';
3
4const ai = new GoogleGenAI({ apiKey: process.env.GEMINI_API_KEY });
5const interaction = await ai.interactions.create({
6  model: 'gemini-omni-1.1-flash',
7  input: 'A polished steel marble triggers a tabletop chain reaction.',
8  response_format: { type: 'video', aspect_ratio: '16:9', resolution: '4k' }
9});
10
11fs.writeFileSync('result.mp4', Buffer.from(interaction.output_video.data, 'base64'));

plaintextCopy
1{
2  "model": "gemini-omni-1.1-flash",
3  "input": "A polished steel marble triggers a tabletop chain reaction.",
4  "response_format": { "type": "video", "aspect_ratio": "16:9", "resolution": "4k" }
5}

Passo 1: Modifica video con l'API Gemini Omni Flash 1.1, cambia i cappelli a tempo

Usa una clip sorgente silenziosa di 10 secondi con diritti liberi, con un esecutore adulto, una telecamera fissa 16:9 e tre battiti di mani chiaramente distinti. Carica la clip sorgente, il suo primo fotogramma e tre riferimenti chiari per i cappelli. Per questo percorso, usa il playground Reference-to-Video Developer.

plaintextCopy
1Use the uploaded original video as the timing, camera, and performance reference. Preserve the same adult performer, face, body movement, tan jacket, room, framing, shadows, and pacing. At the instant immediately after each completed clap, change only the hat: after clap one, a forest-green knit beanie; after clap two, a cream wide-brim felt hat; after clap three, a red baseball cap. Keep each hat naturally fitted and stable between claps. No cuts, no added people, no text, no captions, no logos, and no changes to the jacket or room. Preserve the silent source audio; do not generate speech or music.

Scegli il taglio sorgente 0-10s, 16:9, 4K e un seed fisso solo per un successivo tentativo controllato. Esegui una variabile alla volta. Se un cappello si sposta, semplifica la modifica prima di aggiungere un riferimento più forte.

Fotogramma chiave del caso di cambio cappello Gemini Omni Flash

Caso 1, fotogramma. Il fotogramma nitido selezionato mostra il berretto da baseball rosso finale dopo il terzo battito, mentre l'esecutore, la stanza e la telecamera restano stabili.

Test di movimento del cambio cappello Gemini Omni Flash

Caso 1, test di movimento. Nell'arco della clip di 10 secondi, tre battiti distinti attivano gli stati del berretto di lana, del cappello a tesa larga e del berretto rosso in un'unica ripresa continua in studio.

Passo 2: Modifica video con l'API Gemini Omni Flash 1.1, trasforma un singolo oggetto

Usa una sorgente silenziosa distinta di 10 secondi: un adulto ruota una piccola scultura geometrica in ceramica accanto a una finestra. Carica il video sorgente e il suo primo fotogramma. L'input resta semplice così la trasformazione del materiale ha un solo compito.

plaintextCopy
1Use the uploaded video as the exact performance, camera, and lighting reference. Preserve the adult creator, hands, clothing, studio, window light, camera position, and the slow turn of the object. At 2.0 seconds, transform only the small geometric ceramic sculpture into a connected cluster of translucent soap bubbles with realistic reflections and soft iridescent color. The creator continues the same hand motion. Keep the bubbles attached in the same position and scale as the original sculpture. One continuous shot, no cuts, no new objects, no new people, no text, no logos, and no generated speech or music.

Scegli il taglio sorgente 0-10s, 16:9, 4K e lo stesso flusso di lavoro con seed fisso del Passo 1. Controlla il bordo dell'oggetto nella transizione dei due secondi e nell'ultimo secondo. Quei momenti rivelano se il modello ha modificato più dell'oggetto richiesto.

Fotogramma chiave del caso della scultura a bolle Gemini Omni Flash

Caso 2, fotogramma. Il gruppo di bolle è completamente formato mentre le mani dell'artista che ruotano, il tavolo di lavoro e la luce della finestra restano leggibili.

Test di movimento della scultura a bolle Gemini Omni Flash

Caso 2, test di movimento. La scultura geometrica si trasforma in un gruppo di bolle traslucide nell'istante richiesto mentre la telecamera scivola lateralmente attraverso lo studio illuminato dal sole.

Passo 3: Text-to-video con l'API Gemini Omni Flash 1.1, testa una sequenza fisica continua

Per una nuova scena, inizia solo con il testo. Questo isola la temporizzazione del modello, le relazioni tra oggetti e le istruzioni di camera. Usa il modello Text-to-Video Developer per una generazione di 8 secondi, 16:9, 4K. Fissa il seed solo dopo aver ottenuto un output che vale la pena rivedere.

plaintextCopy
1One continuous 8-second studio shot of a hand-built tabletop Rube Goldberg machine. A polished steel marble rolls from left to right through a wooden track, tips a row of dominoes, releases a small brass lever, rings a bell, and opens a paper flower. Every collision follows believable gravity, weight, momentum, and contact. The camera begins in a close tracking shot with the marble, then smoothly slides sideways to reveal the full chain reaction. Warm morning window light, crisp wood and metal textures, practical workshop setting. No jump cuts, no visible hands, no logos, no captions, no text.

Ispeziona l'intera catena, non un singolo fotogramma attraente. Se la biglia manca un contatto, accorcia la sequenza o rimuovi una dipendenza. Una catena affidabile di 5 eventi è una demo di prodotto più forte di una sequenza affollata la cui meccanica non è leggibile.

Fotogramma chiave del caso Rube Goldberg Gemini Omni Flash

Caso 3, fotogramma. Il fotogramma finale selezionato mostra il fiore di carta aperto e la catena da tavolo completata.

GIF della reazione a catena Rube Goldberg text-to-video Gemini Omni Flash

Caso 3, test di movimento. La biglia avvia i domino, poi la leva e la campanella, prima che il fiore si apra negli ultimi secondi. La telecamera si muove lateralmente per rivelare ogni fase invece di limitarsi ad avvicinarsi.

Variazioni con l'API Gemini Omni Flash 1.1: estendi, interpola e itera in sicurezza

Usa l'estensione e l'interpolazione per risolvere uno specifico problema di continuità, non per evitare un primo passaggio pulito. Google descrive estensioni di 10 secondi fino a un totale cumulativo di 40 secondi e il controllo del primo e dell'ultimo fotogramma in Omni 1.1. Riferisce inoltre che le bozze a 360p possono essere fino al 60% più veloci e costare un terzo rispetto al livello standard 720p nel proprio confronto di throughput. Queste sono le condizioni di test di Google, non una garanzia di velocità a livello di piattaforma.

Adotta un processo a due passaggi:

1. Valida la logica del movimento a una risoluzione di bozza bassa, laddove quel controllo è effettivamente disponibile.
2. Cambia una sola variabile per tentativo: il cappello, il materiale delle bolle o una frase di camera.
3. Genera l'asset finale alla risoluzione target solo dopo che l'azione risulta corretta.

Scrivi prima i vincoli di conservazione: preserva lo stesso esecutore, la stessa telecamera, la stessa stanza e gli stessi tempi. Poi nomina l'unica trasformazione. Per una ripresa continua, indica ripresa continua unica, nessun taglio. Per una transizione da un'estremità all'altra, fornisci un primo e un ultimo fotogramma intenzionali, invece di chiedere al modello di dedurre entrambi i punti da una frase vaga.

Costi, diritti e linee guida di produzione dell'API Gemini Omni Flash 1.1

Budgetizza il lavoro come una sequenza di decisioni, non come un pulsante illimitato "genera di nuovo". Alle tariffe iniziali pubbliche mostrate sopra, una generazione testuale di 8 secondi costa circa $0.896 e una modifica reference di 8 secondi circa $0.960. Un budget di tre tentativi è quindi di circa $2.688 per il caso Rube Goldberg e $2.880 per ciascun caso di modifica reference, prima che si applichi una tariffa di risoluzione più alta o uno SKU di prodotto diverso.

Tieni separate nella pianificazione interna la fatturazione API, i prezzi al checkout della pagina prodotto e le quote della community o dell'account. Prima dell'acquisto o del lancio, verifica il prezzo corrente di risoluzione e durata del percorso selezionato. Questo articolo non trasforma intenzionalmente un elenco di tariffe iniziali in un preventivo permanente per il 4K.

Usa solo video e immagini di riferimento per cui hai il diritto di caricamento. Ottieni il permesso dalle persone riconoscibili, conserva i registri di prompt e sorgenti ed etichetta il materiale generato quando il pubblico potrebbe scambiarlo per riprese documentarie. Rivedi dialogo, musica, marchi e somiglianze in un apposito passaggio di approvazione. Queste linee guida contano quanto la clausola preserve in un prompt dell'API Gemini Omni Flash 1.1.

Domande frequenti sull'API Gemini Omni Flash 1.1

Qual è l'ID modello stabile dell'API Gemini Omni Flash 1.1?

L'ID modello stabile attuale di Google è gemini-omni-1.1-flash. Usa la documentazione del modello corrente al momento dell'implementazione perché gli alias dei modelli e la disponibilità delle anteprime possono cambiare.

gemini-omni-flash-preview è in fase di deprecazione?

Tratta il nome in anteprima come un binario di rilascio separato. Conferma l'avviso di deprecazione attuale nella documentazione del modello di Google prima di fissarlo in produzione, poi usa l'ID stabile quando corrisponde alle capacità richieste.

Gemini Omni Flash 1.1 può modificare un video esistente?

Sì. Il flusso di lavoro documentato carica un video tramite le Files API e fornisce un'istruzione di modifica. Mantieni breve il segmento sorgente e indica ogni elemento che deve rimanere invariato.

Quanto può essere lungo un video con l'API Gemini Omni Flash 1.1?

Gli esempi di generazione standard coprono clip brevi, mentre Omni 1.1 può estendere in incrementi di 10 secondi fino a un totale cumulativo di 40 secondi. Un taglio sorgente reference-to-video su Atlas deve essere di 10 secondi o meno nel percorso Developer attualmente documentato.

Può preservare il dialogo e la traccia audio originale?

Usa istruzioni di conservazione visiva, poi verifica l'audio in modo indipendente. Per una clip in cui il dialogo o la musica esatti contano, porta la traccia originale approvata attraverso la post-produzione invece di trattare un output generativo come un master audio automatico.

Quanto costa l'API Gemini Omni Flash 1.1?

Il costo dipende dal percorso, dalla durata, dalla risoluzione e dalla superficie di fatturazione. Per il flusso di lavoro dell'API Gemini Omni Flash 1.1, calcola i secondi × la tariffa del percorso attualmente visualizzata, poi riserva almeno 3 tentativi per qualsiasi ripresa critica per il movimento.