Gemini Omni 1.1 Flash API 价格与接入

枚举语音ID，用于选择预设语音角色。 achernar - 女声，柔和，高音调 achird - 男声，友好，中音调 algenib - 男声，沙哑，低音调 algieba - 男声，随和，中低音调 alnilam - 男声，沉稳，中低音调 aoede - 女声，轻快，中音调 autonoe - 女声，明亮，中音调 callirrhoe - 女声，随和，中音调 charon - 男声，知性，低音调 despina - 女声，流畅，中音调 enceladus - 男声，气声，低音调 erinome - 女声，清晰，中音调 fenrir - 男声，活泼，偏年轻音调 gacrux - 女声，成熟，中音调 iapetus - 男声，清晰，中低音调 kore - 女声，干练，中音调 laomedeia - 女声，欢快，中高音调 leda - 女声，年轻，中高音调 orus - 男声，沉稳，中低音调 puck - 男声，欢快，中音调 pulcherrima - 无性别，前置感，中高音调 rasalgethi - 男声，知性，中音调 sadachbia - 男声，生动，低音调 sadaltager - 男声，博学，中音调 schedar - 男声，平稳，中低音调 sulafat - 女声，温暖，中音调 umbriel - 男声，流畅，低音调 vindemiatrix - 女声，温柔，中音调 zephyr - 女声，明亮，中高音调 zubenelgenubi - 男声，随性，中低音调

语音名称，最大长度为 `210` 字符。

maxLength: 210

语音特征描述，用于定义声音的音色、风格、语速、情绪等，最大长度为 `20000` 字符。

maxLength: 20000

对话示例，例如“你好,我是Adam”，最大长度为 `120` 字符。

maxLength: 120

角色描述，用于说明角色的外观、身份、风格、服饰或性格设定。

角色参考图片 URL 数组。支持最多 2 张图片。索引 0 为头像图片，索引 1 为全身图片。全身图片为可选，但如果提供，则索引 0 处必须存在头像图片。 图片限制： - 每张图片大小不得超过 `20MB` - 请使用可公开访问的图片 URL

minItems: 1

maxItems: 2

由 `gemini-omni-audio` 接口生成的音频 ID 数组。可用于为角色补充声音特征、语气或人设参考。

角色名称

用于生成任务的模型名称。该字段为必填项。此接口必须使用 `google/gemini-omni-flash-1-1` 模型。

可选值："google/gemini-omni-flash-1-1"

默认："google/gemini-omni-flash-1-1"

任务完成通知的回调 URL。该参数为可选项。如果提供，当任务完成时，无论成功或失败，系统都会向该 URL 发送 POST 请求。如果未提供，则不会发送回调通知。

多模态视频生成任务的输入参数。

视频提示词，用于描述目标视频的画面内容、风格、镜头语言或角色行为。

maxLength: 20000

图片地址数组。可上传多张参考图片，用于提供角色、场景、风格或分镜参考。 图片限制： - 单个文件大小不超过 `20MB` - 请使用可公开访问的图片 URL - 最大7张图 - 注意：本字段与首帧图片（first_frame_url）互斥，不可同时传递。

首帧图片地址。用于指定生成视频的起始画面。注意：本字段与 `image_urls`、`audio_ids`、`video_list`、`character_ids` 字段互斥，不可同时传递。

尾帧图片地址。用于指定生成视频的结束画面。注意：尾帧图片不能单独使用，必须与首帧图片（first_frame_url）同时提供。

由 `gemini-omni-audio` 接口生成的音频 ID 数组。用于为视频提供旁白、对白、配乐或声音参考。最多3个。注意：本字段与首帧图片（first_frame_url）互斥，不可同时传递。

视频片段数组。每个元素描述一个可参与生成的视频素材及其截取时间范围。 视频限制： - 单个文件大小不超过 `100MB` - 视频时长不超过 `30s` - `ends` 应大于 `start` - 结束与起始时间之差不超过`10s` - 最多1个，占用两张图 - 注意：本字段与首帧图片（first_frame_url）互斥，不可同时传递。

视频地址。单个视频文件大小不超过 `100MB`，视频时长不超过 `30s`。

起始时间，单位为秒。

minimum: 0

结束时间，单位为秒。应大于 `start`。结束与起始时间之差不超过10秒

minimum: 0

由 `gemini-omni-character` 接口生成的角色 ID 数组。用于为视频提供角色外观、身份或人物参考。最多 3 个角色 ID。每个占 1 个图片槽位（用肖像+全身两张图创建的占 2 个）。总槽位（图片数 + 视频数×2 + 角色槽位）≤ 7。注意：本字段与首帧图片（first_frame_url）互斥，不可同时传递。

生成视频的时长，单位为秒。可选值为 4、6、8、10。 该参数仅在无视频输入时生效；如使用视频输入，输出时长由模型决定，duration 参数将被忽略。注意：当提供视频输入时，输出时长由模型自动确定。此时 duration 参数将不会生效。

可选值："4", "6", "8", "10"

生成视频的画面宽高比。`16:9` 为横屏视频，`9:16` 为竖屏视频。

可选值："16:9", "9:16"

生成视频的分辨率。可选值为 360p、720p、1080p、4k。

可选值："360p", "720p", "1080p", "4k"

默认："720p"

随机种子。取值范围：[0, 2147483647]。如果不指定，系统会自动生成一个 seed。固定 seed 可以提高结果的可复现性，但由于模型本身具有随机性，结果仍可能存在差异。