Gemini Omni Flash 1.1 API: 3 bản dựng video để thử nghiệm trước khi chạy production lần đầu

Một người trưởng thành vỗ tay ba lần trong một đoạn clip câm, camera cố định. Sau mỗi lần vỗ tay, chỉ có chiếc mũ thay đổi. Người biểu diễn, áo khoác, căn phòng, ánh sáng và thời gian giữ nguyên. Đó là lời hứa thực tế mà các nhà phát triển đang thử nghiệm với gemini omni flash 1.1 api.

Phần khó không phải là gửi một yêu cầu video. Mà là chuyển “chỉ thay đổi một thứ này” thành đúng chế độ đầu vào, một prompt với đủ ràng buộc, và một ngân sách có dư địa cho các vòng lặp. Ba bản dựng dưới đây tập trung vào sự bàn giao đó: một chỉnh sửa mũ theo thời điểm sự kiện, một chỉnh sửa chất liệu một vật thể và một chuỗi vật lý chỉ dùng văn bản.

Gemini Omni 1.1 Flash là bản cập nhật tạo video sẵn sàng cho sản xuất của Google. Nó hỗ trợ đầu vào dạng văn bản, hình ảnh và video tải lên, trong khi Interactions API hỗ trợ trạng thái lặp thông qua một ID tương tác trước đó. Theo tài liệu, các tùy chọn đầu ra bao gồm 360p, 720p, 1080p và 4K, với khung hình 16:9 hoặc 9:16 (Tài liệu Google Gemini Omni, tháng 9 năm 2026).

Những điểm chính

• ID mô hình ổn định của Google: gemini-omni-1.1-flash.
• Chọn route đầu vào trước khi viết prompt.
• Giữ đoạn nguồn chỉnh sửa tham chiếu ở mức 10 giây hoặc ít hơn.
• Xem hội thoại quan trọng như một tác vụ phê duyệt âm thanh riêng biệt.

Vì sao Gemini Omni Flash 1.1 API được ưa chuộng và vì sao lần chạy đầu thất bại

Omni 1.1 đang thu hút sự chú ý vì nó kết hợp khả năng tạo sinh với các điều khiển chỉnh sửa và tiếp nối. Google cho biết bản cập nhật có thể mở rộng cảnh theo từng bước 10 giây lên tới 40 giây, nội suy giữa khung hình đầu và cuối, tạo bản xem trước 360p và nâng cấp lên 4K (Thông báo Google Omni 1.1, tháng 8 năm 2026). Những điều khiển này quan trọng đối với một nhóm sản phẩm đang xây dựng trình chỉnh sửa, một SaaS sáng tạo hoặc một công cụ marketing dạng ngắn.

Lần chạy đầu tiên thường thất bại vì những lý do đơn giản hơn:

• Một route text-to-video được yêu cầu giữ nguyên một màn trình diễn có sẵn.
• Bản chỉnh sửa yêu cầu một vật thể mới mà không có tham chiếu rõ ràng hoặc mô tả trực quan cụ thể.
• Một prompt thay đổi diễn viên, camera, trang phục, bối cảnh và vật thể cùng một lúc.
• Một clip nguồn dài che khuất đúng nhịp cần kích hoạt chỉnh sửa.

Hãy bắt đầu bằng việc xác định điều gì phải giữ bất biến. Trong trường hợp chiếc mũ, người biểu diễn, camera, căn phòng, áo khoác, bóng đổ và thời điểm vỗ tay là bất biến. Chiếc mũ là biến số duy nhất thay đổi. Trường hợp tác phẩm điêu khắc bong bóng cũng dùng ý tưởng tương tự, nhưng khóa người sáng tạo và ánh sáng cửa sổ trong khi thay đổi chất liệu của một vật thể.

Tính liên tục hình ảnh và tính liên tục âm thanh cần các tiêu chí chấp nhận khác nhau. Một người dùng Reddit mô tả đầu ra đã viết lại lời nói và ngữ cảnh của một clip người nói sau khi chỉnh sửa (báo cáo cộng đồng, tháng 7 năm 2026). Báo cáo đó chỉ mang tính giai thoại, nhưng nó là một quy tắc sản xuất hữu ích: nếu hội thoại, âm nhạc hoặc một phê duyệt pháp lý phụ thuộc vào bản ghi gốc, hãy giữ và master riêng bản âm thanh gốc. Đừng phê duyệt một chỉnh sửa hình ảnh tạo sinh chỉ vì hình ảnh trông đúng.

Quy trình Gemini Omni Flash 1.1 API: Chọn đúng đầu vào, mô hình và chi phí

Chọn đầu vào đã chứa sẵn thông tin bạn cần. Text-to-video dành cho một cảnh mới. Image-to-video dành cho một diện mạo khởi đầu được định hướng nghệ thuật. Reference-to-video dành cho một màn trình diễn nguồn cần một thay đổi có giới hạn chặt chẽ. Trên Atlas Cloud, các nhóm có thể mở route mô hình Developer phù hợp trong một tab trình duyệt, so sánh các chế độ đầu vào và duy trì một quy trình prototype chung qua 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;}

Giá khởi điểm công khai được kiểm tra theo danh sách Models All vào ngày 1 tháng 9 năm 2026. Độ phân giải, thời lượng và chi tiết thanh toán có thể thay đổi, vì vậy hãy xác nhận trang mô hình liên quan trước khi lên ngân sách phát hành. Ước tính cho 8 giây là tỷ lệ × 8, không phải một cam kết giá chung.

Đối với các biến thể dẫn dắt bằng hình ảnh, route Image-to-Video Developer chấp nhận 1-7 hình ảnh tham chiếu. Schema reference-to-video chấp nhận một clip nguồn cộng tối đa năm hình ảnh; đoạn nguồn đã cắt của nó không được vượt quá 10 giây. Chỉ dùng seed cố định sau khi bạn tìm thấy một nhánh đáng để lặp.

Đầu ra tiện lợi của SDK Google là output_video. Một phản hồi REST thô thay vào đó đặt nội dung video bên trong mảng steps. Sự khác biệt này giúp tránh một lỗi tích hợp phổ biến.

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}

Bước 1: Chỉnh sửa video Gemini Omni Flash 1.1 API, thay mũ đúng nhịp

Sử dụng một clip nguồn câm, đã dọn quyền, dài 10 giây với một người trưởng thành biểu diễn, camera cố định 16:9 và ba lần vỗ tay rõ ràng. Tải lên clip nguồn, khung hình đầu tiên và ba tham chiếu mũ rõ ràng. Với route này, hãy dùng 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.

Chọn đoạn cắt nguồn 0-10s, 16:9, 4K và chỉ dùng seed cố định cho một lần thử lại có kiểm soát sau đó. Chạy từng biến số một. Nếu chiếc mũ bị lệch, hãy đơn giản hóa thay đổi trước khi bổ sung một tham chiếu mạnh hơn.

Khung hình chính trường hợp thay mũ Gemini Omni Flash

Tĩnh hình trường hợp 1. Khung hình rõ nét được chọn cho thấy chiếc mũ lưỡi trai đỏ cuối cùng sau lần vỗ tay thứ ba, trong khi người biểu diễn, căn phòng và camera vẫn ổn định.

Ca chuyển động thay mũ Gemini Omni Flash

Kiểm tra chuyển động trường hợp 1. Trong suốt clip 10 giây, ba lần vỗ tay tách biệt kích hoạt các trạng thái mũ beanie, mũ phớt vành rộng và mũ lưỡi trai đỏ trong một cú máy studio liên tục.

Bước 2: Chỉnh sửa video Gemini Omni Flash 1.1 API, biến đổi một vật thể

Sử dụng một nguồn câm riêng biệt dài 10 giây: một người trưởng thành xoay một tác phẩm điêu khắc gốm hình học nhỏ bên cạnh cửa sổ. Tải lên video nguồn và khung hình đầu tiên. Đầu vào vẫn đơn giản để phép biến đổi chất liệu chỉ có một nhiệm vụ.

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.

Chọn đoạn cắt nguồn 0-10s, 16:9, 4K và quy trình seed cố định tương tự như Bước 1. Kiểm tra mép vật thể tại thời điểm chuyển đổi ở giây thứ hai và giây cuối cùng. Những khoảnh khắc đó phơi bày việc liệu mô hình có thay đổi nhiều hơn vật thể được yêu cầu hay không.

Khung hình chính trường hợp tác phẩm điêu khắc bong bóng Gemini Omni Flash

Tĩnh hình trường hợp 2. Cụm bong bóng đã hình thành đầy đủ trong khi bàn tay xoay của nghệ sĩ, bàn làm việc và ánh sáng cửa sổ vẫn rõ ràng.

Ca chuyển động tác phẩm điêu khắc bong bóng Gemini Omni Flash

Kiểm tra chuyển động trường hợp 2. Tác phẩm điêu khắc hình học biến thành một cụm bong bóng bán trong suốt vào đúng nhịp được yêu cầu trong khi camera trượt ngang qua studio tràn ngập ánh sáng mặt trời.

Bước 3: Text-to-Video Gemini Omni Flash 1.1 API, kiểm thử một chuỗi vật lý liên tục

Đối với một cảnh mới, hãy bắt đầu chỉ với văn bản. Điều này cô lập thời gian, mối quan hệ giữa các vật thể và chỉ dẫn camera của mô hình. Dùng mô hình Text-to-Video Developer cho một lần chạy 8 giây, 16:9, 4K. Chỉ cố định seed sau khi bạn có một đầu ra đáng để xem lại.

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.

Hãy kiểm tra toàn bộ chuỗi thực tế thay vì một khung hình bắt mắt đơn lẻ. Nếu viên bi bỏ lỡ một điểm tiếp xúc, hãy rút ngắn chuỗi hoặc loại bỏ một phụ thuộc. Một chuỗi 5 sự kiện đáng tin cậy là một bản demo sản phẩm mạnh hơn một chuỗi chật cứng với cơ chế khó nắm bắt.

Khung hình chính trường hợp Rube Goldberg Gemini Omni Flash

Tĩnh hình trường hợp 3. Khung hình kết thúc được chọn cho thấy bông hoa giấy đã nở và chuỗi phản ứng trên bàn hoàn tất.

GIF chuỗi phản ứng Rube Goldberg text-to-video Gemini Omni Flash

Kiểm tra chuyển động trường hợp 3. Viên bi làm đổ các quân domino, sau đó là đòn bẩy và chiếc chuông, trước khi bông hoa nở trong những giây cuối. Camera di chuyển ngang để lộ từng giai đoạn thay vì chỉ đơn thuần đẩy vào gần.

Biến thể Gemini Omni Flash 1.1 API: Mở rộng, nội suy và lặp an toàn

Sử dụng mở rộng và nội suy để giải quyết một vấn đề liên tục cụ thể, không phải để tránh một lượt chạy đầu rõ ràng. Google mô tả các bước mở rộng 10 giây lên tổng tích lũy 40 giây và điều khiển khung hình đầu/cuối trong Omni 1.1. Google cũng báo cáo rằng các bản nháp 360p có thể nhanh hơn tới 60% và chỉ bằng một phần ba chi phí của bậc 720p tiêu chuẩn trong so sánh thông lượng của riêng họ. Đó là các điều kiện thử nghiệm của Google, không phải lời đảm bảo tốc độ trên toàn nền tảng.

Áp dụng quy trình hai lượt:

1. Xác thực logic chuyển động ở độ phân giải nháp thấp nơi điều khiển đó thực sự có sẵn.
2. Thay đổi một biến số cho mỗi lần thử lại: chiếc mũ, chất liệu bong bóng hoặc một cụm từ về camera.
3. Chỉ tạo asset phát hành ở độ phân giải mục tiêu sau khi hành động diễn ra đúng.

Viết các ràng buộc giữ nguyên trước: preserve the same performer, camera, room, and timing. Sau đó nêu một phép biến đổi duy nhất. Đối với một cú máy liên tục, hãy nêu one continuous shot, no cuts. Đối với một chuyển đổi đầu-cuối, hãy cung cấp khung hình đầu và cuối có chủ đích thay vì yêu cầu mô hình suy ra cả hai điểm cuối từ một câu lỏng lẻo.

Chi phí, bản quyền và rào cản sản xuất Gemini Omni Flash 1.1 API

Lên ngân sách công việc như một chuỗi quyết định, không phải một nút “tạo lại” không giới hạn. Ở mức giá khởi điểm công khai nêu trên, một lần chạy văn bản 8 giây khoảng $0.896 và một lần chỉnh sửa tham chiếu 8 giây khoảng $0.960. Do đó, ngân sách ba lần thử là khoảng $2.688 cho trường hợp Rube Goldberg và $2.880 cho mỗi trường hợp chỉnh sửa tham chiếu, trước khi áp dụng mức giá độ phân giải cao hơn hoặc một SKU sản phẩm khác.

Trong kế hoạch nội bộ, hãy tách bạch hóa đơn API, giá thanh toán trên trang sản phẩm và hạn mức cộng đồng hoặc tài khoản. Trước khi mua hoặc ra mắt, hãy kiểm tra giá theo độ phân giải và thời lượng hiện tại của route đã chọn. Bài viết này cố ý không biến một bảng giá khởi điểm thành một báo giá 4K vĩnh viễn.

Chỉ sử dụng video và hình ảnh tham chiếu mà bạn có quyền tải lên. Xin phép những người dễ nhận diện, lưu giữ hồ sơ prompt và nguồn, đồng thời gắn nhãn vật liệu được tạo sinh ở những nơi khán giả có thể nhầm lẫn với cảnh quay tài liệu. Rà soát hội thoại, âm nhạc, nhãn hiệu và chân dung trong một lượt phê duyệt riêng. Những rào cản này quan trọng như mệnh đề preserve trong một prompt Gemini Omni Flash 1.1 API.

Các câu hỏi thường gặp về Gemini Omni Flash 1.1 API

ID mô hình ổn định của Gemini Omni Flash 1.1 API là gì?

ID mô hình ổn định hiện tại của Google là gemini-omni-1.1-flash. Hãy sử dụng tài liệu mô hình hiện tại tại thời điểm triển khai vì bí danh mô hình và tính khả dụng của bản xem trước có thể thay đổi.

gemini-omni-flash-preview có đang bị ngừng hỗ trợ không?

Hãy coi tên bản xem trước như một nhánh phát hành riêng biệt. Xác nhận thông báo ngừng hỗ trợ hiện tại trong tài liệu mô hình của Google trước khi cố định nó trong sản xuất, sau đó dùng ID ổn định khi nó khớp với các khả năng bạn cần.

Gemini Omni Flash 1.1 có thể chỉnh sửa một video có sẵn không?

Có. Quy trình theo tài liệu tải một video lên qua Files API và cung cấp một chỉ dẫn chỉnh sửa. Giữ đoạn nguồn ngắn và nêu rõ mọi thành phần phải giữ nguyên.

Một video Gemini Omni Flash 1.1 API có thể dài bao lâu?

Các ví dụ tạo chuẩn bao gồm các clip ngắn, trong khi Omni 1.1 có thể mở rộng theo bước tăng 10 giây lên tổng tích lũy 40 giây. Trên route Developer hiện được ghi trong tài liệu, đoạn cắt nguồn reference-to-video của Atlas phải từ 10 giây trở xuống.

Nó có thể giữ nguyên hội thoại và bản âm thanh gốc không?

Sử dụng các chỉ dẫn giữ nguyên hình ảnh, sau đó xác minh âm thanh một cách độc lập. Đối với một clip mà hội thoại hoặc âm nhạc chính xác là quan trọng, hãy mang bản ghi gốc đã được phê duyệt qua hậu kỳ thay vì coi đầu ra tạo sinh là một bản master âm thanh tự động.

Gemini Omni Flash 1.1 API có chi phí bao nhiêu?

Chi phí phụ thuộc vào route, thời lượng, độ phân giải và kênh thanh toán. Đối với quy trình Gemini Omni Flash 1.1 API, hãy tính số giây × tỷ lệ route hiển thị hiện tại, sau đó dự trù ít nhất 3 lần thử cho bất kỳ cú máy nào quan trọng về chuyển động.