Usamos cookies. Las cookies y el almacenamiento del navegador mantienen tu sesión iniciada y recuerdan tus preferencias. Con tu permiso, también medimos cómo se usa el sitio. Puedes en cualquier momento. Consulta nuestra política de cookies.
google/gemini-omni-1.1-flashSe ejecuta con tu saldo a los precios indicados arriba. Las cuentas nuevas empiezan con uso gratuito.
Configuración
Google: Gemini Omni 1.1 Flash es un modelo nativo de generación y edición de video multimodal de Google. Es el sucesor disponible de forma general de Gemini Omni Flash Preview, y se ubica en la categoría de video aunque también cubre texto. Si has estado siguiendo la línea Omni de Google, esta es la versión pensada para uso en producción en lugar de experimentación en vista previa.
El modelo acepta texto, imagen y video como entrada, y produce texto y video como salida. Su ventana de contexto es de 131.072 tokens, con una salida máxima de 65.536 tokens. En el lado de video admite resoluciones de 360p, 720p, 1080p y 4K, relaciones de aspecto de 16:9 y 9:16, y duraciones de clip de 3 a 10 segundos en pasos de un segundo. Puede tomar un primer fotograma, un último fotograma, o ambos, lo que hace posibles las transiciones controladas y la interpolación, y puede generar audio junto con el video.
Esas capacidades apuntan a un conjunto bastante específico de flujos de trabajo. Texto a video cubre tomas conceptuales, guiones gráficos y clips cortos para redes sociales, mientras que imagen a video te permite animar una imagen fija o un render de producto. Proporcionar un primer y un último fotograma es útil cuando necesitas un estado inicial y final definidos, por ejemplo en versiones recortadas publicitarias o transiciones de escena. La relación 9:16 y las duraciones cortas se adaptan a formatos verticales, y la salida en 4K está ahí cuando el entregable final necesita la resolución adicional. Debido a que el modelo también lee video como entrada, la edición y el cambio de estilo de metraje existente forma parte de la misma superficie en lugar de un pipeline separado.
Lo llamas a través de la API compatible con OpenAI de api14 usando el id de modelo "google/gemini-omni-1.1-flash". Los parámetros de solicitud admitidos son include_reasoning, max_tokens, reasoning, reasoning_effort, seed, temperature y top_p. Vale la pena establecer el parámetro seed cuando quieres generaciones reproducibles entre ejecuciones, y temperature y top_p te dan el control habitual sobre el muestreo. Los parámetros de razonamiento te permiten decidir si se incluye el razonamiento y cuánto esfuerzo se dedica a él, lo cual importa cuando un prompt necesita planificación antes de que se produzca el video.
No hay una restricción declarada que descarte el modelo para trabajo general de video, pero el conjunto fijo de relaciones de aspecto, 16:9 y 9:16, significa que los formatos fuera de esas dos no están cubiertos aquí. Las duraciones están limitadas a 10 segundos por generación, por lo que las secuencias más largas tienen que construirse a partir de múltiples clips. Si tu tarea es puramente generación de texto sin componente de video, un modelo enfocado en texto suele ser la opción más simple.
import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://api14.com/api/v1",
apiKey: process.env.API14_API_KEY,
});
// Video generation is asynchronous: submit, then poll until completed.
let job = await client.post("/videos", { body: {
"model": "google/gemini-omni-1.1-flash",
"prompt": "A drone shot over turquoise ocean waves at sunrise",
"duration": 8,
"resolution": "720p",
"aspect_ratio": "16:9"
} });
while (!["completed", "failed"].includes(job.status)) {
await new Promise((r) => setTimeout(r, 5000));
job = await client.get(`/videos/${job.id}`);
}
console.log(job.status, job.unsigned_urls);
include_reasoningmax_tokensreasoningreasoning_effortseedtemperaturetop_pEsta comunidad aún no tiene temas. Abre el primero sobre Google: Gemini Omni 1.1 Flash.