Gemini Omni 1.1 Flash

API Image-to-Video Gemini Omni 1.1 Flash di E2X

Gemini Omni 1.1 Flash mencapai ketersediaan umum di Google pada 27 Agustus 2026. Ia milik keluarga Gemini, bukan Veo, dan kami memaparkan kemampuan image-to-video-nya sebagai google/omni-1.1-flash/image-to-video. Kami menagih per detik video jadi — $0.09 per detik pada 720p, melawan tarif daftar $0.15, karena diskon tetap 40% berlaku untuk keempat kemampuannya. Klip delapan detik default berarti $0.72. Yang wajib: prompt dan image_url.

Pahami dulu apa itu gambar diam Anda sebelum panggilan pertama. Ia sebuah kontrak. Ia menetapkan frame pertama, dan bersamanya pembingkaian, lensa, palet, subjek, serta setiap cacat yang sudah ada di dalam gambar. Prompt Anda hanya kebagian beberapa detik sesudahnya, tidak sedetik pun sebelumnya.

Nyaris setiap hasil membosankan di sini berpangkal pada satu kesalahan: prompt yang mendeskripsikan fotonya alih-alih perubahannya. Sebutkan apa yang bergerak. Sebutkan ke mana kameranya pergi.

Resolusi menskalakan tarif itu: 360p adalah 0,4× ($0.0297 per detik), 1080p 1,5× ($0.135), 4K 2× ($0.18). Satu kali jalan empat detik di 360p berbiaya $0.1188 — cara termurah untuk tahu apakah gambar diam Anda memang bisa bergerak.

Dua frame dengan bagian tengah diserahkan kepada model? Omni 1.1 Flash start-end-frame-to-video. Satu subjek yang difoto dari beberapa sudut, konsisten di sepanjang shot list? Omni 1.1 Flash reference-to-video. Sama sekali tidak ada materi sumber? Omni 1.1 Flash text-to-video yang membawa seluruh argumen harganya.

Apa yang dikunci oleh gambar sumber

Perlakukan job ini sebagai kelanjutan, bukan tafsiran. Model menerima gambar diam Anda sebagai frame pertama, lalu mengarang dua puluh empat frame masuk akal setiap detik sesudahnya, semuanya berjangkar pada apa yang Anda serahkan. Jangkar itulah nilainya: sebuah key visual yang sudah disetujui tetap on brand karena tak seorang pun mengocok ulangnya.

Ia juga batasannya. Frame yang berantakan menyerahkan lebih banyak objek untuk dijaga koherensinya sementara segalanya bergeser, dan koherensi adalah titik lemah generasi ini. Model card Google mengatakannya: "Menjaga konsistensi penuh sepanjang proses pengeditan, menghasilkan adegan dengan gerakan kompleks, atau merender teks yang benar-benar akurat masih menjadi tantangan." Papan nama meleleh. Kerumunan mengaduk wajah. Satu subjek di latar bersih bertahan sepuluh detik lebih baik daripada kekacauan bertahan empat detik.

Menyiapkan gambar diam sebelum Anda mengeluarkan uang

Samakan sendiri crop-nya. Output datang dalam 16:9 atau 9:16 — tidak ada persegi, tidak ada 4:5, tidak ada ultrawide. Paksakan potret 4:5 ke dalam job 16:9 dan ada yang harus mengalah: model mengisi sisi kiri-kanan dengan materi yang tak pernah difoto siapa pun, atau komposisinya melayang menyesuaikan diri. Anda tetap membayar $0.09 per detik. Crop dulu, selagi keputusan itu gratis.

Jangan upscale demi mencapai 4K. Resolusi sumber membatasi detail yang jujur bisa dibawa output. Thumbnail selebar 640 piksel yang dirender pada 1080p hanyalah file lebih besar berisi detail yang sama, dengan tarif 1,5×.

Sisakan ruang bagi gerakan. Ruang kepala di atas subjek, jalan di depan mobil. Crop terlalu ketat dan tak ada yang bisa bergerak tanpa terdorong keluar frame — alasan umum sebuah klip terbaca seperti foto yang bergoyang.

Request API: satu URL masuk, satu MP4 keluar

Cetak sebuah key di dashboard dan simpan di sisi server. Pipeline kami sendiri yang mengambil image_url, jadi alamatnya harus bisa dijangkau lewat internet publik — sebuah alamat HTTPS di CDN atau object store Anda, jangan pernah path lokal, localhost, atau URL di balik login. Signed URL boleh saja asal jendelanya longgar: job berjalan sekitar empat menit, dan tautan enam puluh detik mati lebih dulu.

curl -X POST https://api.e2x.ai/v1/jobs/submit \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "google/omni-1.1-flash/image-to-video",
    "input": {
      "prompt": "Uap mulai mengepul dari corot teko dan melayang ke kanan. Kamera mendorong perlahan ke arah gagangnya. Dengung dapur, teko yang mulai berdetak. Tidak ada lagi yang bergerak di dalam frame.",
      "image_url": "https://cdn.example.com/stills/copper-kettle-16x9.jpg",
      "aspect_ratio": "16:9",
      "resolution": "720p",
      "duration": "8"
    }
  }'

Anda mendapat sebuah job ID kembali. Lakukan polling, atau serahkan webhookUrl kepada kami dan lewati loop-nya:

const headers = {
  Authorization: `Bearer ${process.env.E2X_API_KEY}`,
  "Content-Type": "application/json",
};

const start = await fetch("https://api.e2x.ai/v1/jobs/submit", {
  method: "POST",
  headers,
  body: JSON.stringify({
    model: "google/omni-1.1-flash/image-to-video",
    input: {
      prompt:
        "Ia berbalik ke arah kamera dan syalnya terangkat tertiup angin. Terkunci. Camar, deburan ombak di kejauhan.",
      image_url: "https://cdn.example.com/stills/portrait-9x16.png",
      aspect_ratio: "9:16",
      resolution: "360p",
      duration: "10",
    },
  }),
}).then((r) => r.json());

const { jobId } = start.data;

for (let tick = 0; tick < 360; tick++) {
  const job = await fetch(`https://api.e2x.ai/v1/jobs/${jobId}`, { headers })
    .then((r) => r.json());

  if (job.data.status === "completed") {
    await archive(job.data.outputs[0].url);   // salin ke tempat yang permanen
    break;
  }
  if (["failed", "cancelled"].includes(job.data.status)) {
    throw new Error(job.data.error?.message ?? job.data.status);
  }
  await new Promise((r) => setTimeout(r, 5000));
}

Sebuah job melaporkan pending, lalu processing, lalu completed, failed atau cancelled. Dua detail schema yang sering menggigit: duration dan resolution adalah string, jadi kirim "10" bukan 10; dan tidak ada sakelar audio sama sekali, karena suara dihasilkan bersama gambarnya dan diarahkan dari prompt Anda. Definisi field selalu mutakhir di spesifikasi machine-readable.

Prompt-kan selisihnya, bukan gambarnya

Tulis hanya apa yang berubah. Subjek, cahaya, dan komposisi sudah datang bersama file-nya; mengulanginya menghabiskan perhatian yang bisa dipakai model untuk gerakan. Tidak menyebut gerakan sama sekali dan Anda dapat frame nyaris diam yang cuma melayang, dengan tarif penuh.

Satu gerakan, disebutkan. Uap naik. Sebuah pintu terayun ke dalam. Rambut terangkat. Pilih aksi yang penting dan biarkan sisanya diam — mengucapkannya terang-terangan menolong lebih banyak daripada yang terdengar.

Satu instruksi kamera. "Push-in lambat", "terkunci", "handheld melayang ke kiri". Tata bahasa sederhana mengalahkan satu paragraf sinematografi, dan kamera yang tak disebutkan menjadi keputusan model.

Suara di baliknya. Room tone, lalu lintas, satu efek spesifik. Kesunyian bukan default; mix yang tak Anda tentukan akan dikarang untuk Anda. Prompt bisa sampai 50.000 karakter, jadi panjang tidak pernah jadi batasnya — presisi yang jadi batas. Panduan prompting Gemini Omni kami menggali lebih dalam soal pemilihan kata.

Di mana Veo 3.1 Fast menang, dan biasanya memang menang

Dengarkan ini dari kami alih-alih dari tagihan. Veo 3.1 Fast image-to-video berjalan di platform yang sama dengan $0.01 per detik — sembilan kali di bawah endpoint di halaman ini.

Harga dan ketentuan produk dapat berubah sewaktu-waktu. Periksa harga terkini masing-masing provider sebelum mengambil keputusan pembelian. Harga Google Batch atau Flex tidak setara langsung dengan request API on-demand standar karena kondisi penjadwalan, ketersediaan, dan pemrosesannya berbeda; karena itu harga tersebut tidak disertakan dalam perbandingan ini. Ini adalah perbandingan dengan cakupan terbatas, bukan klaim bahwa E2X adalah opsi termurah di dunia dalam setiap konfigurasi.

Anggap itu serius. Satu foto, dianimasikan sekali, tempatnya di Veo. Premi di sini baru terbayar dalam tiga kasus: editan Anda butuh sepuluh detik sementara Veo berhenti di delapan; Anda ingin membuat draft dengan $0.0297 per detik; atau klip ini harus menjadi bagian dari satu set. Cara-cara lain menganimasikan gambar diam ada di kategori image-to-video, berdampingan dengan katalog model kami.

Sebelum Anda membangun di atasnya

Output-nya 24 fps, tiga sampai sepuluh detik per generasi, dengan watermark SynthID di setiap frame yang tak seorang pun dalam rantai ini bisa mematikannya. URL hasil bersifat sementara — arsipkan file-nya di dalam handler penyelesaian Anda. Tautan yang tak bisa Anda ambil besok adalah render yang Anda beli dua kali.

Satu aturan berlaku khusus karena Anda mengunggah sebuah foto: di seluruh EEA, Swiss, dan Inggris, Google memblokir gambar sumber yang menampilkan anak di bawah umur, dan sebagian individu yang dikenali juga. Bahasa Inggris juga satu-satunya bahasa prompt yang sudah dievaluasi Google. Catatan rilis kami untuk Gemini Omni 1.1 Flash membahas apa lagi yang berubah dari pendahulunya yang masih kami jalankan, yang dipensiunkan di hulu pada 30 September 2026.

Pertanyaan yang sering diajukan

Berapa biaya Omni 1.1 Flash image-to-video di E2X?

Sembilan sen membeli satu detik pada 720p. Klip default berjalan delapan detik, jadi $0.72; sepuluh detik, batas atasnya, menjadi $0.90. Tarif itu adalah diskon 40% dari harga daftar $0.15, dibaca dari katalog live kami pada 28 Agustus 2026. Resolusi menggeser pengalinya — 0,4× pada 360p, 1,5× pada 1080p, 2× pada 4K.

Sebaiknya saya pakai ini atau Veo 3.1 Fast untuk menganimasikan sebuah foto?

Veo, untuk kebanyakan gambar diam tunggal — $0.01 per detik melawan $0.09, atau $0.08 melawan $0.72 sepanjang delapan detik. Kembalilah ke sini ketika Anda butuh sepuluh detik, ketika satu kali jalan draft 360p menghemat uang secara keseluruhan, atau ketika klipnya harus cocok dengan klip lain yang dibuat dari subjek yang sama.

Rasio aspek apa saja yang didukung output-nya?

Hanya 16:9 dan 9:16. Crop sumber Anda ke rasio target sebelum mengirim; kalau tidak, model menyelesaikan sendiri ketidakcocokannya dan Anda bisa kehilangan sebagian komposisi yang sudah Anda setujui.

Di mana image_url harus di-hosting?

Di mana pun yang bisa dijangkau pipeline kami lewat HTTPS publik — sebuah CDN, bucket S3 atau GCS, server web Anda sendiri. Path lokal, localhost, dan apa pun di balik autentikasi akan gagal. Signed URL berfungsi kalau masa berlakunya dengan nyaman melampaui empat menit yang dibutuhkan sebuah job.

Kenapa klip saya nyaris tidak bergerak?

Biasanya karena prompt-nya mendeskripsikan ulang gambar alih-alih mengarahkannya. Gambar diam sudah menetapkan subjek dan pembingkaiannya; tanpa gerakan dan tanpa pergerakan kamera yang disebutkan, model tidak punya apa pun untuk dikerjakan. Tulis ulang sebagai satu gerakan plus satu instruksi kamera.

Apakah video yang dihasilkan menyertakan audio?

Ya, diproduksi secara native bersama gambarnya dan tersinkron dengannya. Tidak ada field has_sound dan tidak ada mode senyap, jadi deskripsikan ambiensnya di dalam prompt. Audio tidak bisa diedit belakangan — sebuah perubahan berarti generasi baru.

Adakah pembatasan soal orang di dalam gambar sumber saya?

Ada. Google memblokir gambar sumber yang menampilkan anak di bawah umur, plus sebagian individu yang dikenali, bagi pengguna di seluruh EEA, Swiss, dan Inggris — kebijakannya, ditegakkan di setiap provider. Output juga membawa watermark SynthID yang tak terlihat, jadi rencanakan aset AI yang berlabel.