Создание коротких видео с помощью gemini-omni-1.1-flash через API hiapi

У коротких видео есть только одно жёсткое требование: они должны быть вертикальными, должны захватывать внимание пользователя за первую секунду и обычно нуждаются в звуке. Большинство API преобразования текста в видео требуют сборки по шагам — сначала генерация клипа, затем добавление аудио на этапе постобработки, потом повторная обрезка под 9:16. gemini-omni-1.1-flash сжимает всё это до одного асинхронного вызова на hiapi: на входе один промпт, на выходе готовое видео 9:16, в звуковую дорожку которого уже включён эмбиент-звук.

Это руководство основано на реальном видео — сгенерированном специально для этой статьи, а не на схематичной иллюстрации — и демонстрирует полный рабочий процесс, а затем подробно разбирает ценообразование, поскольку модель стоимости gemini-omni достаточно необычна, чтобы изменить ваш подход к рендерингу.

Видео от начала до конца

Ниже приведено 8-секундное видео 1080p, сгенерированное моделью по одному промпту. Оно воспроизводится прямо здесь — вертикальное, со звуком:

Вот полный промпт — скопируйте и запускайте:

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.

Этот один запрос вернул файл H.264 размером 1080×1920 со стереодорожкой AAC — эмбиент-звук был сгенерирован вместе с видео, а не добавлен постфактум. Большую часть работы сделали две привычки при написании промптов:

• Требуйте один непрерывный кадр. Короткий клип читается как один такт; требование одного непрерывного движения камеры не даёт модели самой создавать точки склейки, которые вам не нужны.
• Пишите отдельную строку с явными негативными ограничениями. No people, no text, no logos, no watermark сохраняет картинку чистой, позволяет добавлять субтитры в редакторе и избавляет от встроенного в изображение текста, который потом нельзя убрать.

Почему он особенно хорошо подходит для коротких видео

Три особенности точнее всего соответствуют реальным потребностям вертикального видео:

• Нативная вертикальная ориентация. aspect_ratio: "9:16" — это полноценный входной параметр, поэтому вы генерируете вертикальное видео напрямую, а не обрезаете рендер 16:9 в кадр с чёрными полями.
• Аудио встроено. В каждом видео есть эмбиент-звук. В лентах, где большинство пролистываний начинается с отключённого звука, вы готовите настоящую дорожку для зрителей, которые действительно включают звук — без отдельного этапа подбора музыки или звуковых эффектов — и экономите один шаг производства.
• Один ID — все режимы. Тот же gemini-omni-1.1-flash принимает также референсные изображения, первый и последний кадры или исходное видео. Вы можете начать с текстового хука, а затем через тот же самый эндпоинт и ключ подать статичный кадр продукта или черновой монтаж.

Алгоритм плоского тарифа, который должен изменить ваш подход к рендерингу

Большинство видео-API берут плату за секунду и повышают ставку с ростом разрешения, поэтому 1080p стоит заметно дороже 480p. С gemini-omni всё иначе. Он тарифицируется по фиксированной цене за видео, причём для всех разрешений вплоть до 1080p цена одинакова — на цену влияет только длина видео:

Длина видео	360p / 720p / 1080p	4K
4 секунды	$0.45	$1.05
6 секунд	$0.60	$1.20
8 секунд	$0.75	$1.35
10 секунд	$0.90	$1.50

Цены сверены с актуальной страницей тарифов hiapi, октябрь 2026 г. Передача референсного видео переключает тарификацию на фиксированные $1.20 за видео (до 1080p, или $1.80 для 4K) независимо от длины.

Практический вывод: рендерите каждый черновик в 1080p. На этой модели 1080p стоит ровно столько же, сколько 360p, поэтому нет причин делать предпросмотр в низком разрешении и потом перерендеривать. Для видео, отличных от 4K, единственная переменная, влияющая на счёт, — это длительность, так что дисциплина нужна в длине, а не в качестве. Генерируйте пакетами 8-секундные черновики 1080p по $0.75 за штуку, оставляйте те, что действительно работают, и только для по-настоящему важных финальных роликов используйте 4K.

Один вызов API

Создание видео — это сначала POST для запуска задачи, затем опрос до завершения.

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"
    }
  }'

Вы получите идентификатор задачи:

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

Затем опрашивайте GET /v1/tasks/<taskId>, пока status не пройдёт путь handling → archiving → success. В теле ответа после завершения видео находится в 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)

Ключевыми являются четыре входных поля: prompt, duration (4, 6, 8 или 10), resolution (360p, 720p, 1080p или 4k) и aspect_ratio (16:9 или 9:16). Если передать значения вне этих диапазонов, API отклонит запрос ещё до постановки в очередь — например, ошибочно указанный 2160p вернёт invalid input: resolution: value must be one of '360p', '720p', '1080p', '4k', поэтому опечатка никогда не потратит генерацию видео впустую. Полный справочник по API задач см. в документации hiapi.

Одна деталь, которую стоит учесть в коде: output[0].url содержит метку времени expireAt и не является постоянной ссылкой. В момент, когда задача сообщает success, сразу скачивайте файл или отправляйте его в собственное хранилище — не сохраняйте временный URL.

Создавайте набор, а не отдельное видео

Короткое видео — это игра масштабов, поэтому реальный рабочий процесс — пакетная обработка. Каждое видео — независимая задача, что делает восстановление после сбоя посреди запуска дешёвым: используйте хеш промпта как ключ каждой задачи, пропускайте уже скачанное, и перезапуск никогда не приведёт к повторной оплате.

Рабочий цикл:

• Напишите 8–12 вариаций промпта вокруг одной темы — разные ракурсы, освещение, субъекты — все в 8 секунд / 1080p / 9:16.
• Отправьте их пакетом как независимые задачи и опрашивайте, или зарегистрируйте колбэк, чтобы результаты приходили сами.
• Просмотрите весь набор, оставьте два-три действительно цепляющих, затем при необходимости перерендерите в 4K или с большей длительностью — если платформа, на которую вы публикуете, окупает такие затраты.

Когда вашей настоящей отправной точкой является статичный кадр или черновой монтаж, подайте его в тот же gemini-omni-1.1-flash: используйте референсное изображение, чтобы зафиксировать внешний вид продукта, первый и последний кадры для управления переходом, или исходное видео для стилевой перерисовки. Ключ и код опроса остаются прежними; меняется только объект input.

Сравнение

Плоский тариф gemini-omni делает его самым дешёвым способом получать короткие видео со звуком — 8 секунд 1080p стоят всего $0.75, без множителей за секунды. Другие модели превосходят его в отдельных аспектах:

• Seedance 2.5 тарифицируется посекундно, сейчас максимум 720p, но масштабируется до 30 секунд в одном кадре — выбор, когда длина важнее разрешения.
• Kling 3.0 накладывает синхронную речь поверх эмбиент-звука и достигает 4K — лучше подходит для говорящего контента или контента с синхронизацией губ.
• Veo 3.1 — выбор для преобразования изображения в видео, когда нужно анимировать существующий статичный кадр, а не генерировать из текста.

Все четыре работают с одним и тем же ключом hiapi и одним и тем же эндпоинтом /v1/tasks, поэтому переключение — это одна строка model — выбирайте по кадру, а не по проекту. Их можно сравнить бок о бок в каталоге моделей.

Часто задаваемые вопросы

Действительно ли gemini-omni-1.1-flash включает аудио? Да. Видео из этого руководства — это MP4 с настоящей стереодорожкой — эмбиент-звук сгенерирован вместе с видео, а не добавлен позже. Вы описываете звук в промпте (как строка Natural ambient sound: ... выше) так же, как описываете картинку.

Какой способ протестировать его самый дешёвый? 4-секундное видео стоит $0.45 при любом разрешении вплоть до 1080p. Поскольку все три разрешения стоят одинаково, тестируйте в 1080p — нет ценовой причины делать предпросмотр в более низком разрешении.

Можно ли также создавать горизонтальные видео? Да. Установите aspect_ratio: "16:9" для горизонтального видео; 9:16 — значение по умолчанию для коротких видео. Цена одинакова в обоих случаях.

Какой максимальной длины может быть видео? 4, 6, 8 или 10 секунд за генерацию. Если нужен более длинный монтаж, сгенерируйте несколько видео и склейте их, или используйте обработку с референсом / первым и последним кадрами для сохранения непрерывности между точками склейки.

Постоянен ли URL вывода? Нет. output[0].url содержит expireAt и должен рассматриваться как однократная выдача — скачивайте или переразмещайте сразу после того, как задача сообщает success.

Готовы попробовать? Получите ключ в консоли hiapi, подставьте свой промпт в вызов curl выше и отрендерите своё первое вертикальное видео в 1080p — стоит оно одинаково, $0.75, независимо от того, выберете ли вы предпросмотр в меньшем разрешении или сразу полное.