Gemini Omni 1.2 Flash 接入指南：输入模式、参数与按规格计费

模型与能力边界

HiAPI 当前公开接入 gemini-omni-1.2-flash，用于输出视频。支持文生视频、首帧图生视频、首尾帧过渡和参考图生视频。不开放视频编辑、续写、视频或音频输入，也不提供 seed 参数。

统一通过 POST /v1/tasks 提交任务；请求体使用 {"model":"gemini-omni-1.2-flash","input":{...},"storage":"temp"} 这一结构。

输入模式与互斥规则

按素材选择模式：

• 文生视频：只传 prompt，不传任何图片字段。
• 首帧图生视频：传 prompt 和 first_frame_url，用一张公开图片指定起始画面。
• 首尾帧过渡：同时传 first_frame_url 和 last_frame_url；last_frame_url 依赖 first_frame_url，该模式最长 10 秒，且不能带 negative_prompt 或 system_prompt。
• 参考图生视频：传 prompt 和 image_urls，用 1–10 张公开 HTTP(S) 参考图约束风格或主体。只传一张 image_urls 时，它仍是参考图，不是首帧。

image_urls 与 first_frame_url、last_frame_url 互斥，不能在同一请求里混用。所有图片参数只接受公开 HTTP(S) URL，不支持 Base64。

参数与默认值

不要假设各模式都会带声音、口型同步、文字准确或主体/品牌完全一致；这些均不保证。

两个可复制的 POST /v1/tasks 请求

调用时的 API Key 仅以 YOUR_API_KEY 占位，不写入真实密钥。两个请求都使用 storage: "temp"。

3 秒 360p 文生视频

{
  "model": "gemini-omni-1.2-flash",
  "input": {
    "prompt": "一只白色纸飞机从桌面起飞，掠过蓝色玻璃，镜头缓慢跟随",
    "duration": 3,
    "resolution": "360p",
    "aspect_ratio": "16:9"
  },
  "storage": "temp"
}

10 秒 720p 首帧图生视频

示例中的 https://example.com/first-frame.png 是占位地址，调用前必须替换为可公开访问的真实图片；它不是实测输入。

{
  "model": "gemini-omni-1.2-flash",
  "input": {
    "prompt": "画面中的建筑从清晨过渡到黄昏，光线缓慢移动，镜头轻微推进",
    "first_frame_url": "https://example.com/first-frame.png",
    "duration": 10,
    "resolution": "720p",
    "aspect_ratio": "16:9"
  },
  "storage": "temp"
}

首帧图生视频请求不要再加 image_urls；两者互斥。

提交、查询与重试

提交后保存返回的任务 ID，通过 GET /v1/tasks/{id} 查询该任务的状态和结果，将 {id} 替换为实际任务 ID。查询请求与提交请求使用相同的 API Key。

网络超时且已获得任务 ID 时，先查询已有任务；尚未获得任务 ID 时，使用原 Idempotency-Key 重试提交，以恢复同一任务，避免创建重复任务。成功但结果不满意而重新创建任务，会增加预算。

按分辨率计费与 10 秒预算

当前默认倍率报价如下：

预算 = 所选分辨率单价 × 请求时长 × 条数。单条 10 秒的预算为：360p $0.229，720p $0.343，1080p $0.343，4k $0.80。

实际账单与适用倍率以最终结算为准；不能按文件容器里的小数秒数推断计费。不要假设失败任务一律收费或一律免费，也不要按每轮成本翻倍或文本请求费用恒定来估算。

2026 年 11 月 11 日的一次生产验证中，3 秒 360p 文生视频任务耗时约 34 秒，实际扣费 $0.0687，与该规格的单价乘以请求时长一致。这个样本不代表其他规格或模式的质量与计费均已实测。