Gemini Omni
gemini-omni-audio

O Gemini Omni é o modelo de criação multimodal lançado pelo Google, desenvolvido para criar a partir de diferentes tipos de entrada, começando por vídeo. O Gemini Omni Flash é o primeiro modelo da família Omni, oferecendo suporte a fluxos de trabalho práticos de geração e edição de vídeo, como edições em linguagem natural, criação baseada em referências, transformação de cenas e narrativa visual coerente.

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

Preço acessível: Gemini Omni API para criação de vídeo multimodal

Original image

Um editor de vídeo com IA pode usar a Gemini Omni API para permitir que os usuários transformem gravações existentes usando linguagem simples. Um criador pode enviar um vídeo simples de um quarto e pedir um estúdio futurista, um clipe de rua e pedir um visual cinematográfico chuvoso, ou uma tomada de produto e pedir uma cena de lançamento mais dramática. O valor não está apenas em gerar um novo clipe, mas em oferecer aos usuários uma maneira de revisar gravações reais sem ajustar manualmente linhas do tempo, máscaras, camadas ou efeitos quadro a quadro.

Plataformas de ensino podem usar a Google Gemini Omni API para transformar ideias abstratas em aulas visuais curtas. Um aplicativo de ciências pode gerar um vídeo explicativo em estilo massinha sobre dobramento de proteínas, um produto de treinamento pode ilustrar um fluxo de trabalho complexo ou uma ferramenta educacional pode comparar a computação clássica e a computação quântica por meio de cenas animadas. Esse caso de uso depende de mais do que visuais atraentes: o vídeo precisa conectar objetos, ações e contexto de um jeito que ajude quem assiste a entender o tema.

Ferramentas de marketing e criação podem usar a Gemini Omni Flash API para transformar rapidamente ativos existentes em conceitos de vídeo. A imagem de um produto pode se tornar um teaser de estilo de vida, um elemento visual da marca pode guiar o estilo de um anúncio para redes sociais ou um clipe de referência curto pode moldar o movimento de um vídeo de campanha. Isso é especialmente útil para equipes de e-commerce, agências criativas e ferramentas de redes sociais que precisam de variações rápidas antes de se comprometerem com um fluxo de produção completo.

Um produto de conversão de storyboard em vídeo pode usar a API do Gemini Omni Video para ajudar os usuários a definir a estrutura antes de gerar o clipe final. Um criador pode enviar um rascunho de storyboard, descrever o movimento de câmera, manter um personagem ou objeto consistente entre os planos e aplicar um estilo específico a toda a sequência. Esse caso de uso se adapta a design de conceito, pré-visualização, curtas narrativos e ferramentas de planejamento criativo nas quais a saída precisa seguir um arco visual planejado, em vez de um único prompt isolado.

4.8/ 5
25,215 ratings
Tap a star to rate
  • 01
  • 02
  • 03
  • 04
  • 05
  • 06
  • 07
  • O Gemini Omni é o modelo de criação multimodal do Google, projetado para criar a partir de diferentes tipos de entrada, começando por vídeo. Apresentado no contexto do Google I/O 2026, ele une a capacidade de raciocínio do Gemini a recursos de mídia generativa, permitindo que a criação e a edição de vídeo compreendam melhor cenas, ações, comportamento físico, contexto visual e fluxo narrativo.

    O Gemini Omni Flash é o primeiro modelo da família Gemini Omni, focado em fluxos práticos de geração e edição de vídeo. Ele oferece suporte a edição de vídeo em linguagem natural, controle de entrada multimodal, geração baseada em referências, consistência de personagens e criação de vídeo com noção de mundo, em que ações e ambientes parecem conectados de forma mais lógica.

    Os desenvolvedores podem usar a Gemini Omni API para criar editores de vídeo com IA, geradores de vídeos curtos, ferramentas de explicação visual, criadores de vídeos de campanha, produtos de conversão de storyboard em vídeo, plataformas de automação criativa e aplicações de vídeo multimodais. Ela é especialmente útil para produtos nos quais os usuários precisam gerar, transformar ou refinar vídeos a partir de prompts e referências.

    O Gemini Omni Video é cobrado por vídeo. Sem entrada de vídeo, um clipe de 4, 6, 8 ou 10 segundos custa 63, 84, 105 ou 126 créditos (US$ 0,315, US$ 0,42, US$ 0,525 ou US$ 0,63) em 720p ou 1080p, e 147, 168, 189 ou 210 créditos (US$ 0,735, US$ 0,84, US$ 0,945 ou US$ 1,05) em 4K. Com entrada de vídeo, cada geração custa 168 créditos (US$ 0,84) em 720p ou 1080p e 252 créditos (US$ 1,26) em 4K. Os preços podem ser atualizados; o cartão de preços no topo desta página (selecione um tipo de modelo) mostra sempre a tarifa atual.

    Não. O Kie.ai não tem assinatura nem plano ilimitado: os créditos são cobrados conforme o uso (pay-as-you-go) e nunca expiram, e cada vídeo do Gemini Omni é cobrado individualmente pelas tarifas acima. Por padrão, uma conta pode enviar até 20 novas requisições de geração a cada 10 segundos, o que normalmente permite 100+ tarefas em execução ao mesmo tempo; requisições acima desse limite retornam o código 429 e não entram em fila.

    No Kie.ai, uma requisição para gemini-omni-video recebe um prompt de texto (até 20.000 caracteres) mais referências opcionais: até 7 imagens (cada uma com até 20MB), 1 clipe de vídeo (até 100MB e 30 segundos, cortado para um intervalo de até 10 segundos), até 3 IDs de personagem e até 3 IDs de áudio. Juntos, eles podem usar no máximo 7 espaços: cada imagem conta como 1, o vídeo como 2 e um personagem como 1 (2 se tiver sido criado com uma imagem de corpo). Vozes não são enviadas por upload: um ID de áudio é uma das 30 vozes predefinidas registradas no endpoint do Gemini Omni Audio. A saída tem 4, 6, 8 ou 10 segundos (escolhidos pelo modelo quando um vídeo é fornecido), proporção 16:9 ou 9:16, em 720p (padrão), 1080p ou 4K.

    Crie uma chave na página de chaves de API do Kie.ai (kie.ai/api-key) e envie-a no cabeçalho Authorization: Bearer YOUR_API_KEY. Em seguida, chame POST https://api.kie.ai/api/v1/jobs/createTask com model definido como gemini-omni-video e um input contendo pelo menos prompt e duration. A requisição retorna um taskId: passe uma callBackUrl para ser notificado quando o vídeo for concluído ou falhar, ou consulte periodicamente GET /api/v1/jobs/recordInfo?taskId=…. Vozes e personagens são criados primeiro com POST /api/v1/omni/audio/create e /api/v1/omni/character/create, que retornam os IDs a serem passados em audio_ids e character_ids. Todos os parâmetros estão descritos na documentação da API do Gemini Omni Video.

    Sim. A Gemini Omni API pode ser usada em fluxos de trabalho de edição de vídeo em linguagem natural, nos quais os usuários enviam um clipe existente e descrevem o que deve mudar. Edições comuns incluem alterar o ambiente, substituir objetos, reimaginar uma ação, ajustar a perspectiva da câmera, aplicar um novo estilo ou adicionar efeitos visuais mantendo a coerência da cena.

    Os prompts para a Gemini Omni API devem descrever a direção do vídeo com clareza, incluindo sujeito, ação, movimento de câmera, estilo, iluminação, cenário, referências e requisitos de consistência. Em fluxos de trabalho de edição, é melhor refinar uma alteração por vez em vez de reescrever o prompt inteiro após cada resultado.

    O Kie.ai oferece uma plataforma prática para acessar, testar e implantar a Gemini Omni API em produtos reais. Os desenvolvedores podem usar o Kie.ai para ter preços acessíveis na Gemini Omni API, documentação completa, testes no playground, integração de backend e suporte técnico, facilitando a transição da avaliação para a produção.