Gemini Omni 1.2 Flash 연동 가이드: 입력 모드, 파라미터 및 사양별 과금

모델 및 기능 범위

HiAPI는 현재 gemini-omni-1.2-flash를 공개 연동하고 있으며, 비디오 출력에 사용됩니다. 텍스트→비디오, 첫 프레임 이미지→비디오, 첫/마지막 프레임 전환, 참조 이미지→비디오를 지원합니다. 비디오 편집, 이어 쓰기, 비디오 또는 오디오 입력은 제공되지 않으며 seed 파라미터도 제공하지 않습니다.

모두 POST /v1/tasks로 작업을 제출하며, 요청 본문은 {"model":"gemini-omni-1.2-flash","input":{...},"storage":"temp"} 구조를 사용합니다.

입력 모드와 상호 배타 규칙

소재에 따라 모드를 선택하세요:

• 텍스트→비디오: prompt만 전달하고 이미지 필드는 전달하지 않습니다.
• 첫 프레임 이미지→비디오: prompt와 first_frame_url을 전달하며, 공개 이미지 한 장으로 시작 화면을 지정합니다.
• 첫/마지막 프레임 전환: first_frame_url과 last_frame_url을 동시에 전달합니다. last_frame_url은 first_frame_url에 의존하며, 이 모드는 최대 10초이고 negative_prompt 또는 system_prompt를 포함할 수 없습니다.
• 참조 이미지→비디오: prompt와 image_urls를 전달하며, 공개 HTTP(S) 참조 이미지 1–10장으로 스타일이나 피사체를 제약합니다. image_urls에 한 장만 전달해도 그것은 여전히 참조 이미지이며 첫 프레임이 아닙니다.

image_urls는 first_frame_url, last_frame_url과 상호 배타적이며, 같은 요청에서 함께 사용할 수 없습니다. 모든 이미지 파라미터는 공개 HTTP(S) URL만 허용하며 Base64는 지원하지 않습니다.

파라미터와 기본값

각 모드가 사운드, 립싱크, 정확한 텍스트, 피사체/브랜드의 완전한 일치를 제공한다고 가정하지 마세요. 이는 모두 보장되지 않습니다.

복사해서 쓸 수 있는 두 가지 POST /v1/tasks 요청

호출 시 API Key는 YOUR_API_KEY로만 표기하며 실제 키는 기재하지 않습니다. 두 요청 모두 storage: "temp"를 사용합니다.

3초 360p 텍스트→비디오

{
  "model": "gemini-omni-1.2-flash",
  "input": {
    "prompt": "하얀 종이비행기가 책상에서 이륙해 파란 유리를 스쳐 지나가고, 카메라가 천천히 따라간다",
    "duration": 3,
    "resolution": "360p",
    "aspect_ratio": "16:9"
  },
  "storage": "temp"
}

10초 720p 첫 프레임 이미지→비디오

예시의 https://example.com/first-frame.png는 자리표시자 주소이며, 호출 전에 공개 접근 가능한 실제 이미지로 교체해야 합니다. 이는 실측 입력이 아닙니다.

{
  "model": "gemini-omni-1.2-flash",
  "input": {
    "prompt": "화면 속 건물이 새벽에서 황혼으로 전환되고 빛이 천천히 움직이며, 카메라가 살짝 밀고 들어간다",
    "first_frame_url": "https://example.com/first-frame.png",
    "duration": 10,
    "resolution": "720p",
    "aspect_ratio": "16:9"
  },
  "storage": "temp"
}

첫 프레임 이미지→비디오 요청에는 image_urls를 추가하지 마세요. 둘은 상호 배타적입니다.

제출, 조회 및 재시도

제출 후 반환된 작업 ID를 저장하고, GET /v1/tasks/{id}로 해당 작업의 상태와 결과를 조회하며, {id}를 실제 작업 ID로 바꿉니다. 조회 요청은 제출 요청과 동일한 API Key를 사용합니다.

네트워크 타임아웃이 발생했고 이미 작업 ID를 얻은 경우에는 기존 작업을 먼저 조회하세요. 아직 작업 ID를 얻지 못한 경우에는 원래 Idempotency-Key로 제출을 재시도하여 같은 작업을 복구하고 중복 작업 생성을 피하세요. 성공했지만 결과가 만족스럽지 않아 작업을 다시 생성하면 예산이 증가합니다.

해상도별 과금과 10초 예산

현재 기본 배율 요금은 다음과 같습니다:

예산 = 선택한 해상도 단가 × 요청 길이 × 개수. 단일 10초 기준 예산은 360p $0.229, 720p $0.343, 1080p $0.343, 4k $0.80입니다.

실제 청구와 적용 배율은 최종 정산을 기준으로 하며, 파일 컨테이너 내의 소수점 초 수로 과금을 추론할 수 없습니다. 실패한 작업이 일률적으로 과금되거나 일률적으로 무료라고 가정하지 말고, 라운드당 비용이 두 배가 된다거나 텍스트 요청 비용이 일정하다고 추정하지 마세요.

2026년 11월 11일의 한 프로덕션 검증에서 3초 360p 텍스트→비디오 작업은 약 34초가 소요되었고 실제 차감은 $0.0687로, 해당 사양의 단가에 요청 길이를 곱한 값과 일치했습니다. 이 표본이 다른 사양이나 모드의 품질과 과금이 모두 실측되었다는 것을 의미하지는 않습니다.