Gemini Omni 1.1 Flashは、Googleが正式提供するGemini Omni APIのマルチモーダル動画モデルです。動画生成、自然言語による編集、フレーム補間、動画延長に対応します。APIMartでは専用の公式チャネルを通じて提供し、非同期タスク追跡と解像度別課金を利用できます。Omni Flash API 経由の Gemini Omni Flash は出力解像度ごとに課金され、各ティアの最新の Google Omni 料金は本ページのリアルタイム料金表で確認できます。
Prefer automatic inference unless the intended behavior is ambiguous.
RUNは10秒分の出力見積額です。最終料金は実際のトークン使用量で精算します。
Video link valid for 72 hours
隠れた費用のない透明な料金体系。使った分だけお支払い。
| モデル | プラン | ゴールド価格現在の価格 | プラチナ価格 | ダイヤモンド価格 | 公式価格 | 割引率 |
|---|---|---|---|---|---|---|
gemini-omni-1.1-flash | 360P | 0.296Credits(~$0.0296)/秒 | 0.2812Credits(~$0.0281)/秒 | 0.2664Credits(~$0.0266)/秒 | 0.37Credits(~$0.037)/秒 | 20% |
| 720P | 0.88Credits(~$0.088)/秒 | 0.836Credits(~$0.0836)/秒 | 0.792Credits(~$0.0792)/秒 | 1.1Credits(~$0.11)/秒 | 20% | |
| 1080P | 1.32Credits(~$0.132)/秒 | 1.254Credits(~$0.1254)/秒 | 1.188Credits(~$0.1188)/秒 | 1.65Credits(~$0.165)/秒 | 20% | |
| 4K | 2.64Credits(~$0.264)/秒 | 2.508Credits(~$0.2508)/秒 | 2.376Credits(~$0.2376)/秒 | 3.3Credits(~$0.33)/秒 | 20% |
* 実際の費用は最終出力に基づきます。
gemini-omni-1.1-flash
隠れた費用のない透明な料金体系。使った分だけお支払い。
100万トークンあたり
| 料金項目 | ゴールド価格現在の価格 | プラチナ価格 | ダイヤモンド価格 |
|---|---|---|---|
| 入力 | 12~$1.2 | 11.4~$1.14 | 10.8~$1.08 |
| 出力 | 140~$14 | 133~$13.3 | 126~$12.6 |
テキストからの生成、参照画像のアニメーション、開始・終了フレーム間の補間、既存動画の編集に対応。360p、720p、1080p、4Kを選び、APIMartの非同期タスクで処理を管理できます。
50K+
アクティブユーザー
99.9%
稼働率
2x
高速化
—
コスト削減
APIMart ブログのガイド、比較、料金分析。
生成、補間、編集、延長ワークフローで利用できる正式な仕様
正式に対応している入力方式を使い、制作と業務処理を細かく制御
キーを作成し、正しい非同期リクエストを送信して完成動画を取得
APIMartにログインしてAPIキーを作成し、AuthorizationヘッダーのBearerトークンとして送信します。キーはサーバー側で保管し、公開クライアントコードには含めないでください。
modelをgemini-omni-1.1-flashに設定し、promptまたは対応する画像・動画素材を1つ以上指定します。省略時はresolutionが720p、aspect_ratioが16:9になります。
生成リクエストを送信し、返されたtask_idを完了まで照会します。動画URLはresult.videos[0].urlから取得し、長期保存する結果はダウンロードしてください。
APIMartで利用できる入力、パラメータ、制限、課金、タスク処理
Googleが正式提供するマルチモーダル動画モデルで、テキスト動画生成、画像動画化、開始・終了フレーム補間、動画編集、対話形式の延長に対応します。APIMartでは専用モデルID gemini-omni-1.1-flashを統一動画APIで使用します。
APIMartのGemini Omni APIは、統一動画APIを通じてGoogleのGemini Omni動画モデルを利用できるAPIです。Gemini Omni 1.1 Flash(モデルID gemini-omni-1.1-flash)は正式提供モデルで、テキスト、最大10枚の画像、または1本の動画を入力でき、最大4Kで出力します。Gemini Omni Flash PreviewとGemini Omni 1.1 Flash Extも別モデルとして利用できます。
model、prompt、resolution、aspect_ratio、image_urls、first_frame_image、last_frame_image、image_with_roles、video_urls、metadata.task、extend_from_task_idに対応します。promptまたは画像・動画素材のいずれかが必要です。
指定できません。生成動画は約3〜10秒ですが、このAPIにdurationパラメータはありません。出力は24fpsで、生成音声を含みます。
画像動画化にはfirst_frame_imageだけを、補間にはfirst_frame_imageとlast_frame_imageを一緒に送信します。last_frame_imageだけを送ると400 invalid_frame_imagesになります。2枚の比率は同じにし、aspect_ratioと合わせてください。
開始・終了フレームを含めて画像は合計10枚まで、参照または編集用動画は10秒以内の1本までです。公開HTTP(S) URLと対応するbase64データURLを利用できます。音声入力とYouTubeリンクには対応していません。
POST /v1/videos/generationsに送信してtask_idを保存し、GET /v1/tasks/{task_id}を5〜10秒間隔で照会します。4Kや動画入力は時間がかかるため、クライアントのタイムアウトは最大10分を見込んでください。
直接編集ではvideo_urlsに動画1本と簡潔な指示を渡します。以前の結果を再アップロードせず続ける場合は、extend_from_task_idに成功済みのAPIMartタスクIDを指定します。そのタスクは現在のユーザーが所有するOmniモデルの結果である必要があります。
解像度によって1秒あたりの出力見積額が決まり、該当する料金帯の元の価格に実際の割引を適用して計算します。RUNは10秒分の出力を見積もり、最終料金は実際のトークン使用量で精算します。失敗したタスクは課金されず、事前確保する残高が不足している場合はHTTP 402が返されます。
system prompt、temperature、negative prompt専用フィールド、音声入力、durationパラメータには対応していません。除外条件や音声の指示はpromptに直接記述してください。
APIMart に登録し、ダッシュボードの API Keys ページでキーを作成します。同じキーで Google Gemini Omni 1.1 Flash API を含むプラットフォーム上のすべてのモデルを呼び出せます。従量課金制で、サブスクリプションは不要です。
ページ右下のライブチャット、[email protected] へのメール、またはDiscordコミュニティからお問い合わせいただけます。チームができるだけ早くご対応いたします。
同じカテゴリの他のモデルを探す。

MiniMax H3 Max
MiniMax H3 Max generates video from text and images at 480P, 768P or 1080P with 5–15 second clips, first/last frames, multimodal references and synced audio.

Grok Imagine Video
Grok Imagine Video 1.5 is xAI's official video model for text-to-video and image-to-video, animating still images from reference image URLs with high visual fidelity.

Wan 3.0 Video
Wan 3.0 is Alibaba's all-in-one video model for text-to-video, first-frame, first-and-last-frame and multimodal reference generation. It accepts image, video, audio and document references and outputs 2–30 second videos at 480P, 720P or 1080P.

Seedance 2.5
Seedance 2.5 is ByteDance's audio-video model for text-to-video, multimodal reference, editing, extension and first-last-frame control. Generate up to 30 seconds in one job with up to 30 images, 10 videos and 10 audio clips as references, at up to 1080p.