API Gemini Omni: спецификации, цены и ограничения

Прямой Gemini Omni API от Google доступен как платный публичный предпросмотр с ID модели gemini-omni-flash-preview. Он работает через Gemini Interactions API, генерирует видео от 3 до 10 секунд в 720p с 24 кадрами в секунду, стоит примерно $0.10 за секунду выходного видео. Может создавать видео из текста или изображений, генерировать аудио вместе с видео, и редактировать результат в несколько ходов, передав previous_interaction_id.^[1][2]

Эти спецификации описывают прямой Gemini Developer API от Google. Они не описывают каждый API, у которого в названии есть Gemini Omni. Частности, gemini-omni на reAPI — это контракт маршрутизации поставщика с другой конечной точкой, названием модели, телом запроса, уровнями разрешения и методом выставления счёта. Относись к этим двум как к отдельным интеграциям.

Спецификации Gemini Omni API с одного взгляда

Google добавил модель в публичный предпросмотр 30 июня 2026 года. Заметки о выпуске и карточка модели — самые чистые источники для лимитов выхода: обе указывают видео 720p от 3 до 10 секунд, а карточка модели также уточняет 24 FPS и окно контекста из 1 048 576 токенов.^[2][3]

Правильный ID модели и конечная точка

Прямой ID модели:

gemini-omni-flash-preview

Не сокращай его до gemini-omni в прямом запросе к Google. Этот более короткий идентификатор принадлежит контракту маршрутизации поставщика на reAPI, а не Gemini Developer API.

Google предоставляет Omni через Interactions API вместо старого паттерна долгоживущей генерации видео, используемого Veo. Минимальный REST-запрос выглядит так:

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."
  }'

Прямой REST-ответ возвращает взаимодействие с массивом steps. Генерируемый MP4 появляется как видеоконтент в шаге model_output. Python и JavaScript SDK от Google добавляют удобное поле output_video, поэтому код SDK и прямой парсинг REST не идентичны.^[1]

Для портретного выхода добавь формат ответа:

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

Ландшафтный 16:9 — это значение по умолчанию. Публичный гайд не документирует числовое поле запроса duration как делает маршрут reAPI. Google указывает, что выход попадает в диапазон 3–10 секунд и показывает естественное-языковое время и таймкоды в подсказках, такие как [0-3s], [3-6s] и [6-10s].^[1]

Как работают прямые цены Google

Gemini Omni Flash Preview доступен только на платном уровне. Текущие стандартные цены Google такие:^[4]

Google преобразует видео 720p в выходные токены по 5792 токена в секунду. При $17.50 за миллион токенов это примерно $0.101 за выходную секунду. Грубая оценка видеовыхода:

3-секундный выход  ≈ $0.30
6-секундный выход  ≈ $0.61
10-секундный выход ≈ $1.01

Это оценки только для видеовыходящего компонента, не гарантированные итоговые суммы счёта. Входные медиа, входной текст, текстовый выход и потребление токенов мышления могут добавиться к счёту. Повторы и дополнительные ходы редактирования также являются новыми платными взаимодействиями.

Важное различие состоит в том, что Google не публикует плоскую цену вроде "$X за поколение" для этого предпросмотра. Выставляет счёт на основе потребления токенов. Если третья сторона котирует фиксированную цену за работу длиной 8 или 10 секунд, это контракт продукта той третьей стороны.

Многоходовое редактирование видео через Interactions API

Редактирование с сохранением состояния — это самая мощная причина использовать прямой интерфейс Google. Первый запрос создаёт видео и возвращает ID взаимодействия. Второй запрос указывает на то состояние через 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))

Каждый ход производит новое видео. Модель переносит состояние видео и беседу, поэтому подсказка редактирования может назвать только запрашиваемое изменение. Google рекомендует короткие инструкции редактирования и предлагает добавлять "Keep everything else the same" когда сохранение остальной сцены важно.^[1]

Состояние имеет операционную стоимость. Если ты установишь store: false, результат не сможет быть отредактирован позже через previous_interaction_id. Сохраняй ID взаимодействия рядом с записью актива когда дальнейшие редакции — часть рабочего процесса продукта. Если редактирование не требуется, Google рекомендует background=false, store=false и stream=false для более быстрого синхронного запроса.

Поддержка входных данных и текущие лимиты предпросмотра

Карточка модели указывает текст, изображение и видеовход. Видеовход ограничен 10 секундами при использовании для редактирования, в то время как генерируемый выход остаётся 3–10 секунд в 720p и 24 FPS.^[3]

Гайд поддерживает несколько форм запроса:

• текст в видео;
• видео из изображения-стартера;
• несколько образцов или стилистических ссылок на изображения;
• редактирование ранее созданного результата с сохранением состояния;
• редактирование загруженного видео через Files API.

Этот широкий список нуждается в предостережении на стадии предпросмотра. Текущие ограничения Google указывают что загруженные аудиоссылки не поддерживаются несмотря на то что модель генерирует аудиодорожку с видео. Ссылки на несколько видео не поддерживаются. Расширение видео, интерполяция между первым и последним кадрами и редактирование голоса также недоступны. Общие видеоссылки до трёх секунд могут пройти валидацию схемы API но не обрабатываются моделью правильно в настоящий момент.^[1]

Есть и географические ограничения. Редактирование загруженных видео в настоящий момент недоступно в Европейской экономической зоне, Швейцарии или Соединённом Королевстве хотя пользователи в этих регионах могут редактировать видео сгенерированное самой моделью. Редактирование изображений с участием несовершеннолетних и некоторых узнаваемых людей несёт дополнительные ограничения.

Другие технические лимиты стоит планировать:

• нет пропускной способности по требованию;
• нет системных инструкций, temperature, top_p, последовательностей остановки или выделенного параметра отрицательной подсказки;
• английский язык полностью поддерживается в то время как другие языки формально не оценены;
• фильтры безопасности контента применяются к подсказкам и генерируемым медиа;
• каждое генерируемое видео имеет невидимый водяной знак SynthID;
• большие выходы должны использовать URI-доставку вместо встроенного base64.

Выделенное поле отрицательной подсказки отсутствует но отрицательные инструкции можно писать в обычную подсказку: "No dialogue," "No scene cuts," или "Do not add text."

Google прямой API vs gemini-omni от reAPI

Названия достаточно похожи чтобы вызвать ошибки в реализации. Контракты не являются взаимозаменяемыми:

Маршрут Gemini Omni API документирует маршрут поставщика на reAPI. Принимает подсказку до 2000 символов явные поля длительности и разрешения 16:9 или 9:16 входные данные публичного URL и опрашивание задачи. Его опции 1080p и 4K являются уровнями доставки поставщика; они не доказывают что прямой публичный предпросмотр Google предоставляет эти разрешения.

Здесь эквивалентная минимальная форма на 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"
}

Маршрут возвращает ID задачи который клиент опрашивает пока output.video_urls не станет доступна. Он не возвращает ID взаимодействия Google и не должен рассматриваться как обёртка вокруг прямого Interactions API.

Раскрытие: reAPI публикует эту статью и управляет маршрутизированной конечной точкой reAPI описанной выше. Спецификации и цены прямого-Google в этом гайде поступают из документации Google; детали контракта reAPI поступают из нашего опубликованного справочника API. Различие указано потому что reAPI имеет коммерческий интерес в маршрутизированном продукте.

Какой API выбрать?

Используй прямой предпросмотр Google когда продукту специально нужно редактирование беседы, сохранённая история взаимодействия или прямые отношения выставления счёта Google. Это также самый чистый маршрут когда команде нужно разрабатывать против новейшего интерфейса Google и она принимает риск жизненного цикла предпросмотра.

Используй маршрут через поставщика когда фиксированная схема запроса явные уровни разрешения и длительности входные данные публичного URL и обычный асинхронный паттерн задачи полезнее чем состояние взаимодействия Google. Проверь собственное ценообразование и ограничения медиа маршрута вместо копирования настроек Google в него.

Этот выбор отделён от выбора видеомодели. Если реальный вопрос о том сохранять ли Veo в рабочем процессе production читай сравнение Gemini Omni vs Veo 3.1. Если решение об управлении мультимодальной ссылкой и стиле поколения сравнение Gemini Omni vs Seedance 2.0 охватывает это намерение поиска. Эта страница только о контракте Gemini Omni API.

Часто задаваемые вопросы

Доступен ли Gemini Omni API сейчас?

Да. Google выпустил gemini-omni-flash-preview на платном уровне Gemini Developer API 30 июня 2026 года. Это публичный предпросмотр а не производственная общедоступная модель.^[2]

Какое разрешение поддерживает прямой Gemini Omni API?

Карточка модели Google в настоящий момент документирует видеовыход 720p при 24 FPS. Не делай вывод о поддержке прямого 1080p или 4K третьей стороной Gemini Omni маршрута.^[3]

Сколько стоит видео Gemini Omni?

Google выставляет счёт $17.50 за 1 млн видеовыходных токенов и рассчитывает видео 720p в 5792 токена в секунду. Это примерно $0.10 за выходную секунду до остального входного или выходного потребления.^[4]

Может ли Gemini Omni редактировать одно видео несколько раз?

Да. Передай ID предыдущего взаимодействия как previous_interaction_id в следующем запросе Interactions API. Сохранили хранилище включённым и сохранили ID если пользователь может вернуться для другого редактирования.^[1]

Принимает ли Gemini Omni аудиоссылку?

Нет в текущем прямом API предпросмотре. Генерирует аудио с видео но список ограничений Google указывает что загрузка аудиоссылок не поддерживается.^[1]

gemini-omni это ID модели Google?

Нет. Прямой Google ID модели это gemini-omni-flash-preview. gemini-omni это идентификатор используемый отдельным контрактом маршрутизации поставщика на reAPI.

Источники

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