Google 30. junija izlaida Gemini Omni Flash publiski pieejama prieksskatijuma caur Gemini API un Google AI Studio — bez gaidisanas saraksta un bez papildus registracijas. Modelis generē 720p video (24 kadri sekunde) no teksta vai attēliem, piedāvā klipus 3–10 sekunzu diapazona un maksa $0.10 par katru izvades sekundi. Pilngarigs 10 sekunzu klips izmaksa vienu dolaru.
Modeļa identifikators ir gemini-omni-flash-preview; google-genai SDK atbalsts pieejams Python, Node.js un Go. Izvades formāts pec noklusejuma ir 16:9; 9:16 pieejams ar aspect_ratio parametru. Video faili virs 4 MB tiek piegādāti kā URI — tie japollot, kamēr statuss kļūst ACTIVE; mazāki atgriežas base64 formātā.
Interactions API — sesijā balstīta rediģēšana
Tehniskais jauninājums ir previous_interaction_id parametrs, kas ļauj saistīt iesaukumus sesijā. Kad nosūta otro iesaukumu ar šo parametru, modelis zina, ko ģenerēja pirmajā solī, un maina tikai to, ko norādīja — pārējo video atstājot nemainītu. Dokumentācija nosaka, ka viena sesija pieļauj ne vairāk kā trīs secīgus labojumus; pēc tam jāsāk jauna sesija.
Šāda pieeja atšķiras no standarta video ģenerēšanas modeļiem, kas katru iesaukumu apstrādā kā neatkarīgu. Gan Google AI Studio interaktīvā saskarne, gan API atbalsta šo sesiju modeli — tātad to var testēt manuāli, pirms integrē kodā.
res1 = client.interactions.create(model="gemini-omni-flash-preview", input="A woman playing violin outdoors.")res2 = client.interactions.create(model="gemini-omni-flash-preview", previous_interaction_id=res1.id, input="Make the violin invisible.")
Modelis der e-komercijas produktu klipiem, kur katrā solī precizē vienu vizuālu elementu, un daudzsoļu video ražošanas konveijeru automātijai. Pašu lietotāja video var augšupielādēt caur Files API un nodot kā URI rediģēšanai. EEA, Šveicē un Apvienotajā Karalistē augšupielādētu video rediģēšana nav pieejama gadījumos, kad klipā ir nepilngadīgi; ģenerēšanu no teksta vai attēliem šis ierobežojums neskar.
Ko modelis neprot
Priekšskatījumā nav atbalstītas audio atsauces, vairāku video vienlaicīga apstrāde un YouTube saites kā ievades avots. Rakstzīmju konsekvence ainas maiņas vai panoramēšanas laikā ir atzīta vājā vieta — Google to uzskaita dokumentācijā bez ielāpa datuma. Sistēmas instrukcijas, temperatūra, top_p un stop sequences nav pieejamas: Interactions API iegūst kontekstu tikai no sesijas vēstures, ne konfigurācijas parametriem.
Provisioned throughput šajā priekšskatījumā nav pieejams, kas liela apjoma ražošanā var radīt mainīgu atbildes laiku. Angļu valoda ir pilnībā atbalstīta; citas valodas dokumentācijā aprakstītas kā netestētas.
Cenas kontekstā
$0.10 sekundi atbilst Veo 3.1 Fast cenai. Iepriekš video ģenerēšana caur Google API bija pieejama tikai Business un Enterprise klientiem Vertex AI — Omni Flash ir pirmais modelis šajā kategorijā, ko Google atver ar standarta Gemini API atslēgu. Konteksta logs ir 1 048 576 tokeni; bezmaksas kvota Google AI Studio ļauj modeli testēt, kamēr netiek sasniegts dienas limits.
Tajā pašā dienā Google izlaida arī Nano Banana 2 Lite (gemini-3.1-flash-lite-image) — attēlu modelis, kas ģenerē 1000×1000 pikseļu attēlu 4 sekundēs par $0.034. Nano Banana 2 Lite ir paredzēts liela apjoma konveijeriem; Omni Flash — interaktīvai rediģēšanai un mērenā apjoma video ģenerēšanai.
SynthID un satura marķēšana
Visi Gemini Omni Flash ģenerētie video automātiski saņem SynthID ūdenszīmi — neironu tīkla ieaustu marķējumu, ko cilvēka acs neizšķir, bet Google detektors atpazīst. Modelim piemēro arī C2PA Content Credentials, kas pievieno metadatus par ģenerēšanas rīku un laiku. Paralēli Google izlaida AI Content Detection API, kas var identificēt AI ģenerētu saturu un pēc Google norādes aptver visus tā ģeneratīvos rīkus.
Prompt rakstīšanas ieteikumi
Google dokumentācija iesaka teksta iesaukumam pievienot frāzi “in a single continuous shot”, lai samazinātu nevēlamas ainas pārejas. Rediģēšanas instrukcijām der “Keep everything else the same” — modelis tad nemaina pārējo. Laika precīzai norādīšanai strādā taimkoda sintakse: [0-3s], [3-7s]. Nevēlamu elementu novēršanai izmanto negatīvus ierobežojumus — “no dialogue”, “no embellishments”.
Lieliem video (virs 4 MB) dokumentācija iesaka "delivery": "uri" parametru atbildes formātā, kas atgriež Google-hostētu URI base64 bloba vietā. REST galapunkts: POST https://generativelanguage.googleapis.com/v1beta/interactions.
Komentāri
Šim rakstam vēl nav komentāru. Esi pirmais, kurš dalās ar savu viedokli.