Gemini Omni
gemini-omni-audio

Gemini Omni es el modelo de creación multimodal publicado por Google, diseñado para crear a partir de distintos tipos de entrada, empezando por el video. Gemini Omni Flash es el primer modelo de la familia Omni y admite flujos de trabajo prácticos de generación y edición de video, como ediciones en lenguaje natural, creación basada en referencias, transformación de escenas y narrativa visual coherente.

Model Type:
Input
Select a voice

Basic Voice

Input description

Textarea description

0/20000

Input description

Output

No result yet. Click generate to start.

README

Complete guide to using Gemini Omni

Asequible: Gemini Omni API para la creación multimodal de video

Original image

Un editor de video con IA puede usar Gemini Omni API para que los usuarios transformen metraje existente mediante lenguaje natural. Un creador podría subir un video sencillo de una habitación y pedir un estudio futurista, un clip de una calle y pedir un aspecto cinematográfico lluvioso, o la toma de un producto y pedir una escena de lanzamiento más impactante. El valor reside no solo en generar un nuevo clip, sino en ofrecer a los usuarios una forma de modificar metraje real sin ajustar manualmente líneas de tiempo, máscaras, capas o efectos fotograma a fotograma.

Las plataformas de aprendizaje pueden usar Google Gemini Omni API para convertir ideas abstractas en lecciones visuales cortas. Una aplicación científica podría generar una explicación animada en plastilina sobre el plegamiento de proteínas, un producto de formación podría visualizar un flujo de trabajo complejo o una herramienta educativa podría comparar la computación clásica y la cuántica mediante escenas animadas. Este caso de uso exige más que un apartado visual atractivo: el video debe conectar objetos, acciones y contexto de manera que ayude al espectador a comprender el tema.

Las herramientas de marketing y para creadores pueden usar Gemini Omni Flash API para convertir recursos existentes en conceptos rápidos de video. Una imagen de producto puede convertirse en un avance de estilo de vida, un elemento visual de marca puede guiar el estilo de un anuncio para redes sociales o un clip de referencia corto puede definir el movimiento de un video de campaña. Esto resulta especialmente útil para equipos de comercio electrónico, agencias creativas y herramientas de redes sociales que necesitan variaciones rápidas antes de comprometerse con un flujo de trabajo de producción completo.

Un producto que convierte guiones gráficos en videos puede usar Gemini Omni Video API para ayudar a los usuarios a definir la estructura antes de generar el clip final. Un creador puede subir un boceto de guion gráfico, describir el movimiento de cámara, mantener la coherencia de un personaje u objeto entre planos y aplicar un estilo específico a toda la secuencia. Este caso de uso encaja con herramientas de diseño conceptual, previsualización, cortos narrativos y planificación creativa donde el resultado debe seguir un arco visual planificado en lugar de un único prompt aislado.

4.8/ 5
25,215 ratings
Tap a star to rate
  • 01
  • 02
  • 03
  • 04
  • 05
  • 06
  • 07
  • Gemini Omni es el modelo de creación multimodal de Google diseñado para crear a partir de distintos tipos de entrada, empezando por el video. Presentado en el marco de Google I/O 2026, combina la capacidad de razonamiento de Gemini con capacidades de medios generativos, lo que permite que la creación y edición de video comprendan mejor las escenas, las acciones, el comportamiento físico, el contexto visual y el flujo narrativo.

    Gemini Omni Flash es el primer modelo de la familia Gemini Omni, centrado en flujos de trabajo prácticos de generación y edición de video. Puede admitir edición de video en lenguaje natural, control de entradas multimodales, generación basada en referencias, coherencia de personajes y creación de video con comprensión del mundo donde las acciones y los entornos se perciben conectados de forma más lógica.

    Los desarrolladores pueden usar Gemini Omni API para crear editores de video con IA, generadores de videos cortos, herramientas de explicación visual, creadores de videos de campaña, productos que convierten guiones gráficos en videos, plataformas de automatización creativa y aplicaciones de video multimodal. Resulta especialmente útil para productos en los que los usuarios necesitan generar, transformar o refinar videos a partir de prompts y referencias.

    Gemini Omni Video se factura por video. Sin entrada de video, un clip de 4, 6, 8 o 10 segundos cuesta 63, 84, 105 o 126 créditos ($0.315, $0.42, $0.525 o $0.63) en 720p o 1080p, y 147, 168, 189 o 210 créditos ($0.735, $0.84, $0.945 o $1.05) en 4K. Con entrada de video, cada generación cuesta 168 créditos ($0.84) en 720p o 1080p y 252 créditos ($1.26) en 4K. Los precios pueden actualizarse; la tarjeta de precios en la parte superior de esta página (selecciona un tipo de modelo) muestra siempre la tarifa actual.

    No. Kie.ai no tiene suscripción ni plan ilimitado: los créditos son de pago por uso y nunca caducan, y cada video de Gemini Omni se factura por video según las tarifas anteriores. Por defecto, una cuenta puede enviar hasta 20 nuevas solicitudes de generación cada 10 segundos, lo que habitualmente permite más de 100 tareas ejecutándose al mismo tiempo; las solicitudes que superan ese límite devuelven el código 429 y no se ponen en cola.

    En Kie.ai, una solicitud de gemini-omni-video acepta un prompt de texto (de hasta 20 000 caracteres) más referencias opcionales: hasta 7 imágenes (cada una de hasta 20MB), 1 clip de video (de hasta 100MB y 30 segundos, recortado a un rango de hasta 10 segundos), hasta 3 ID de personaje y hasta 3 ID de audio. En conjunto pueden ocupar como máximo 7 espacios: cada imagen cuenta como 1, el video como 2 y un personaje como 1 (2 si se creó con una imagen de cuerpo). Las voces no se suben: un ID de audio corresponde a una de las 30 voces predefinidas registradas en el punto de conexión de Gemini Omni Audio. La salida es de 4, 6, 8 o 10 segundos (elegida por el modelo cuando se proporciona un video), 16:9 o 9:16, a 720p (por defecto), 1080p o 4K.

    Crea una API key en la página de API Keys de Kie.ai (kie.ai/api-key) y envíala en el encabezado Authorization: Bearer YOUR_API_KEY. Luego llama a POST https://api.kie.ai/api/v1/jobs/createTask con model configurado en gemini-omni-video y un objeto input que contenga al menos prompt y duration. La solicitud devuelve un taskId: pasa una callBackUrl para recibir una notificación cuando el video se complete o falle, o consulta periódicamente GET /api/v1/jobs/recordInfo?taskId=…. Las voces y los personajes se crean primero con POST /api/v1/omni/audio/create y /api/v1/omni/character/create, que devuelven los ID que pasas en audio_ids y character_ids. Todos los parámetros se describen en la documentación de Gemini Omni Video API.

    Sí. Gemini Omni API se puede usar en flujos de trabajo de edición de video con lenguaje natural, donde los usuarios suben un clip existente y describen qué debe cambiar. Las ediciones habituales incluyen cambiar el entorno, reemplazar objetos, reimaginar una acción, ajustar la perspectiva de la cámara, aplicar un nuevo estilo o añadir efectos visuales manteniendo la coherencia de la escena.

    Los prompts para Gemini Omni API deben describir con claridad la dirección del video, incluyendo sujeto, acción, movimiento de cámara, estilo, iluminación, ubicación, referencias y requisitos de consistencia. En los flujos de trabajo de edición, es mejor refinar un cambio a la vez en lugar de reescribir todo el prompt tras cada resultado.

    Kie.ai ofrece una plataforma práctica para acceder, probar y desplegar Gemini Omni API en productos reales. Los desarrolladores pueden usar Kie.ai para contar con precios asequibles de Gemini Omni API, documentación completa, pruebas en el playground, integración en el backend y soporte técnico, lo que facilita pasar de la evaluación a la producción.