Gemini Omni
بازگشت به همه مقالات
8 دقیقه مطالعه

Gemini Omni 1.2 Flash: کلیپ ۱۵ ثانیه‌ای، ویرایش چندنوبتی و قیمت‌گذاری GA

Google در ۵ نوامبر ۲۰۲۶ gemini-omni-1.2-flash را GA کرد: کلیپ‌های ۱۵ ثانیه‌ای، ویرایش چندنوبتی و حدود $0.07 برای هر ثانیه خروجی ویدیوی 720p در دسته پولی Gemini API.

Gemini OmniGemini Omni FlashOmni 1.2APIPricing2026فارسی

دسترس عمومی در ۵ نوامبر

Google در ۵ نوامبر ۲۰۲۶ Gemini Omni 1.2 Flash را به‌صورت عمومی (GA) در دسترس قرار داد. شناسه مدل gemini-omni-1.2-flash است. Google این را اولین GA رسمی Gemini Omni می‌داند.

طبق پست عرضه، خروجی‌ها واترمارک SynthID نامحسوس دارند و Google Provisioned Throughput را در دسترس می‌داند. مرجع تولید رسانه‌ای Google هم متادیتای C2PA را فهرست می‌کند. در API توسعه‌دهندگان برای Omni Flash دسته رایگان وجود ندارد.

اگر هنوز gemini-omni-1.1-flash را هدف می‌گیرید، برای ۳ دسامبر ۲۰۲۶ برنامه‌ریزی کنید؛ از آن تاریخ درخواست‌های 1.1 به 1.2 مسیریابی و با نرخ 1.2 صورتحساب می‌شوند (ببینید قیمت AI Studio و صفحه مدل).

کلیپ‌های ۱۵ ثانیه‌ای

تولید بومی اکنون تا ۱۵ ثانیه است؛ در Omni 1.1 حداکثر ۱۰ ثانیه بود. در حالت‌های پشتیبانی‌شده می‌توانید مدت را در گام‌های یک‌ثانیه‌ای از ۳ تا ۱۵ ثانیه تنظیم کنید.

Google Vids لغزنده طول ۳ تا ۱۵ ثانیه دارد. طبق Workspace Updates، rollout برای حساب‌های واجد شرایط Workspace و مصرف‌کننده از ۵ نوامبر آغاز شد و ظهور قابلیت ۱ تا ۳ روز طول می‌کشد. در پست Vids Google می‌گوید هر کسی با حساب Google یا اشتراک Google Workspace می‌تواند تا سه ویدیوی ۱۵ ثانیه‌ای در ماه بدون هزینه در Vids بسازد.

پایبندی به مرجع، یکنواختی و گفتار

پست عرضه این تغییرات را فهرست می‌کند:

حوزهآنچه Google برجسته می‌کند
مراجعتصویر شخصیت، محصول یا سبک؛ کلیپ حرکت کوتاه تا ۳ ثانیه؛ نشانه‌های صوتی
یکنواختیdrift و morphing کمتر از فریم اول تا آخر؛ اشیاء صحنه و محیط پایدارتر در گذرها
گفتاردیالوگ طبیعی‌تر، lip-sync واضح‌تر، conditioning چند گوینده متمایز

در API می‌توانید تا ۶ تصویر مرجع برای تولید جدید، ویرایش و extension (از جمله کلیپ ۱۵ ثانیه‌ای) پیوست کنید. ویدیوی مرجع فقط برای تولید جدید است: تا ۳ مرجع برای کلیپ ۳ تا ۱۰ ثانیه و ۱ برای ۱۱ تا ۱۵ ثانیه.

سقف ویدیوی منبع آپلودشده به وظیفه بستگی دارد. صفحه مدل ویدیو تا ۱۵ ثانیه برای editing و ۱۰ ثانیه lookback برای extension را فهرست می‌کند. سقف را بسته به وظیفه تا حدود ۱۰ تا ۱۵ ثانیه در نظر بگیرید و پیش از deploy روی صفحه مدل تأیید کنید.

ویرایش چندنوبتی

ویرایش گفت‌وگومحور چندنوبتی روی کلیپ‌های کامل ۱۵ ثانیه کار می‌کند. previous_interaction_id را روی Interactions API می‌فرستید تا محصول یا پس‌زمینه عوض شود، نور یا آب‌وهوا تغییر کند یا نسبت تصویر جابه‌جا شود — بدون تولید مجدد از صفر.

راهنمای گردش کار Google: پیش‌نویس در 360p یا 720p، جزئیات را با ویرایش بعدی اصلاح کنید، سپس بهترین خروجی را به 1080p یا 4K upscale کنید.

قیمت‌گذاری

نرخ‌های منتشرشده در صفحه قیمت AI Studio (فقط دسته پولی):

معیارOmni 1.2 FlashOmni 1.1 Flash
ورودی (متن، تصویر، ویدیو) به ازای 1M توکن$1.50$1.50
خروجی متن (شامل thinking) به ازای 1M توکن$9.00$9.00
خروجی ویدیو به ازای 1M توکن$12.00$17.50
معادل 720p به ازای هر ثانیهحدود $0.07حدود $0.10

Google می‌گوید قیمت مؤثر خروجی ویدیو نسبت به Omni 1.1 حدود ۳۰٪ کاهش یافته. صورتحساب از 5,792 توکن خروجی به ازای هر ثانیه ویدیوی 720p با نرخ ویدیو $12 به ازای 1M توکن استفاده می‌کند.

رزولوشنتقریب $/ثانیه
360p$0.023
720p$0.07
1080p (با upsampling)$0.104
4K (با upsampling)$0.209
کلیپ (720p)هزینه تقریبی
۱۰ ثانیهحدود $0.70
۱۵ ثانیهحدود $1.04

محدودیت‌های API بر اساس حالت

محدودیت‌های زیر صفحه مدل و skill API Omni Flash Google را دنبال می‌کند. همه تولید از Interactions API (client.interactions.create) است، نه generate_content. خروجی ویدیو با صدای بومی به‌علاوه متن است. 24 FPS. نسبت‌ها: 16:9 و 9:16. سقف ورودی 131,072 توکن؛ سقف خروجی 65,536 توکن.

حالتمدتیادداشت مرجع
Text to video3 تا 15 sتصویر تا 6؛ video ref طبق قواعد طول کلیپ بالا
تک تصویر فریم اول به ویدیو3 تا 15 sهمان
مرجع به ویدیو و editing3 تا 15 sتصویر تا 6
درونیابی فریم اول و آخر3 تا 10 sهر دو فریم لازم است
extension ویدیو در هر نوبت3 تا 10 sتا 30 s جمع تجمعی

رزولوشن‌ها: 360p، 720p (پیش‌فرض)، 1080p، 4K.

from google import genai

client = genai.Client()

interaction = client.interactions.create(
    model="gemini-omni-1.2-flash",
    input=[{"type": "text", "text": "A product demo on a clean stage."}],
    response_format={
        "type": "video",
        "duration": "10s",
        "resolution": "720p",
        "aspect_ratio": "16:9",
    },
)

کجا در دسترس است

سطح دسترسیدسترسی
Gemini API و Google AI Studioدسته پولی؛ اپ‌های starter و مستندات توسعه‌دهنده
Google Cloud console و Gemini for businessراهکارهای سازمانی روی API
Google Flowصحنه و ویرایش چندنوبتی؛ extension ویدیو به Omni 1.2 و Google AI Plus، Pro یا Ultra نیاز دارد (راهنمای Flow)
Google Vidsتا سه ویدیوی ۱۵ ثانیه‌ای در ماه بدون هزینه با حساب Google یا اشتراک Workspace (پست Vids)
اپ Geminiویدیوهای ۱۵ ثانیه‌ای در حال rollout برای مشترکین Google AI Ultra
Google Adsمقیاس‌دهی کمپین ویدیویی

مهلت‌ها برای کاربران Omni 1.1 و Veo

تاریخسطحتغییر
2026-11-05Google FlowVeo Extend بازنشسته؛ برای extend از Omni Flash 1.2 با AI Plus، Pro یا Ultra استفاده کنید (راهنمای Flow)
2026-12-03Gemini APIدرخواست به gemini-omni-1.1-flash به gemini-omni-1.2-flash مسیریابی و با نرخ 1.2 صورتحساب می‌شود
2026-12-05Google FlowVeo 3.1 Fast، Veo 3.1 Quality و Omni Flash 1.1 بازنشسته؛ Veo 3.1 Lite باقی می‌ماند (720p، 4/6/8 s، بدون video-to-video، بدون extend)

آنچه Google هنوز سخت می‌داند

Google یادآوری می‌کند توسعه روی حرکت سریع ورزشی، تغییرات ناگهانی سناریو و فیزیک پیچیده ادامه دارد. این موارد را تا بهبودهای بعدی پرریسک‌تر در نظر بگیرید.

چک‌لیست اقدام

  1. کار API جدید را روی gemini-omni-1.2-flash با Interactions API و صورتحساب دسته پولی ببرید.
  2. پیش از ۳ دسامبر ۲۰۲۶ هر وابستگی به قیمت یا محدودیت طول کلیپ gemini-omni-1.1-flash را regression-test کنید.
  3. در Flow از Veo Extend مهاجرت کنید و برای بازنشستگی ۵ دسامبر Veo 3.1 Fast/Quality و Omni 1.1 برنامه بریزید.
  4. بودجه را حدود $0.07 برای هر ثانیه خروجی 720p در نظر بگیرید؛ پیش‌نویس 360p و پاس ویرایش پیش از upscale 1080p یا 4K.
  5. پیش از تغییر پرامپت production یا بسته مرجع، پست عرضه و صفحه مدل را بخوانید.

مطالعه مرتبط