O que o Google mudou na versão 1.2?

Segundo o Google, a versão 1.2 aumenta a duração dos clipes de 10 para 15 segundos e melhora a consistência de personagens e elementos em até seis imagens de referência. O Google também informa preços menores para a saída de vídeo e o dobro dos limites de requisições na faixa paga. Esta página acrescenta rascunhos em 360p e edição de vídeo às opções da nossa página da versão 1.1.

O que acontece com as requisições do Gemini Omni 1.1 Flash?

Em 3 de dezembro de 2026, o Google passará todas as requisições do Gemini Omni 1.1 Flash para a versão 1.2. Comece seus novos projetos nesta página.

1080p e 4K saem diretamente do modelo?

O Google informa que 360p e 720p são saídas diretas, enquanto 1080p e 4K passam por ampliação. As opções ampliadas custam mais. Nos nossos testes, os arquivos em 16:9 mediram 640x360, 1280x720 e 1920x1080 para 360p, 720p e 1080p, respectivamente.

Quanto tempo de ação cabe num clipe gerado?

Escolha um número inteiro de 3 a 15 segundos; se você não definir a duração, o resultado terá 8 segundos. Imagem para vídeo com quadro final exige 3–10 segundos, e requisições mais longas são recusadas antes da cobrança. A edição acompanha o vídeo original, com corte aos 10 segundos.

Como devo nomear as referências de imagem e vídeo?

Use nomes simples na ordem de envio, como “a pessoa da Image 1” e “mova como no Video 1”. Adicione até seis imagens ou até três clipes de vídeo de três segundos cada. O Google recomenda até três imagens por personagem, para até dois personagens. O Google informa uma referência de vídeo para saídas de 11–15 segundos; nos nossos testes, uma requisição de 11 segundos com duas referências de vídeo também foi concluída. O som das referências é ignorado, e o Google informa que suas antigas tags de controle foram descontinuadas.

Qual duração define o valor cobrado pela edição de vídeo?

A edição conta os segundos do vídeo original, arredondados para cima, com cobrança mínima de 3 segundos e máxima de 10 segundos. A resolução define a tarifa, que é maior na edição do que na geração. Um vídeo com mais de 10 segundos é cortado nesse ponto; nos nossos testes, uma entrada de 12 segundos retornou 10.03 segundos. Requisições que falham ou são recusadas não geram cobrança.

Por que uma tarefa pode demorar mais perto do lançamento?

Nos nossos testes, a demanda no dia do lançamento às vezes fez o serviço do Google retornar uma falha temporária de ocupação, seguida de sucesso numa tentativa posterior. A SpicyAPI repete essas tentativas automaticamente, o que pode acrescentar alguns minutos à tarefa. Tentativas com falha não geram cobrança.

Quais regras NSFW se aplicam ao Gemini Omni 1.2 Flash?

O Google filtra prompts e vídeos gerados conforme sua política de uso e recusa conteúdo adulto. Uma requisição recusada por esses filtros não é cobrada.

Gemini Omni 1.2 Flash API: preços, regras NSFW e vídeo 15s

google/gemini-omni-1.2-flash/image-to-video

Anime uma imagem inicial enviada por 3–15 segundos, ou acrescente uma imagem final para uma transição de 3–10 segundos com som gerado.

A partir de $0.028/s

Executar modelo Ver API

Entrada

Imagem para vídeo

Prompt244/20000

Imagem de entrada1/1

Arraste arquivos ou links de mídia, cole ou selecione · 1 arquivo · Máx. 10 MB · JPG · PNG · WEBP

Frame final0/1

Arraste arquivos ou links de mídia, cole ou selecione · 1 arquivo · Máx. 10 MB · JPG · PNG · WEBP

Proporção

Resoluçãoafeta o preço

Duraçãoafeta o preço

Filtro de segurançaDesligado

A SpicyAPI não executa filtro de segurança neste modelo. Seu prompt e suas mídias chegam ao modelo exatamente como você os enviou, e o próprio modelo decide o resultado.

Verificando sua conta antes de liberar o envio e a estimativa de preço.

Saída

Pronto para uma nova execução

Resultado de exemplo

Estender

Edição de vídeo

Ampliação de vídeo

{
  "model": "google/gemini-omni-1.2-flash/image-to-video",
  "input": {
    "aspect_ratio": "16:9",
    "resolution": "720p",
    "duration_seconds": 5,
    "prompt": "The wooden speedboat eases away from the pier while the woman on deck raises one hand toward the hotel. Lights shimmer on the water in one continuous shot. Sound design: low engine hum, lapping water, a faint band from the terrace. No dialogue.",
    "image_url": "https://cdn.spicyapi.ai/models/examples/inputs/919e9103f4672c77.jpeg"
  }
}

Introdução

Envie um quadro inicial e um prompt, ambos obrigatórios; um quadro final opcional orienta o encerramento e limita o clipe a 10 segundos.

Especificações de Gemini Omni 1.2 Flash · Image to Video
Campo	Valor
Entrada	Imagem
Saída	Vídeo
Publicação	Google
Disponibilidade na Gemini API	Disponível para uso geral desde 5 de novembro de 2026, segundo o Google
Código do modelo	gemini-omni-1.2-flash
Duração da geração	3–15 segundos inteiros; 8 segundos por padrão
Duração com quadro final	3–10 segundos quando você envia uma imagem final
Duração da edição	Acompanha a duração original; o trecho após 10 segundos é cortado
Resoluções de saída	O Google informa saída direta em 360p e 720p; 1080p e 4K são ampliados pelo Google
Formatos de geração	16:9 ou 9:16; padrão 16:9
Formato de vídeo e áudio	MP4 a 24 fps com uma faixa de áudio AAC
Entradas de referência	Até 6 imagens; até 3 clipes de vídeo, cada um com no máximo 3 segundos
Referências para saídas mais longas	O Google informa uma referência de vídeo para saídas de 11–15 segundos
Marca-d’água	O Google inclui uma marca-d’água invisível SynthID
Armazenamento dos vídeos gerados	Excluídos após 14 dias

Recursos e destaques

Um momento no mercado com som próprio

Nos nossos testes, a cena de mercado de 6 segundos em 720p mostrou um cozinheiro salteando macarrão numa wok em chamas e dizendo a fala solicitada. O chiado do óleo, a chuva e as conversas do mercado acompanharam a ação.

Dê movimento à partida de uma lancha

O exemplo do píer, de 5 segundos, parte de uma imagem noturna. Nos nossos testes, a lancha de madeira se afastou devagar do hotel enquanto a passageira acenava, ao som do motor, da água e de uma banda ao longe.

Planeje como o movimento termina

Uma imagem inicial de estúdio e uma pose final orientam esta animação de 5 segundos. Nos nossos testes, a dançarina passou de uma pose à outra ao som de piano suave, com a câmera fixa.

Leve duas pessoas para uma cena de trem

Nos nossos testes, dois retratos de referência viraram uma cena de 6 segundos num vagão-restaurante. Uma pessoa passou um bilhete dobrado pela mesa; a outra leu e sorriu, com o ritmo do trem e o som dos talheres.

Transfira a apresentação para um palco à beira do lago

Nos nossos testes, a edição substituiu o estúdio cinza por um palco ao luar, junto à água com névoa. A dançarina e os movimentos permaneceram na cena enquanto o cenário mudou.

Parâmetros da requisição

Parâmetros da requisição de Gemini Omni 1.2 Flash · Image to Video
Parâmetro	Obrigatório	Descrição
`prompt`	Sim	Instruções obrigatórias de movimento. Explique a ação após a imagem inicial, o comportamento da câmera e os sons desejados. pelo menos 1 caracteres · no máximo 20000 caracteres
`image_url`	Sim	URL obrigatória da imagem que inicia a cena gerada. pelo menos 1 caracteres
`last_image_url`	Não	URL opcional da imagem final. Ao enviá-la, a duração precisa ser de 3–10 segundos; requisições mais longas são recusadas antes da cobrança. pelo menos 1 caracteres
`aspect_ratio`	Não	Use 16:9 para horizontal, o padrão, ou 9:16 para enquadramento vertical. Não há opção automática; essa configuração não acrescenta custo. `16:9` · `9:16` · Valor padrão: `16:9`
`resolution`	Não	As resoluções disponíveis são 360p, 720p como padrão, 1080p e 4K. Tanto 1080p quanto 4K são ampliados pelo Google e custam mais; o Google informa saída direta em 360p/720p. `360p` · `720p` · `1080p` · `4k` · Valor padrão: `720p`
`duration_seconds`	Não	Segundos inteiros de 3 a 15, com padrão de 8. Quando houver `last_image_url`, use a faixa de 3–10 segundos. `3–15` · Valor padrão: `8`

Preços

A animação de imagem é cobrada pelos segundos solicitados, pela tarifa da resolução escolhida. Imagens inicial e final e proporção não acrescentam custo. Envios com falha ou recusados não geram cobrança, incluindo requisições com quadro final acima de 10 segundos.

Preços
Especificação	Preço
`360p`	$0.0276 / segundo
`720p`	$0.084 / segundo
`1080p`	$0.126 / segundo
`4k`	$0.252 / segundo

Casos de uso

Uma cena de mercado com fala

Descreva um cozinheiro, uma ação e uma fala curta entre aspas, depois peça o chiado do óleo e o ambiente de um mercado sob chuva.

Uma chegada ou partida no hotel

Anime uma imagem inicial do píer para mostrar a partida de uma lancha, ou adicione uma imagem final quando você já tiver planejado a composição de encerramento.

Uma cena com personagens recorrentes

Use retratos de referência para levar duas pessoas já definidas a um novo cenário, como um vagão-restaurante ao entardecer.

Outro palco para uma apresentação

Peça à edição de vídeo que transforme um estúdio num cenário à beira do lago, preservando o movimento gravado.

Guia de prompt e dicas práticas

Escolha o endpoint conforme seu material inicial

Comece com texto para criar uma cena, uma imagem inicial para animar, referências para orientar o visual ou um vídeo para fazer uma alteração específica.
Deixe clara a estrutura da cena

Segundo o Google, o modelo pode criar várias tomadas por padrão. Adicione “sem cortes de cena” quando quiser uma tomada única e escreva as falas solicitadas entre aspas.
Dê uma função a cada referência

Escreva “use o local da Image 2” ou “mova como no Video 1” para que o prompt explique o papel de cada arquivo enviado.
Avalie um rascunho pequeno antes de aumentar a resolução

Use 360p para explorar uma ideia pela menor tarifa disponível. O Google amplia 1080p e 4K, e essas opções custam mais.
Mantenha a instrução de edição focada

O Google recomenda mudanças simples seguidas de “Mantenha todo o resto igual.” Confira a duração do vídeo original antes de enviar: a edição corta o material aos 10 segundos.

Introdução

O modo imagem para vídeo do Gemini Omni 1.2 Flash dá movimento a uma imagem inicial. Envie image_url e um prompt explicando a ação que vem depois dessa imagem. O exemplo do píer usa uma imagem noturna de uma lancha para iniciar uma partida de 5 segundos com sons de motor e água.

Adicione last_image_url quando a cena precisar de um encerramento planejado. Com essa imagem final, a duração permitida é de 3–10 segundos; sem ela, você pode escolher 3–15 segundos. Uma requisição com quadro final acima de 10 segundos é recusada antes de qualquer cobrança. Nos nossos testes, duas imagens de estúdio orientaram a passagem de uma dançarina entre as poses inicial e final.

Recursos e destaques

Use a imagem que você enviou como primeiro quadro da animação.
Oriente a composição final com uma segunda imagem opcional.
Gere som durante a animação, em vez de enviar uma faixa de áudio.
Selecione horizontal 16:9 ou vertical 9:16 para a cena solicitada.
Trabalhe em 360p ou no padrão 720p, com opções de 1080p e 4K ampliadas pelo Google por uma tarifa maior.

Casos de uso

Anime uma foto noturna para mostrar uma lancha de madeira saindo do píer de um hotel.
Conecte duas poses de estúdio numa sequência de 5 segundos com piano suave.
Transforme uma foto de produto num estudo curto de movimento com composição final planejada.

Guia de prompt e dicas práticas

Descreva o que muda após o início, como “a lancha se afasta devagar do píer”, em vez de repetir todos os detalhes visíveis.
Com duas imagens, explique a transição, como “passe suavemente para a pose final”, e escolha no máximo 10 segundos.
Defina um plano de câmera discreto, como “câmera fixa”, quando o movimento da cena deve conduzir a tomada.
Indique o ambiente sonoro desejado, como “som baixo de motor e água batendo suavemente”, pois a imagem não fornece som.
Peça continuidade com uma expressão curta como “sem cortes de cena”, seguindo a recomendação do Google para uma tomada única.

Início rápido da API

# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${SPICY_IDEMPOTENCY_KEY:-$(uuidgen)}"
curl -X POST https://api.spicyapi.ai/api/v1/jobs/createTask \
  -H "Authorization: Bearer $SPICY_API_KEY" \
  -H "Content-Type: application/json" \
  -H "Idempotency-Key: $SPICY_IDEMPOTENCY_KEY" \
  -d '{
  "model": "google/gemini-omni-1.2-flash/image-to-video",
  "input": {
    "aspect_ratio": "16:9",
    "duration_seconds": 8,
    "image_url": "https://example.com/reference.png",
    "prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
    "resolution": "720p"
  }
}'

# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
  -H "Authorization: Bearer $SPICY_API_KEY"

Consulte a referência da API para autenticação, esquema completo, polling e tratamento de erros.

Modelos relacionados e próximas tarefas

Não encontrou o modelo que precisa?

GERE UMA CENA. EDITE UM CLIPE.

Construa uma cena com texto, anime uma imagem, combine referências visuais ou altere um vídeo curto. Escolha de rascunhos em 360p a 4K ampliado pelo Google, com som gerado.

Números principais

Limite de geração: 15 S; Escolha 3–15 segundos inteiros; cenas com quadro final ficam limitadas a 10.
Quatro resoluções: 360P–4K; O Google entrega 360p/720p diretos e amplia 1080p/4K; as resoluções ampliadas custam mais.
Imagens de referência: 6; O Google sugere até três imagens para cada um de dois personagens.
Vídeos de referência: 3; Cada clipe pode ter três segundos; o Google informa um para saídas de 11–15 segundos.
Som em cada clipe: ÁUDIO; Os resultados em MP4 contêm uma faixa de áudio AAC em todas as resoluções oferecidas.
Altere vídeos existentes: EDIÇÃO; Envie o vídeo original e descreva a mudança; o material é cortado aos 10 segundos.

Antes de gastar

Todos os modos

O Google restringe novas gerações a 3–15 segundos inteiros; a duração padrão é de 8 segundos.
A geração aceita apenas 16:9 e 9:16. A edição de vídeo não oferece controle de proporção.
Não há campo de seed nem de prompt negativo. O Google sugere incluir no prompt o que deve ficar fora da cena.
O Google não aceita entrada de áudio nem edição de voz neste modelo.
Esta página não oferece extensão de vídeo nem edição em várias etapas.
Baixe os resultados que você quiser guardar em até 14 dias; depois disso, os vídeos gerados são excluídos.
O Google aplica filtros de segurança aos prompts e aos vídeos gerados e restringe envios que retratam determinadas pessoas reconhecíveis. As saídas incluem sua marca-d’água invisível SynthID.

Imagem para vídeo

Uma imagem final opcional reduz a duração permitida para 3–10 segundos. Requisições acima dessa faixa são recusadas antes da cobrança.

Edição de vídeo

O vídeo original é cortado aos 10 segundos; a saída acompanha a duração do trecho mantido.

Referência para vídeo

São aceitas até seis referências de imagem e três de vídeo. Cada vídeo de referência pode ter até três segundos; seu som é ignorado. O Google informa uma referência de vídeo ao gerar 11–15 segundos.