Créer des vidéos courtes avec gemini-omni-1.1-flash via l'API hiapi

La vidéo courte n'a qu'une exigence inflexible : elle doit être verticale, capter l'attention en une seconde, et elle a généralement besoin de son. La plupart des API de génération vidéo à partir de texte vous obligent à assembler les étapes — générer un clip, ajouter l'audio en post-production, puis recadrer en 9:16. gemini-omni-1.1-flash condense tout cela en un seul appel asynchrone sur hiapi : entrez un prompt, obtenez une vidéo 9:16 complète, avec l'ambiance sonore déjà intégrée à la piste audio.

Ce guide s'appuie sur une vraie vidéo — générée spécialement pour cet article, pas une illustration — pour montrer le workflow complet, puis analyse en détail la tarification, car le modèle de coût de gemini-omni est suffisamment particulier pour devoir changer votre façon de rendre.

La vidéo, du début à la fin

Voici la vidéo 1080p de 8 secondes générée par le modèle à partir d'un seul prompt. Elle se lit directement en ligne — verticale, avec son :

Voici le prompt complet — copiez-le tel quel pour l'exécuter :

Vertical 9:16 cinematic food close-up: a slow ribbon of golden honey drizzles
onto a short stack of warm pancakes, catching soft morning window light as it
pools and slides down the sides. A single pat of butter melts at the top, faint
steam rising. Shallow depth of field, gentle slow push-in, one continuous shot,
warm cozy color grade. Natural ambient sound: the soft drizzle of honey, a quiet
kitchen room tone, distant birdsong. No people, no text, no logos, no watermark.

Cette unique requête a renvoyé un fichier H.264 de 1080×1920, avec une piste audio AAC stéréo — les sons d'ambiance sont générés avec la vidéo, pas superposés après coup. Deux habitudes de prompt font l'essentiel du travail :

• Exiger un plan continu. Un court extrait vidéo se lit comme une seule pulsation ; demander un mouvement de caméra ininterrompu empêche le modèle de créer lui-même des points de coupe que vous ne voulez pas.
• Écrire une ligne de contraintes négatives explicite. No people, no text, no logos, no watermark garde l'image propre, vous laisse ajouter les sous-titres dans votre éditeur, et évite le texte incrusté impossible à retirer ensuite.

Pourquoi il convient particulièrement à la vidéo courte

Trois points correspondent parfaitement aux besoins réels de la vidéo verticale :

• Vertical natif. aspect_ratio: "9:16" est un paramètre d'entrée de premier ordre, vous générez donc directement en vertical, au lieu de recadrer un rendu 16:9 en image avec bandes noires.
• Audio intégré. Chaque vidéo est livrée avec ses sons d'ambiance. Dans la plupart des fils d'actualité où le défilement commence en sourdine, offrir une vraie piste audio aux spectateurs qui activent réellement le son — sans étape séparée de musique ou d'effets — économise une étape de production.
• Un seul ID, tous les modes. Le même ID gemini-omni-1.1-flash accepte aussi des images de référence, des images de début et de fin ou une vidéo source. Vous pouvez ouvrir avec une accroche texte, puis pousser une image fixe de produit ou un montage brut via le même endpoint et la même clé.

L'algorithme de tarif forfaitaire qui devrait changer votre façon de rendre

La plupart des API vidéo facturent à la seconde et augmentent le tarif avec la résolution, si bien que le 1080p coûte sensiblement plus cher que le 480p. Ce n'est pas le cas de gemini-omni. Il facture un prix forfaitaire par vidéo, identique pour toutes les résolutions jusqu'à 1080p — seule la durée de la vidéo change le prix :

Durée de la vidéo	360p / 720p / 1080p	4K
4 secondes	0,45 $	1,05 $
6 secondes	0,60 $	1,20 $
8 secondes	0,75 $	1,35 $
10 secondes	0,90 $	1,50 $

Tarifs vérifiés sur la page de tarification en direct de hiapi, octobre 2026. Fournir une vidéo de référence fait basculer la facturation à un forfait de 1,20 $ par vidéo (jusqu'à 1080p, ou 1,80 $ en 4K), quelle que soit la durée.

La conséquence pratique : rendez chaque brouillon en 1080p. Sur ce modèle, le 1080p coûte exactement le même prix que le 360p, il n'y a donc aucune raison de prévisualiser en basse résolution puis de rendre à nouveau. Pour toute vidéo non 4K, la seule variable qui influence la facture est la durée — la discipline porte donc sur la longueur, pas sur la qualité. Générez par lots des brouillons 8 secondes en 1080p à 0,75 $ pièce, gardez ceux qui fonctionnent, et ne réservez le 4K qu'aux pièces phares que vous publierez réellement.

Un seul appel API

Créer une vidéo consiste d'abord à lancer la tâche avec POST, puis à interroger jusqu'à la fin.

curl -X POST https://api.hiapi.ai/v1/tasks \
  -H "Authorization: Bearer sk-<your-key>" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gemini-omni-1.1-flash",
    "input": {
      "prompt": "<your prompt>",
      "duration": 8,
      "resolution": "1080p",
      "aspect_ratio": "9:16"
    }
  }'

Vous recevez un identifiant de tâche :

{"code":200,"data":{"taskId":"tk-hiapi-01M4MJDW91CEF46R26CJJ5NK5N"},"message":"success"}

Interrogez ensuite GET /v1/tasks/<taskId> jusqu'à ce que status passe de handling → archiving → success. Le corps de réponse final place la vidéo dans output[0].url :

import time, requests

API = "https://api.hiapi.ai/v1"
H = {"Authorization": "Bearer sk-<your-key>", "Content-Type": "application/json"}

def make_clip(prompt, duration=8, resolution="1080p", ratio="9:16"):
    body = {"model": "gemini-omni-1.1-flash",
            "input": {"prompt": prompt, "duration": duration,
                      "resolution": resolution, "aspect_ratio": ratio}}
    tid = requests.post(f"{API}/tasks", headers=H, json=body, timeout=30).json()["data"]["taskId"]
    while True:
        data = requests.get(f"{API}/tasks/{tid}", headers=H, timeout=30).json()["data"]
        if data["status"] == "success":
            return data["output"][0]["url"]
        if data["status"] == "fail":
            raise RuntimeError(data.get("error"))
        time.sleep(6)

url = make_clip("<your prompt>")
open("clip.mp4", "wb").write(requests.get(url, timeout=120).content)

Quatre champs d'entrée sont essentiels : prompt, duration (4, 6, 8 ou 10), resolution (360p, 720p, 1080p ou 4k) et aspect_ratio (16:9 ou 9:16). Avec des valeurs hors de ces plages, l'API rejette la requête avant la mise en file — par exemple, une faute de frappe comme 2160p renvoie invalid input: resolution: value must be one of '360p', '720p', '1080p', '4k', une coquille ne gâche donc jamais une génération vidéo. La référence complète de l'API de tâches se trouve dans la documentation hiapi.

Un point à traiter dans votre code : output[0].url porte un horodatage expireAt et n'est pas un lien permanent. Dès que la tâche signale success, téléchargez le fichier ou poussez-le vers votre propre stockage — ne persistez pas d'URL temporaire.

Produire une série, pas une vidéo isolée

La vidéo courte est un jeu de volume, le vrai workflow est donc le traitement par lots. Chaque vidéo est une tâche indépendante, ce qui rend peu coûteuse la reprise après un plantage en cours d'exécution : prenez le hash du prompt comme clé de chaque tâche, ignorez ce qui est déjà téléchargé, et un redémarrage ne facturera jamais deux fois.

Une boucle qui fonctionne :

• Écrivez 8 à 12 variantes de prompt autour d'un même thème — angles, éclairages et sujets différents — toutes en 8 secondes / 1080p / 9:16.
• Soumettez-les par lots comme tâches indépendantes et interrogez, ou enregistrez un callback pour que les résultats arrivent d'eux-mêmes.
• Passez en revue l'ensemble, gardez les deux ou trois qui accrochent vraiment, puis rendez à nouveau en 4K ou en durée plus longue selon les besoins — à condition que la plateforme de publication le justifie.

Quand une image fixe ou un montage brut est votre vrai point de départ, envoyez-la au même ID gemini-omni-1.1-flash : verrouillez l'apparence du produit avec une image de référence, contrôlez les transitions avec des images de début et de fin, ou redessinez le style à partir d'une vidéo source. La clé et le code d'interrogation restent identiques ; seul l'objet input change.

Comparaison

Le tarif forfaitaire de gemini-omni en fait le moyen le moins cher de produire des vidéos courtes avec audio — 0,75 $ pour 8 secondes en 1080p, sans multiplicateur à la seconde. D'autres modèles sont meilleurs sur des points précis :

• Seedance 2.5 facture à la seconde, plafonne actuellement à 720p, mais s'étend jusqu'à 30 secondes en un seul plan — le choix quand la durée compte plus que la résolution.
• Kling 3.0 superpose une voix synchronisée aux sons d'ambiance et atteint la 4K — préférable pour le contenu parlant ou en synchronisation labiale.
• Veo 3.1 est le choix de l'image-vers-vidéo quand vous voulez animer une image fixe existante plutôt que générer à partir de texte.

Ces quatre modèles tournent avec la même clé hiapi et le même endpoint /v1/tasks, changer ne demande donc qu'une ligne model — choisissez par plan, pas par projet. Vous pouvez les parcourir côte à côte dans le catalogue de modèles.

Questions fréquentes

gemini-omni-1.1-flash inclut-il vraiment l'audio ? Oui. La vidéo de ce guide est revenue en MP4 avec une vraie piste stéréo — les sons d'ambiance sont générés avec la vidéo, pas ajoutés après coup. Vous décrivez le son dans le prompt (comme la ligne Natural ambient sound: ... ci-dessus) de la même manière que l'image.

Quelle est la façon la moins chère de le tester ? Une vidéo de 4 secondes coûte 0,45 $ à toute résolution jusqu'à 1080p. Comme ces trois résolutions ont le même prix, testez en 1080p — aucune raison tarifaire de prévisualiser en basse résolution.

Puis-je aussi faire des vidéos horizontales ? Oui. Réglez aspect_ratio: "16:9" pour l'horizontal ; 9:16 est la valeur par défaut pour la vidéo courte. Le prix est le même dans les deux cas.

Quelle est la durée maximale d'une vidéo ? 4, 6, 8 ou 10 secondes par génération. Pour un montage plus long, générez plusieurs vidéos et assemblez-les, ou utilisez le traitement par référence / images de début et de fin pour maintenir la continuité entre les points de coupe.

L'URL de sortie est-elle permanente ? Non. output[0].url porte un expireAt et doit être considérée comme une livraison à usage unique — téléchargez ou réhébergez immédiatement après que la tâche signale success.

Prêt à essayer ? Récupérez une clé dans la console hiapi, placez votre propre prompt dans l'appel curl ci-dessus, et rendez votre première vidéo verticale en 1080p — que vous choisissiez une prévisualisation en basse résolution ou directement la pleine résolution, le coût reste le même : 0,75 $.