Criar vídeos curtos com gemini-omni-1.1-flash pela API hiapi

Vídeos curtos têm apenas uma exigência implacável: devem ser verticais, devem capturar o usuário em um segundo e, geralmente, precisam de som. A maioria das APIs de texto para vídeo exige que você monte tudo em etapas — gere o clipe, adicione áudio na pós-produção e recorte para 9:16. O gemini-omni-1.1-flash comprime isso em uma única chamada assíncrona na hiapi: você insere um prompt e recebe um vídeo 9:16 completo, com o áudio ambiente já incluído na faixa de áudio.

Este guia mostra o fluxo de trabalho completo com base em um vídeo real — gerado especificamente para este artigo, não uma ilustração — e depois aprofunda a análise de preços, porque o modelo de custo do gemini-omni é peculiar o suficiente para mudar sua forma de renderizar.

O vídeo, do início ao fim

Aqui está o vídeo de 8 segundos em 1080p gerado pelo modelo a partir de um único prompt. Ele reproduz diretamente aqui — vertical, com som:

Este é o prompt completo — copie e execute:

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.

Essa única requisição retornou um arquivo H.264 de 1080×1920 com faixa de áudio AAC estéreo — o som ambiente foi gerado junto com o vídeo, não sobreposto depois. Dois hábitos de prompt fizeram a maior parte do trabalho:

• Peça um plano contínuo. Clipes curtos funcionam como um único compasso; pedir um movimento de câmera ininterrupto impede que o modelo crie pontos de corte que você não quer.
• Escreva uma linha explícita de restrições negativas. No people, no text, no logos, no watermark mantém a imagem limpa para que você adicione legendas no editor e evita texto queimado que não pode ser removido depois.

Por que ele é especialmente adequado para vídeos curtos

Três pontos se alinham bem com as necessidades reais de vídeos verticais:

• Vertical nativo. aspect_ratio: "9:16" é um parâmetro de entrada de primeira classe, então você gera vertical diretamente, em vez de recortar um resultado 16:9 em uma imagem com barras pretas.
• Áudio integrado. Cada vídeo traz som ambiente. Em um feed onde a maioria dos deslizes começa no mudo, ter uma faixa de áudio real pronta para quem realmente ativa o som — sem uma etapa separada de música ou efeitos — elimina uma etapa de produção.
• Um ID, todos os modos. O mesmo ID gemini-omni-1.1-flash também aceita imagens de referência, primeiros e últimos quadros ou vídeo de origem. Você pode começar com um gancho de texto e, depois, enviar um still de produto ou um corte bruto pelo exato mesmo endpoint e chave.

O algoritmo de taxa fixa que deve mudar sua forma de renderizar

A maioria das APIs de vídeo cobra por segundo e aumenta a tarifa com a resolução, então 1080p custa visivelmente mais que 480p. O gemini-omni não funciona assim. Ele cobra um preço fixo por vídeo, e para todas as resoluções até 1080p o preço é idêntico — apenas a duração do vídeo altera o preço:

Duração do vídeo	360p / 720p / 1080p	4K
4 segundos	$0.45	$1.05
6 segundos	$0.60	$1.20
8 segundos	$0.75	$1.35
10 segundos	$0.90	$1.50

Os preços foram verificados na página de preços ao vivo da hiapi, em outubro de 2026. Enviar um vídeo de referência muda a cobrança para um valor fixo de $1.20 por vídeo (até 1080p, ou $1.80 em 4K), independentemente da duração.

A consequência prática: renderize todo rascunho em 1080p. Neste modelo, 1080p custa exatamente o mesmo que 360p, então não há motivo para pré-visualizar em baixa resolução e depois renderizar de novo. Para vídeos que não sejam 4K, a única variável que afeta a conta é a duração — então a disciplina está no comprimento, não na qualidade. Gere rascunhos de 8 segundos em 1080p em lote por $0.75 cada, mantenha os que funcionam e use 4K apenas nos destaques que você realmente vai publicar.

Uma chamada de API

Criar um vídeo é abrir a tarefa com um POST e depois consultar até concluir.

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"
    }
  }'

Você recebe um ID de tarefa:

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

Depois consulte GET /v1/tasks/<taskId> até que status passe de handling → archiving → success. O corpo da resposta final coloca o vídeo em 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)

Quatro campos de entrada são essenciais: prompt, duration (4, 6, 8 ou 10), resolution (360p, 720p, 1080p ou 4k) e aspect_ratio (16:9 ou 9:16). Se você enviar um valor fora desses intervalos, a API rejeitará a requisição antes de entrar na fila — por exemplo, escrever 2160p por engano retorna invalid input: resolution: value must be one of '360p', '720p', '1080p', '4k', então um erro de digitação nunca desperdiça uma geração de vídeo. A referência completa da API de tarefas está na documentação da hiapi.

Uma ressalva que vale tratar no código: output[0].url traz um timestamp expireAt e não é um link permanente. No momento em que a tarefa reportar success, baixe o arquivo ou envie para o seu próprio armazenamento — não persista a URL temporária.

Produza um conjunto em lote, não um único vídeo

Vídeo curto é um jogo de volume, então o fluxo de trabalho real é em lote. Cada vídeo é uma tarefa independente, o que torna barato se recuperar de uma falha no meio da execução: use o hash do prompt como chave de cada tarefa, pule o que já foi baixado e reiniciar nunca cobrará em dobro.

Um ciclo viável:

• Escreva de 8 a 12 variações de prompt em torno de um tema — ângulos, iluminação e sujeitos diferentes — todas em 8 segundos / 1080p / 9:16.
• Envie-as como tarefas independentes em lote e consulte, ou registre um callback para receber os resultados ativamente.
• Revise o conjunto, mantenha os dois ou três que realmente atraem e então re-renderize em 4K ou com duração maior sob demanda — desde que a plataforma onde você publica compense isso.

Quando um still ou corte bruto é o seu verdadeiro ponto de partida, envie-o para o mesmo ID gemini-omni-1.1-flash: use uma imagem de referência para fixar a aparência do produto, primeiros e últimos quadros para controlar transições, ou um vídeo de origem para repintura estilística. A chave e o código de consulta permanecem iguais; só o objeto input muda.

Comparação

A taxa fixa do gemini-omni o torna a forma mais barata de produzir vídeos curtos com áudio — 8 segundos em 1080p custam apenas $0.75, sem multiplicador por segundo. Outros modelos se destacam em aspectos específicos:

• Seedance 2.5 cobra por segundo, atualmente com máximo de 720p, mas se estende a 30 segundos em um único plano — a escolha quando o comprimento importa mais que a resolução.
• Kling 3.0 adiciona fala sincronizada sobre o som ambiente e chega a 4K — melhor para conteúdo com fala ou sincronia labial.
• Veo 3.1 é a escolha de imagem para vídeo quando você precisa animar um still existente em vez de gerar a partir de texto.

Os quatro rodam com a mesma chave da hiapi e no mesmo endpoint /v1/tasks, então trocar exige apenas uma linha de model — escolha por cena, não por projeto. Você pode compará-los lado a lado no catálogo de modelos.

Perguntas frequentes

O gemini-omni-1.1-flash realmente inclui áudio? Sim. O vídeo deste guia retornou um MP4 com uma faixa de áudio estéreo real — o som ambiente é gerado junto com o vídeo, não adicionado depois. Você descreve o som no prompt (como na linha Natural ambient sound: ... acima) da mesma forma que descreve a imagem.

Qual é a forma mais barata de testá-lo? Um vídeo de 4 segundos custa $0.45 em qualquer resolução até 1080p. Como essas três resoluções têm o mesmo preço, teste em 1080p — não há motivo de preço para pré-visualizar em resolução menor.

Também posso fazer vídeos na horizontal? Sim. Defina aspect_ratio: "16:9" para horizontal; 9:16 é o padrão para vídeos curtos. O preço é o mesmo nos dois casos.

Qual é a duração máxima do vídeo? 4, 6, 8 ou 10 segundos por geração. Para cortes mais longos, gere vários vídeos e junte-os, ou use referência / primeiros e últimos quadros para manter a continuidade entre os pontos de corte.

A URL de saída é permanente? Não. output[0].url traz expireAt e deve ser tratada como entrega única — baixe ou re-hospede imediatamente após a tarefa reportar success.

Pronto para experimentar? Obtenha uma chave no console da hiapi, coloque seu próprio prompt na chamada curl acima e renderize seu primeiro vídeo vertical em 1080p — quer você escolha pré-visualizar em resolução menor ou vá direto para a resolução total, o custo é o mesmo de $0.75.