Guide d'intégration de Gemini Omni 1.2 Flash : modes d'entrée, paramètres et facturation selon les spécifications

Modèle et limites de capacité

HiAPI expose actuellement gemini-omni-1.2-flash pour la génération de vidéo. Il prend en charge la génération de vidéo à partir de texte, la génération de vidéo à partir d'une image de première image, la transition entre première et dernière image et la génération de vidéo à partir d'images de référence. L'édition vidéo, le prolongement, les entrées vidéo ou audio ne sont pas disponibles, et le paramètre seed n'est pas proposé.

Les tâches sont soumises de manière unifiée via POST /v1/tasks ; le corps de la requête utilise la structure {"model":"gemini-omni-1.2-flash","input":{...},"storage":"temp"}.

Modes d'entrée et règles d'exclusion mutuelle

Choisissez le mode selon les ressources :

• Génération de vidéo à partir de texte : transmettez uniquement prompt, sans aucun champ d'image.
• Génération de vidéo à partir d'une image de première image : transmettez prompt et first_frame_url, en utilisant une image publique pour spécifier l'image de départ.
• Transition entre première et dernière image : transmettez simultanément first_frame_url et last_frame_url ; last_frame_url dépend de first_frame_url, ce mode dure au maximum 10 secondes et ne peut pas inclure negative_prompt ou system_prompt.
• Génération de vidéo à partir d'images de référence : transmettez prompt et image_urls, en utilisant 1 à 10 images de référence HTTP(S) publiques pour contraindre le style ou le sujet. Lorsqu'une seule image_urls est transmise, il s'agit toujours d'une image de référence, et non d'une première image.

image_urls est mutuellement exclusif avec first_frame_url et last_frame_url ; ils ne peuvent pas être mélangés dans une même requête. Tous les paramètres d'image n'acceptent que des URL HTTP(S) publiques ; le Base64 n'est pas pris en charge.

Paramètres et valeurs par défaut

Ne présumez pas que chaque mode inclut du son, une synchronisation labiale, une exactitude du texte ou une identité parfaite du sujet/de la marque ; ces éléments ne sont pas garantis.

Deux requêtes POST /v1/tasks copiables

La clé API utilisée lors de l'appel n'est représentée que par le placeholder YOUR_API_KEY ; aucune vraie clé n'est écrite. Les deux requêtes utilisent storage: "temp".

Génération de vidéo à partir de texte, 3 secondes en 360p

{
  "model": "gemini-omni-1.2-flash",
  "input": {
    "prompt": "Un avion en papier blanc décolle de la table, frôle le verre bleu, la caméra le suit lentement",
    "duration": 3,
    "resolution": "360p",
    "aspect_ratio": "16:9"
  },
  "storage": "temp"
}

Génération de vidéo à partir d'une image de première image, 10 secondes en 720p

L'adresse https://example.com/first-frame.png dans l'exemple est un placeholder ; elle doit être remplacée par une véritable image accessible publiquement avant l'appel ; ce n'est pas une entrée mesurée.

{
  "model": "gemini-omni-1.2-flash",
  "input": {
    "prompt": "Le bâtiment à l'image passe du matin au crépuscule, la lumière se déplace lentement, la caméra avance légèrement",
    "first_frame_url": "https://example.com/first-frame.png",
    "duration": 10,
    "resolution": "720p",
    "aspect_ratio": "16:9"
  },
  "storage": "temp"
}

N'ajoutez pas image_urls à une requête de génération de vidéo à partir d'une image de première image ; les deux sont mutuellement exclusifs.

Soumission, interrogation et nouvelle tentative

Après la soumission, conservez l'ID de tâche renvoyé, puis interrogez l'état et le résultat de cette tâche via GET /v1/tasks/{id}, en remplaçant {id} par l'ID de tâche réel. La requête d'interrogation utilise la même clé API que la requête de soumission.

En cas de délai réseau expiré alors que l'ID de tâche a déjà été obtenu, interrogez d'abord la tâche existante ; si l'ID de tâche n'a pas encore été obtenu, réessayez la soumission avec la même Idempotency-Key afin de récupérer la même tâche et d'éviter de créer des tâches en double. Recréer une tâche après un succès dont le résultat ne vous satisfait pas augmentera le budget.

Facturation par résolution et budget pour 10 secondes

Les tarifs actuels par défaut selon le multiplicateur sont les suivants :

Budget = prix unitaire de la résolution choisie × durée demandée × nombre de vidéos. Pour une vidéo unique de 10 secondes, le budget est de : 360p $0.229, 720p $0.343, 1080p $0.343, 4k $0.80.

La facturation réelle et le multiplicateur applicable sont ceux du règlement final ; il ne faut pas déduire la facturation du nombre de secondes décimales dans le conteneur de fichier. Ne présumez pas que les tâches échouées sont systématiquement facturées ou systématiquement gratuites, et n'estimez pas en supposant un doublement du coût à chaque tour ou un coût constant des requêtes texte.

Lors d'une validation en production le 11 novembre 2026, une tâche de génération de vidéo à partir de texte de 3 secondes en 360p a pris environ 34 secondes, avec une facturation réelle de $0.0687, conforme au prix unitaire de cette spécification multiplié par la durée demandée. Cet échantillon ne signifie pas que la qualité et la facturation des autres spécifications ou modes ont toutes été mesurées.