Gemini Omni 1.1 Flash

Présentation du positionnement

Gemini Omni 1.1 Flash est un modèle multimodal proposé par Google pour les scénarios de génération et d'édition vidéo, accessible sur HiAPI.ai via une interface unifiée. Sur un même canal, il couvre la génération vidéo à partir de texte, à partir d'image, à partir d'images de référence ainsi que l'édition vidéo : il permet de modifier un clip existant ou de prolonger une scène par instruction en langage naturel, et de contrôler les mouvements de caméra et les transitions à l'aide des images de première et dernière frame. La durée de sortie va de 4 à 10 secondes, avec une résolution au choix de 360p à 4k. Il convient aux développeurs et aux équipes de contenu qui ont besoin de produire rapidement des ébauches, d'itérer sur plusieurs tours et d'unifier les processus de génération et d'édition.

Points forts

• Génération et édition réunies dans un seul modèle — génération à partir de texte, à partir d'image, à partir d'images de référence et édition vidéo partagent un même chemin d'appel, ce qui réduit le coût de bascule entre plusieurs modèles.
• Flux de travail par paliers, de l'ébauche basse résolution à la 4K — on peut d'abord itérer rapidement en 360p pour tester des directions, puis produire en 720p, 1080p ou 4k une fois la direction validée, conciliant efficacité et qualité finale.
• Contrôle du mouvement de caméra par les première et dernière frames — il suffit de définir les images de première et de dernière frame pour contraindre la trajectoire de caméra et les transitions, rendant le mouvement des segments narratifs plus maîtrisable.
• Matériaux de référence intégrés à la génération — jusqu'à 7 images peuvent être fournies comme références, et l'entrée vidéo est mutuellement exclusive avec la définition de la première frame, ce qui délimite clairement les conditions d'entrée.

Description des capacités

Plusieurs modes de génération vidéo : prise en charge des quatre types de tâches — texte-vers-vidéo, image-vers-vidéo, images de référence-vers-vidéo et vidéo-vers-vidéo ; le développeur choisit le mode d'entrée selon les matériaux disponibles, et la sortie est toujours un actif vidéo.

Édition vidéo en langage naturel : il suffit de décrire l'intention de modification dans le prompt pour redessiner et ajuster une vidéo existante, sans reconstruire tout le flux de génération.

Prolongement de scène : en fournissant un clip vidéo existant comme entrée, on peut en prolonger le contenu pour construire une narration continue plus longue.

Contrainte de caméra par les première et dernière frames : l'utilisation combinée de first_frame_url et de last_frame_url permet de figer les images de début et de fin et de contrôler le mouvement de caméra ainsi que le rythme des transitions.

Résolution et format au choix : les résolutions disponibles sont 360p, 720p, 1080p et 4k, et les formats 16:9 et 9:16, ce qui facilite l'adaptation aux diffusions en paysage comme en portrait.

Scénarios d'usage

• Production rapide d'ébauches vidéo par les équipes créatives — à partir d'un script ou d'une image de première frame, générer rapidement plusieurs versions d'ébauches en basse résolution 360p pour la revue de script et la sélection de directions.
• Production de contenus publicitaires et sociaux — générer des clips en 16:9 ou 9:16 à partir d'images de référence et d'un prompt, puis les agrandir en haute résolution une fois validés pour servir de supports de diffusion.
• Modification et prolongement de matériaux existants — utiliser une vidéo existante comme entrée et modifier l'image ou prolonger le clip par instruction en langage naturel, pour les ajustements de post-production.
• Segments narratifs nécessitant des transitions précises — définir les première et dernière frames pour contraindre le début et la fin du mouvement de caméra et produire des segments cinématographiques au mouvement maîtrisé, pour le prévisualisation de storyboard.

Limites et conseils de choix

La durée de sortie d'une génération est limitée à 4 à 10 secondes ; les contenus plus longs doivent être générés par segments puis assemblés. Les résultats en 360p conviennent mieux à l'ébauche et ne doivent pas être utilisés directement comme produit final. Lorsqu'une image de première frame est fournie, il n'est plus possible d'ajouter en plus une entrée image ou vidéo, et last_frame_url doit obligatoirement être utilisé avec first_frame_url : les combinaisons d'entrée sont donc contraintes. Flash privilégie la vitesse et l'efficacité d'itération ; si la tâche exige une qualité d'image stricte ou une durée unitaire plus longue, il convient d'évaluer d'autres modèles lors du choix et de se fonder sur les résultats de tests réels.