Gemini Omni API: Preisgestaltung und Spezifikationen

Googles direktes Gemini Omni API ist jetzt als bezahlte öffentliche Vorschau unter der Modell-ID gemini-omni-flash-preview verfügbar. Sie läuft über die Gemini Interactions API, erzeugt 3–10 Sekunden Video bei 720p und 24 FPS und kostet etwa $0,10 pro Sekunde Videoausgabe. Es kann Video aus Text oder Bildern erzeugen, Audio mit dem Video generieren und ein Ergebnis über mehrere Turns hinweg bearbeiten, indem eine previous_interaction_id übermittelt wird.^[1][2]

Diese Spezifikationen beschreiben Googles direktes Gemini Developer API. Sie beschreiben nicht jedes API mit dem Namen Gemini Omni. Insbesondere reAPIs gemini-omni ist ein supplier-gerouteter Videovertrag mit einem anderen Endpunkt, Modellnamen, Request Body, Auflösungsstufen und einer anderen Abrechnung. Behandle beide als separate Integrationen.

Gemini Omni API Spezifikationen auf einen Blick

Google hat das Modell am 30. Juni 2026 in die öffentliche Vorschau aufgenommen. Seine Release Notes und Model Card sind die zuverlässigsten Quellen für die Ausgabelimits: beide kennzeichnen 720p-Video zwischen 3 und 10 Sekunden, während die Model Card auch 24 FPS und das Kontextfenster von 1.048.576 Token spezifiziert.^[2][3]

Die korrekte Modell-ID und der Endpunkt

Die direkte Modell-ID ist:

gemini-omni-flash-preview

Verkürze sie nicht zu gemini-omni in einer direkten Google-Anfrage. Dieser kürzere Identifier gehört zu reAPIs supplier-geroutetem Vertrag, nicht zum Gemini Developer API.

Google stellt Omni über die Interactions API zur Verfügung, anstatt des älteren Long-Running-Video-Generierungs-Musters, das Veo verwendet. Eine minimale REST-Anfrage sieht so aus:

curl -X POST \
  "https://generativelanguage.googleapis.com/v1beta/interactions?key=$GEMINI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gemini-omni-flash-preview",
    "input": "A continuous handheld shot of a tabby cat crossing a sunny kitchen. Natural room audio, no dialogue."
  }'

Die direkte REST-Antwort gibt eine Interaction mit einem steps-Array zurück. Das generierte MP4 erscheint als Videoinhalt in einem model_output-Schritt. Googles Python- und JavaScript-SDKs fügen ein output_video-Convenience-Feld hinzu, daher sind SDK-Code und Raw-REST-Parsing nicht identisch.^[1]

Für Hochformat-Ausgabe füge ein Response Format hinzu:

{
  "response_format": {
    "type": "video",
    "aspect_ratio": "9:16"
  }
}

Querformat 16:9 ist der Standard. Der öffentliche Leitfaden dokumentiert kein numerisches duration-Request-Feld wie reAPIs Route. Google gibt an, dass die Ausgabe zwischen 3–10 Sekunden liegt, und zeigt natürlichsprachliche Timings und Zeitangaben in Prompts, wie [0-3s], [3-6s] und [6-10s].^[1]

Wie die direkte Google-Preisgestaltung funktioniert

Gemini Omni Flash Preview ist nur in der bezahlten Stufe verfügbar. Googles aktuelle Standardpreise sind:^[4]

Google konvertiert 720p-Video zu Ausgabe-Token mit 5.792 Token pro Sekunde. Bei $17,50 pro Million Token sind das etwa $0,101 pro Ausgabesekunde. Eine grobe Schätzung der Videoausgabe ist daher:

3-Sekunden-Ausgabe  ≈ $0,30
6-Sekunden-Ausgabe  ≈ $0,61
10-Sekunden-Ausgabe ≈ $1,01

Dies sind Schätzungen für die Videoausgabe-Komponente, keine garantierten Rechnungssummen. Eingabemedien, Eingabetext, Textausgabe und Thinking-Token-Verbrauch können zur Gebühr hinzukommen. Wiederholungen und zusätzliche Bearbeitungs-Turns sind auch neue abrechenbare Interaktionen.

Der wichtige Unterschied ist, dass Google keinen pauschalen Preis von "$X pro Generierung" für diese Vorschau veröffentlicht. Es rechnet Tokenverbrauch ab. Wenn eine Drittanbieter-Route einen Festpreis für einen 8-Sekunden- oder 10-Sekunden-Job angibt, ist das der Produktvertrag des Drittanbieters.

Multi-Turn Video-Bearbeitung mit der Interactions API

Stateful Editing ist der stärkste Grund, die direkte Google-Schnittstelle zu verwenden. Die erste Anfrage erzeugt ein Video und gibt eine Interaction ID zurück. Eine zweite Anfrage zeigt auf diesen Status mit previous_interaction_id:

import base64
from google import genai

client = genai.Client()

first = client.interactions.create(
    model="gemini-omni-flash-preview",
    input="A woman playing violin outdoors in soft morning light.",
)

edited = client.interactions.create(
    model="gemini-omni-flash-preview",
    previous_interaction_id=first.id,
    input="Remove the violin. Keep everything else the same.",
)

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

Jeder Turn erzeugt ein neues Video. Das Modell trägt den Videozustand und die Konversation weiter, daher kann der Bearbeitungsprompt nur die angeforderte Änderung benennen. Googles Orientierung bevorzugt kurze Bearbeitungsanweisungen und schlägt vor, "Keep everything else the same" hinzuzufügen, wenn der Rest der Szene erhalten bleiben soll.^[1]

Der Zustand hat operative Kosten. Wenn du store: false setzt, kann das Ergebnis später nicht über previous_interaction_id bearbeitet werden. Persistiere die Interaction ID zusammen mit dem Asset-Datensatz, wenn spätere Revisionen Teil des Product-Workflows sind. Wenn du keine Bearbeitung brauchst, empfiehlt Google background=false, store=false und stream=false für eine schnellere synchrone Anfrage.

Eingabeunterstützung und aktuelle Preview-Limits

Die Model Card listet Text-, Bild- und Video-Eingabe auf. Video-Eingabe ist auf 10 Sekunden bei der Bearbeitung begrenzt, während die generierte Ausgabe zwischen 3–10 Sekunden bei 720p und 24 FPS bleibt.^[3]

Der Leitfaden unterstützt mehrere Request-Formen:

• Text-zu-Video;
• Bild-zu-Video aus einem Ausgangsbild;
• mehrere Subject oder Style Reference Images;
• Stateful Editing eines zuvor generierten Ergebnisses;
• Bearbeitung eines hochgeladenen Videos über die Files API.

Diese breite Liste braucht eine Preview-Stage-Warnung. Googles aktuelle Limits sagen, dass hochgeladene Audio-Referenzen nicht unterstützt werden, obwohl das Modell eine Audio-Spur mit Video erzeugt. Das Referenzieren mehrerer Videos ist nicht unterstützt. Video-Erweiterung, Interpolation zwischen ersten und letzten Frames und Voice-Bearbeitung sind auch nicht verfügbar. Generische Video-Referenzen bis zu drei Sekunden können API-Schema-Validierung durchlaufen, werden aber vom Modell derzeit nicht korrekt verarbeitet.^[1]

Es gibt auch regionale Beschränkungen. Die Bearbeitung hochgeladener Videos ist derzeit im Europäischen Wirtschaftsraum, der Schweiz und dem Vereinigten Königreich nicht verfügbar, obwohl Benutzer in diesen Regionen Video, das vom Modell generiert wurde, bearbeiten können. Video-Bearbeitung, die Minderjährige und bestimmte erkennbare Personen betrifft, unterliegt zusätzlichen Beschränkungen.

Andere technische Limits, die es wert sind, geplant zu werden:

• kein provisioned throughput;
• keine System-Anweisungen, temperature, top_p, Stop-Sequenzen oder dedizierter Negative-Prompt-Parameter;
• Englisch wird vollständig unterstützt, während andere Sprachen nicht formal evaluiert wurden;
• Content Safety Filter gelten für Prompts und generierte Medien;
• jedes generierte Video trägt ein unsichtbares SynthID-Wasserzeichen;
• große Ausgaben sollten URI-Lieferung statt Inline-Base64 verwenden.

Das dedizierte Negative-Prompt-Feld fehlt, aber negative Anweisungen können immer noch im gewöhnlichen Prompt geschrieben werden: "No dialogue," "No scene cuts," oder "Do not add text."

Google direct API vs reAPIs gemini-omni

Die Namen sind ähnlich genug, um Implementierungsfehler zu verursachen. Die Verträge sind nicht austauschbar:

reAPIs Gemini Omni API-Referenz dokumentiert die Supplier-Route. Sie akzeptiert einen Prompt von bis zu 2.000 Zeichen, explizite Duration- und Resolution-Felder, 16:9 oder 9:16, öffentliche URL-Eingaben und Task-Polling. Ihre 1080p- und 4K-Optionen sind Supplier-Lieferstufen; sie sind kein Beweis, dass Googles direkte öffentliche Vorschau diese Auflösungen bereitstellt.

Hier ist die äquivalente minimale Form auf reAPI:

{
  "model": "gemini-omni",
  "prompt": "A continuous handheld shot of a tabby cat crossing a sunny kitchen.",
  "duration": 6,
  "resolution": "1080p",
  "aspect_ratio": "16:9"
}

Die Route gibt eine Task ID zurück, die der Client abfragt, bis output.video_urls verfügbar ist. Sie gibt keine Google Interaction ID zurück und sollte nicht als Wrapper um die direkte Interactions API behandelt werden.

Offenlegung: reAPI veröffentlicht diesen Artikel und betreibt den oben beschriebenen reAPI supplier-geroutetem Endpunkt. Die direkten Google-Spezifikationen und Preise in diesem Leitfaden stammen aus Googles Dokumentation; reAPI-Vertragsdetails stammen aus unserer veröffentlichten API-Referenz. Die Unterscheidung wird angegeben, weil reAPI ein kommerzielles Interesse am geroutetem Produkt hat.

Welches API solltest du verwenden?

Verwende Googles direkte Vorschau, wenn das Produkt speziell Konversations-Bearbeitung, eine gespeicherte Interaction-Historie oder eine direkte Google-Abrechnungsbeziehung benötigt. Es ist auch die klarste Route, wenn ein Team gegen die neueste Google-Schnittstelle entwickeln möchte und Preview-Lebenszyklus-Risiken akzeptiert.

Verwende einen Supplier-geroutetem Vertrag, wenn ein festes Request-Schema, explizite Resolution- und Duration-Stufen, öffentliche URL-Eingaben und ein gemeinsames asynchrones Task-Muster nützlicher sind als Google Interaction State. Validiere die Route-eigene Preisgestaltung und Media-Beschränkungen, anstatt Googles Einstellungen hineinzukopieren.

Diese Wahl ist unabhängig von der Wahl eines Video-Modells. Wenn die eigentliche Frage ist, ob Veo in einem Production Workflow behalten werden soll, lies den Gemini Omni vs Veo 3.1 Vergleich. Wenn die Entscheidung über Multimodal-Referenz-Kontrolle und Generierungs-Stil ist, deckt der Gemini Omni vs Seedance 2.0 Vergleich diese Such-Intention ab. Diese Seite handelt nur vom Gemini Omni API-Vertrag.

Häufig gestellte Fragen

Ist Gemini Omni API jetzt verfügbar?

Ja. Google hat gemini-omni-flash-preview am 30. Juni 2026 in der bezahlten Gemini Developer API-Stufe veröffentlicht. Es ist eine öffentliche Vorschau, kein Generally Available Production Model.^[2]

Welche Auflösung unterstützt das direkte Gemini Omni API?

Googles Model Card dokumentiert derzeit 720p-Ausgabe bei 24 FPS. Leite keine direkte 1080p- oder 4K-Unterstützung von einer Drittanbieter-Gemini-Omni-Route ab.^[3]

Wie viel kostet Gemini Omni Video?

Google berechnet $17,50 pro 1 Mio. Videoausgabe-Token und berechnet 720p-Video mit 5.792 Token pro Sekunde. Das läuft auf ungefähr $0,10 pro Ausgabesekunde hinaus, vor anderen Input- oder Output-Verbrauch.^[4]

Kann Gemini Omni dasselbe Video mehr als einmal bearbeiten?

Ja. Übergebe die Interaction-ID des vorherigen Versuchs als previous_interaction_id in der nächsten Interactions API-Anfrage. Halte den Speicher aktiviert und persistiere die ID, wenn der Benutzer möglicherweise zu einer anderen Bearbeitung zurückkehrt.^[1]

Akzeptiert Gemini Omni eine Audio-Referenz?

Nicht in der aktuellen direkten API-Vorschau. Es generiert Audio mit Video, aber Googles Limitations-Liste sagt, dass das Hochladen von Audio-Referenzen nicht unterstützt wird.^[1]

Ist gemini-omni die Google Modell-ID?

Nein. Die direkte Google Modell-ID ist gemini-omni-flash-preview. gemini-omni ist der Identifier, der von reAPIs separatem supplier-geroutetem Vertrag verwendet wird.

Quellen

1. Google AI for Developers. Generate and edit videos with Gemini Omni Flash. Updated July 30, 2026. ai.google.dev/gemini-api/docs/omni
2. Google AI for Developers. Gemini API release notes — June 30, 2026. ai.google.dev/gemini-api/docs/changelog
3. Google AI for Developers. Gemini Omni Flash model card. ai.google.dev/gemini-api/docs/models/gemini-omni-flash
4. Google AI for Developers. Gemini Developer API pricing — Gemini Omni Flash Preview. Retrieved July 30, 2026. ai.google.dev/gemini-api/docs/pricing