guides

API Gemini Omni 1.2 Flash: ceny, klipy 15 s i przykłady kodu

Poyo.ai Team
14 min read
Share:

Najważniejsze wnioski

  • Gemini Omni 1.2 Flash (gemini-omni-1.2-flash) to model Google do generowania i edycji wideo, ogólnie dostępny od 5 listopada 2026.
  • Klipy trwają od 3 do 15 sekund z krokiem co sekundę, czyli dłużej niż 10 sekund w Omni 1.1. Klipy z pierwszą i ostatnią klatką trwają od 3 do 10 sekund.
  • Wideo powstaje w 360p, 720p, 1080p lub 4K przy 24 FPS, w proporcjach 16:9 lub 9:16. Google tworzy 1080p i 4K przez skalowanie w górę.
  • W PoYo płacisz za każdą sekundę wyniku: 5,46 kredytu w 360p, 16,38 w 720p, 24,58 w 1080p i 49,14 w 4K ($1 = 200 kredytów), z kredytów pay-as-you-go, bez subskrypcji.
  • Jedno ID modelu obsługuje cztery tryby. Tekst na wideo, pierwszą/ostatnią klatkę, obrazy i wideo referencyjne albo edycję wideo wybierasz po prostu tym, jakie pola wyślesz.
  • Jeden klucz API i prosty przebieg. Zgłaszasz zadanie, a potem odpytujesz jego status lub odbierasz webhook — tak samo jak przy każdym innym modelu obrazu i wideo w PoYo.

Gemini Omni 1.2 Flash w skrócie

PozycjaGemini Omni 1.2 Flash
TwórcaGoogle DeepMind
ID modelugemini-omni-1.2-flash
StatusOgólnie dostępny od 5 listopada 2026
ZadaniaTekst na wideo, obraz na wideo (pierwsza/ostatnia klatka), wideo z referencji, edycja wideo, wydłużanie
Długość klipu3–15 s z krokiem co sekundę; 3–10 s z pierwszą i ostatnią klatką
Rozdzielczość360p, 720p, 1080p, 4K (1080p i 4K przez skalowanie w górę)
Liczba klatek na sekundę24 FPS
Proporcje obrazu16:9 (domyślnie) lub 9:16
Wideo wejściowe do edycjiDo 15 s
WyjścieWideo z natywnym dźwiękiem
PochodzenieZnak wodny SynthID w każdym wideo
JęzykAngielski w pełni obsługiwany

Ten przewodnik skupia się na tym, co zmienia wersja 1.2 i jak ją wywołać. Model 1.1, jego progi cenowe o stałej cenie i migrację z wersji preview opisuje nasz przewodnik po API Gemini Omni 1.1 Flash.

Co zmieniło się względem Gemini Omni 1.1 Flash

Gemini Omni 1.1 FlashGemini Omni 1.2 Flash
Premiera27 sierpnia 20265 listopada 2026
Długość klipu3–10 s3–15 s, dowolna pełna liczba sekund
Pierwsza i ostatnia klatkaObsługiwane3–10 s
Wideo wejściowe do edycjiDo 10 sDo 15 s
Wydłużanie (Gemini API)Do 10 s wideo wejściowego3–10 s na turę, 10 s kontekstu wstecz, łącznie do 30 s
Rozliczanie w PoYoZa generowanie, presety 4 / 6 / 8 / 10 sZa sekundę wyniku, 3–15 s

Google podaje też lepsze trzymanie się referencji, większą spójność i lepszą edycję wieloturową, a do tego bardziej naturalną mowę, wyraźniejszą synchronizację ruchu ust i warunkowanie wielu mówców. Na wykresie porównawczym, który Google opublikowało dla Omni 1.2 Flash, oceniający wybierali 1.2 zamiast 1.1 w każdej pokazanej kategorii:

ZadanieMiaraOmni 1.2Omni 1.1
Wideo z referencjiOgólna preferencja63%37%
Wideo z referencjiSpójność tożsamości przy wielu referencjach63%37%
Obraz na wideoOgólna preferencja59%41%
Obraz na wideoSpójność tożsamości z referencją60%40%
Tekst na wideoSpójność wizualna62%38%
Tekst na wideoZgodność z promptem55%45%
EdycjaEdycja na podstawie poleceń57%43%
EdycjaZgodność z poleceniem edycji54%46%

Google zaznacza, że szybka akcja sportowa, gwałtowne zmiany scenariusza i złożona fizyka to obszary, nad którymi wciąż aktywnie pracuje, więc takie ujęcia przetestuj, zanim zaczniesz je skalować.

Ceny Gemini Omni 1.2 Flash w PoYo

PoYo rozlicza Omni 1.2 Flash za każdą sekundę wyniku z kredytów pay-as-you-go, bez subskrypcji. Obrazy i wideo referencyjne są wliczone w stawkę za sekundę.

RozdzielczośćKredyty za sekundęUSD za sekundę
360p5.46$0.0273
720p16.38$0.0819
1080p24.58$0.1229
4K49.14$0.2457

Przy generowaniu rozliczany jest wybrany duration. Przy edycji wideo rozliczana jest długość wideo źródłowego, zaokrąglona w górę do pełnych sekund.

Koszt jednego klipu

Kredyty za klip, z kwotą w USD zaokrągloną do centa:

Czas trwania360p720p1080p4K
3 s16.38 ($0.08)49.14 ($0.25)73.74 ($0.37)147.42 ($0.74)
5 s27.30 ($0.14)81.90 ($0.41)122.90 ($0.61)245.70 ($1.23)
8 s (domyślnie)43.68 ($0.22)131.04 ($0.66)196.64 ($0.98)393.12 ($1.97)
10 s54.60 ($0.27)163.80 ($0.82)245.80 ($1.23)491.40 ($2.46)
15 s81.90 ($0.41)245.70 ($1.23)368.70 ($1.84)737.10 ($3.69)

Przykładowe wyliczenia

ScenariuszWyliczenieKoszt
Najpierw szkice, potem wersja finalna: 20 szkiców w 360p × 8 s, potem 2 wersje finalne w 1080p × 8 s20×43.68 + 2×196.641 266.88 kredytu ($6.33)
Zestaw reklam w 9:16: wersje 6 s, 10 s i 15 s w 720p(6+10+15)×16.38507.78 kredytu ($2.54)
Edycja klipu 12,4 s w 720p (rozliczana jako 13 s)13×16.38212.94 kredytu ($1.06)

Pierwszy wiersz to schemat, który pozwala zaoszczędzić najwięcej: dopracuj prompt, timing i ruch w 360p, gdzie szkic kosztuje jedną trzecią ceny 720p, a za 1080p lub 4K płać tylko przy ujęciach, które zostawiasz. Darmowe i abonamentowe możliwości samego Google, takie jak Google Vids, Flow i aplikacja Gemini, opisuje artykuł Czy Gemini Omni jest darmowy?

Dlaczego warto wywoływać Gemini Omni 1.2 Flash przez PoYo

  • Jeden klucz API do wszystkich modeli. Omni 1.2 Flash jest dostępny obok innych modeli wideo, obrazu i języka w PoYo, więc możesz zmieniać i łączyć modele bez zakładania nowych kont.
  • Kredyty pay-as-you-go. Kupujesz kredyty po kursie $1 = 200 kredytów i płacisz za sekundę wyniku, bez subskrypcji i planu miesięcznego.
  • Wszystkie cztery tryby pod jednym ID modelu. Tekst na wideo, pierwsza/ostatnia klatka, referencje i edycja korzystają z gemini-omni-1.2-flash.
  • Proste asynchroniczne API. Jeden endpoint do zgłaszania zadań, jeden do sprawdzania statusu i opcjonalne webhooki, tak samo dla każdego modelu.
  • Najpierw Playground. Testuj prompty, klatki, referencje i edycje w przeglądarce z bieżącym szacunkiem kredytów, a potem skopiuj dokładne żądanie JSON.

Cztery tryby wejścia, jedno ID modelu

PoYo wybiera tryb na podstawie pól w każdym żądaniu i sprawdza je w tej kolejności:

TrybWyślijCzas trwaniaUwagi
Edycja wideovideo_url + promptZgodny z klipem źródłowym (do 15 s)Wyślij prompt i opcjonalnie resolution razem z video_url
Generowanie z referencjireference_image_urls i/lub reference_video_urls3–15 sDo 10 obrazów i 3 wideo (każde do 15 s); obrazy i wideo można łączyć
Pierwsza/ostatnia klatkaimage_urls z 1 lub 2 obrazami3–15 s; do 10 s z ostatnią klatkąJeden obraz wyznacza początek; dwa wyznaczają początek i koniec, w tej kolejności
Tekst na wideoTylko prompt3–15 sW razie potrzeby dodaj resolution, duration, aspect_ratio

Wspólne pola:

PoleWartościDomyślnie
promptWymagane; do 20 000 znaków—
durationLiczba całkowita 3–158
resolution360p, 720p, 1080p, 4k720p
aspect_ratio16:9, 9:1616:9
callback_urlAdres URL twojego webhooka—

Wszystkie adresy URL mediów to publiczne linki HTTP lub HTTPS. image_urls wysyłaj samodzielnie, a dwa pola referencyjne razem albo pojedynczo. Edytowane klipy zachowują kadrowanie wideo źródłowego.

Jak wywołać API Gemini Omni 1.2 Flash w PoYo

Przebieg jest asynchroniczny: zgłaszasz zadanie, otrzymujesz task_id, a potem odpytujesz endpoint statusu lub czekasz na webhook.

1. Zgłoś zadanie

curl -X POST https://api.poyo.ai/api/generate/submit \
  -H "Authorization: Bearer $POYO_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gemini-omni-1.2-flash",
    "callback_url": "https://your-domain.com/callback",
    "input": {
      "prompt": "[0-4s] Wide shot of a lighthouse on a cliff at dusk, waves crashing below. [4-9s] The camera pushes in as the lamp turns on and sweeps across the sea. [9-12s] Close-up of the keeper closing a logbook. Wind and distant gulls, no dialogue.",
      "duration": 12,
      "resolution": "720p",
      "aspect_ratio": "16:9"
    }
  }'

Odpowiedź zwraca ID zadania:

{
  "code": 200,
  "message": "success",
  "data": {
    "task_id": "task-unified-1757165031-uyujaw3d",
    "status": "not_started",
    "created_time": "2026-11-14T10:30:00"
  }
}

Zawsze sprawdzaj code w treści odpowiedzi: część błędów walidacji zwraca HTTP 200 z "code": 400.

2. Odpytuj status zadania

curl https://api.poyo.ai/api/generate/status/task-unified-1757165031-uyujaw3d \
  -H "Authorization: Bearer $POYO_API_KEY"

data.status przechodzi przez not_started i running, a następnie finished lub failed. Ukończone zadanie zwraca adres URL wideo i naliczone kredyty:

{
  "code": 200,
  "data": {
    "task_id": "task-unified-1757165031-uyujaw3d",
    "status": "finished",
    "credits_amount": 196.56,
    "files": [
      {
        "file_url": "https://storage.poyo.ai/generated/video-abc123.mp4",
        "file_type": "video"
      }
    ],
    "created_time": "2026-11-14T10:30:00",
    "progress": 100,
    "error_message": null
  }
}

Dwunastosekundowy klip w 720p to 12×16.38 = 196,56 kredytu.

3. Pełny przykład w Pythonie

import os
import time
import requests

BASE = "https://api.poyo.ai"
HEADERS = {
    "Authorization": f"Bearer {os.environ['POYO_API_KEY']}",
    "Content-Type": "application/json",
}

body = {
    "model": "gemini-omni-1.2-flash",
    "input": {
        "prompt": "A ceramic mug of coffee on a sunlit wooden table. Steam rises as the camera slowly orbits. Soft cafe ambience, no dialogue.",
        "duration": 6,
        "resolution": "360p",
        "aspect_ratio": "9:16",
    },
}

submit = requests.post(f"{BASE}/api/generate/submit", json=body, headers=HEADERS, timeout=30).json()
if submit.get("code") != 200:
    raise RuntimeError(submit)
task_id = submit["data"]["task_id"]

while True:
    status = requests.get(f"{BASE}/api/generate/status/{task_id}", headers=HEADERS, timeout=30).json()["data"]
    if status["status"] == "finished":
        print(status["files"][0]["file_url"], status["credits_amount"])
        break
    if status["status"] == "failed":
        raise RuntimeError(status.get("error_message"))
    time.sleep(10)

Ten sześciosekundowy szkic w 360p kosztuje 32,76 kredytu. Gdy ujęcie działa, wyślij ten sam prompt ponownie z 1080p lub 4k.

Treść żądań w pozostałych trybach

Pierwsza i ostatnia klatka (dwa obrazy, więc duration pozostaje na poziomie 10 lub niższym):

{
  "model": "gemini-omni-1.2-flash",
  "input": {
    "prompt": "One continuous camera move from the shop exterior through the door to the diner at the counter. Keep the signage and the character unchanged.",
    "image_urls": [
      "https://example.com/first-frame.webp",
      "https://example.com/last-frame.webp"
    ],
    "duration": 8,
    "resolution": "1080p",
    "aspect_ratio": "16:9"
  }
}

Pierwsza klatka z fasadą miniaturowej restauracji z ramenem i ostatnia klatka z gościem przy ladzie, połączone jednym płynnym najazdem kamery w Gemini Omni 1.2 Flash.

Obrazy i wideo referencyjne:

{
  "model": "gemini-omni-1.2-flash",
  "input": {
    "prompt": "The woman from the first image walks toward the camera wearing the jacket from the second image, matching the walking rhythm of the reference video.",
    "reference_image_urls": [
      "https://example.com/model.webp",
      "https://example.com/jacket.webp"
    ],
    "reference_video_urls": ["https://example.com/walk.mp4"],
    "duration": 10,
    "resolution": "720p",
    "aspect_ratio": "9:16"
  }
}

Jedno zdjęcie modelki oraz ujęcia każdego stroju z przodu i z tyłu, zamienione w 15-sekundową sekwencję wirtualnej przymierzalni z tą samą osobą.

Edycja wideo (wyślij prompt, video_url i opcjonalnie resolution; długość i kadrowanie są zgodne ze źródłem):

{
  "model": "gemini-omni-1.2-flash",
  "input": {
    "prompt": "Change the season to winter with light snowfall. Keep everything else the same.",
    "video_url": "https://example.com/source.mp4",
    "resolution": "720p"
  }
}

Aby dopracować edycję, wyślij zwrócone wideo jako kolejny video_url z nowym poleceniem.

Jeden klip z rycerzem i królową, edytowany tura po turze: z dębowego lasu do stajni, na jarmark i do kamiennego zamku, przy zachowaniu postaci i kadru.

Wskazówki do promptów dla Gemini Omni 1.2 Flash

W 15-sekundowym klipie mieści się kilka ujęć w jednym podejściu, jak w tym czteroujęciowym makrofilmie objaśniającym nakręconym we wnętrzu ula:

15-sekundowy, czteroujęciowy makrofilm objaśniający we wnętrzu ula z animowanymi podpisami, wygenerowany w Gemini Omni 1.2 Flash.

Wskazówki Google dotyczące promptów, zastosowane do dłuższych klipów 1.2:

  1. W 15-sekundowych klipach używaj kodów czasowych. Zapis taki jak [0-4s], [4-9s] pozwala umieścić w jednym klipie kilka momentów lub ujęć i kontrolować, kiedy każde z nich następuje.
  2. Opisz dźwięk. Omni generuje dźwięk razem z wideo. Napisz, co chcesz usłyszeć: dialog, tło dźwiękowe, efekty lub styl muzyki.
  3. Wykluczenia formułuj krótko. Google zaleca proste zwroty, takie jak „No dialogue”, aby usunąć niechciane elementy.
  4. Prompty edycyjne pisz prosto. Podaj jedną zmianę i dodaj „Keep everything else the same”, aby zachować resztę ujęcia.
  5. Tekst na ekranie zapisz dosłownie. Jeśli ma się pojawić szyld lub podpis, wpisz w prompcie dokładne słowa.
  6. Pisz „one continuous shot”, gdy tego potrzebujesz. Omni może dodawać cięcia, by klip przypominał krótką historię; jeśli potrzebujesz jednego ujęcia, poproś o nie wprost.
  7. Pisz prompty po angielsku, aby uzyskać najbardziej przewidywalne wyniki. Google wymienia angielski jako język w pełni obsługiwany.

Wybór czasu trwania i rozdzielczości

CelZacznij odDlaczego
Eksperymenty z promptem360p, 4–6 s5.46 kredytu za sekundę, najszybsza informacja zwrotna
Klip do social mediów720p, 6–10 s, 9:16Dobra równowaga jakości i kosztu
Wieloujęciowa historia lub reklama720p, 15 sMiejsce na 3–4 momenty z kodami czasowymi w jednym podejściu
Kontrolowane przejściePierwsza/ostatnia klatka, ≤10 sUstala, gdzie ujęcie się zaczyna i kończy
Spójność produktu lub postaciObrazy referencyjne + 720pTożsamość i produkty z osobnych plików
Wersja finalna1080p lub 4K po akceptacjiSkalowanie w górę wyostrza udane ujęcie; najpierw zatwierdź ruch

Przejście z 1.1 na 1.2

  • ID modelu: zmień gemini-omni-1.1-flash na gemini-omni-1.2-flash.
  • Czas trwania: 1.1 w PoYo przyjmuje 4, 6, 8 lub 10 sekund; 1.2 przyjmuje dowolną pełną liczbę sekund od 3 do 15, domyślnie 8.
  • Nazwy pól: porównaj swoje żądanie z polami 1.2: image_urls dla klatek, reference_image_urls i reference_video_urls dla referencji oraz video_url dla edycji.
  • Budżet: 1.1 w PoYo jest rozliczany według stałej ceny za generowanie, a 1.2 za sekundę, więc klip 3-sekundowy kosztuje mniej niż 8-sekundowy.
  • Harmonogram: Google zapowiedziało, że od 3 grudnia 2026 żądania Gemini API do gemini-omni-1.1-flash będą obsługiwane przez 1.2, więc to na wersji 1.2 warto budować.

Oba identyfikatory modeli są dostępne w PoYo. Zanim przełączysz ruch produkcyjny, powtórz na 1.2 niewielki zestaw testów regresji (twarze, produkty, szybki ruch, tekst na ekranie, dialog) i porównuj koszt zatwierdzonego klipu zamiast kosztu żądania.

Najczęstsze pytania

Czym jest Gemini Omni 1.2 Flash?

To multimodalny model wideo Google do generowania i edycji krótkich klipów z natywnym dźwiękiem. Przyjmuje tekst, obrazy i wideo, a tworzy wideo o długości od 3 do 15 sekund w rozdzielczości do 4K. Google udostępniło go ogólnie 5 listopada 2026.

Czy istnieje API Gemini Omni Flash?

Tak. Google oferuje gemini-omni-1.2-flash przez Gemini API i Google Cloud. W PoYo wywołujesz ten sam model przez POST https://api.poyo.ai/api/generate/submit z "model": "gemini-omni-1.2-flash", a wynik odczytujesz z GET /api/generate/status/<task_id>.

Ile kosztuje API Gemini Omni 1.2 Flash?

W PoYo kosztuje 5,46 kredytu za sekundę w 360p, 16,38 w 720p, 24,58 w 1080p i 49,14 w 4K, więc 8-sekundowy klip w 720p to 131,04 kredytu ($0.66). Płacisz z kredytów pay-as-you-go, bez subskrypcji.

Jak długie mogą być wideo z Gemini Omni 1.2 Flash?

Dowolna pełna liczba sekund od 3 do 15. Z pierwszą i ostatnią klatką limit wynosi 10 sekund. Edytowane wideo ma długość klipu źródłowego, do 15 sekund.

Czym różni się Gemini Omni 1.1 Flash od 1.2 Flash?

1.2 wydłuża klipy z 10 do 15 sekund, edytuje wideo źródłowe o długości do 15 sekund, w PoYo jest rozliczany za sekundę i prowadził z 1.1 w każdej kategorii opublikowanego przez Google wykresu porównawczego, w tym z 63% ogólnej preferencji w trybie wideo z referencji.

Czy Gemini Omni 1.2 Flash obsługuje 4K?

Tak. Możesz zamówić 360p, 720p, 1080p lub 4K. Google tworzy 1080p i 4K przez skalowanie w górę, więc najpierw sprawdź ruch i detale w niższej rozdzielczości.

Czy API Gemini Omni 1.2 Flash jest darmowe?

API działa w modelu pay-as-you-go: Google oferuje Omni 1.2 Flash w płatnym planie Gemini API, a w PoYo płacisz za sekundę z kredytów. Jeśli chcesz wypróbować Omni bez kosztów, Google udostępnia taką możliwość we własnych aplikacjach, np. w Google Vids i w ramach dziennych kredytów Flow; nasz przewodnik Czy Gemini Omni jest darmowy? porównuje wszystkie te opcje.

Wypróbuj Gemini Omni 1.2 Flash w PoYo

Otwórz stronę modelu Gemini Omni 1.2 Flash, aby testować prompty, klatki, referencje i edycje w Playground z bieżącym szacunkiem kredytów, a potem skopiuj żądanie JSON do swojego kodu. Jeśli twój pipeline nadal korzysta ze stałych progów 4–10 sekund, dostępna jest też strona modelu Gemini Omni 1.1 Flash. Inne modele wideo znajdziesz w zestawieniu najlepszych generatorów wideo AI 2026.

Share: