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
| Pozycja | Gemini Omni 1.2 Flash |
|---|---|
| Twórca | Google DeepMind |
| ID modelu | gemini-omni-1.2-flash |
| Status | Ogólnie dostępny od 5 listopada 2026 |
| Zadania | Tekst na wideo, obraz na wideo (pierwsza/ostatnia klatka), wideo z referencji, edycja wideo, wydłużanie |
| Długość klipu | 3–15 s z krokiem co sekundę; 3–10 s z pierwszą i ostatnią klatką |
| Rozdzielczość | 360p, 720p, 1080p, 4K (1080p i 4K przez skalowanie w górę) |
| Liczba klatek na sekundę | 24 FPS |
| Proporcje obrazu | 16:9 (domyślnie) lub 9:16 |
| Wideo wejściowe do edycji | Do 15 s |
| Wyjście | Wideo z natywnym dźwiękiem |
| Pochodzenie | Znak wodny SynthID w każdym wideo |
| Język | Angielski 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 Flash | Gemini Omni 1.2 Flash | |
|---|---|---|
| Premiera | 27 sierpnia 2026 | 5 listopada 2026 |
| Długość klipu | 3–10 s | 3–15 s, dowolna pełna liczba sekund |
| Pierwsza i ostatnia klatka | Obsługiwane | 3–10 s |
| Wideo wejściowe do edycji | Do 10 s | Do 15 s |
| Wydłużanie (Gemini API) | Do 10 s wideo wejściowego | 3–10 s na turę, 10 s kontekstu wstecz, łącznie do 30 s |
| Rozliczanie w PoYo | Za generowanie, presety 4 / 6 / 8 / 10 s | Za 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:
| Zadanie | Miara | Omni 1.2 | Omni 1.1 |
|---|---|---|---|
| Wideo z referencji | Ogólna preferencja | 63% | 37% |
| Wideo z referencji | Spójność tożsamości przy wielu referencjach | 63% | 37% |
| Obraz na wideo | Ogólna preferencja | 59% | 41% |
| Obraz na wideo | Spójność tożsamości z referencją | 60% | 40% |
| Tekst na wideo | Spójność wizualna | 62% | 38% |
| Tekst na wideo | Zgodność z promptem | 55% | 45% |
| Edycja | Edycja na podstawie poleceń | 57% | 43% |
| Edycja | Zgodność z poleceniem edycji | 54% | 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.
| Rozdzielczość | Kredyty za sekundę | USD za sekundę |
|---|---|---|
| 360p | 5.46 | $0.0273 |
| 720p | 16.38 | $0.0819 |
| 1080p | 24.58 | $0.1229 |
| 4K | 49.14 | $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 trwania | 360p | 720p | 1080p | 4K |
|---|---|---|---|---|
| 3 s | 16.38 ($0.08) | 49.14 ($0.25) | 73.74 ($0.37) | 147.42 ($0.74) |
| 5 s | 27.30 ($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 s | 54.60 ($0.27) | 163.80 ($0.82) | 245.80 ($1.23) | 491.40 ($2.46) |
| 15 s | 81.90 ($0.41) | 245.70 ($1.23) | 368.70 ($1.84) | 737.10 ($3.69) |
Przykładowe wyliczenia
| Scenariusz | Wyliczenie | Koszt |
|---|---|---|
| Najpierw szkice, potem wersja finalna: 20 szkiców w 360p × 8 s, potem 2 wersje finalne w 1080p × 8 s | 20×43.68 + 2×196.64 | 1 266.88 kredytu ($6.33) |
| Zestaw reklam w 9:16: wersje 6 s, 10 s i 15 s w 720p | (6+10+15)×16.38 | 507.78 kredytu ($2.54) |
| Edycja klipu 12,4 s w 720p (rozliczana jako 13 s) | 13×16.38 | 212.94 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:
| Tryb | Wyślij | Czas trwania | Uwagi |
|---|---|---|---|
| Edycja wideo | video_url + prompt | Zgodny z klipem źródłowym (do 15 s) | Wyślij prompt i opcjonalnie resolution razem z video_url |
| Generowanie z referencji | reference_image_urls i/lub reference_video_urls | 3–15 s | Do 10 obrazów i 3 wideo (każde do 15 s); obrazy i wideo można łączyć |
| Pierwsza/ostatnia klatka | image_urls z 1 lub 2 obrazami | 3–15 s; do 10 s z ostatnią klatką | Jeden obraz wyznacza początek; dwa wyznaczają początek i koniec, w tej kolejności |
| Tekst na wideo | Tylko prompt | 3–15 s | W razie potrzeby dodaj resolution, duration, aspect_ratio |
Wspólne pola:
| Pole | Wartości | Domyślnie |
|---|---|---|
prompt | Wymagane; do 20 000 znaków | — |
duration | Liczba całkowita 3–15 | 8 |
resolution | 360p, 720p, 1080p, 4k | 720p |
aspect_ratio | 16:9, 9:16 | 16:9 |
callback_url | Adres 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:
- 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. - Opisz dźwięk. Omni generuje dźwięk razem z wideo. Napisz, co chcesz usłyszeć: dialog, tło dźwiękowe, efekty lub styl muzyki.
- Wykluczenia formułuj krótko. Google zaleca proste zwroty, takie jak „No dialogue”, aby usunąć niechciane elementy.
- Prompty edycyjne pisz prosto. Podaj jedną zmianę i dodaj „Keep everything else the same”, aby zachować resztę ujęcia.
- Tekst na ekranie zapisz dosłownie. Jeśli ma się pojawić szyld lub podpis, wpisz w prompcie dokładne słowa.
- Pisz „one continuous shot”, gdy tego potrzebujesz. Omni może dodawać cięcia, by klip przypominał krótką historię; jeśli potrzebujesz jednego ujęcia, poproś o nie wprost.
- Pisz prompty po angielsku, aby uzyskać najbardziej przewidywalne wyniki. Google wymienia angielski jako język w pełni obsługiwany.
Wybór czasu trwania i rozdzielczości
| Cel | Zacznij od | Dlaczego |
|---|---|---|
| Eksperymenty z promptem | 360p, 4–6 s | 5.46 kredytu za sekundę, najszybsza informacja zwrotna |
| Klip do social mediów | 720p, 6–10 s, 9:16 | Dobra równowaga jakości i kosztu |
| Wieloujęciowa historia lub reklama | 720p, 15 s | Miejsce na 3–4 momenty z kodami czasowymi w jednym podejściu |
| Kontrolowane przejście | Pierwsza/ostatnia klatka, ≤10 s | Ustala, gdzie ujęcie się zaczyna i kończy |
| Spójność produktu lub postaci | Obrazy referencyjne + 720p | Tożsamość i produkty z osobnych plików |
| Wersja finalna | 1080p lub 4K po akceptacji | Skalowanie w górę wyostrza udane ujęcie; najpierw zatwierdź ruch |
Przejście z 1.1 na 1.2
- ID modelu: zmień
gemini-omni-1.1-flashnagemini-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_urlsdla klatek,reference_image_urlsireference_video_urlsdla referencji orazvideo_urldla 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-flashbędą 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.