Gemini Omni 1.1 Flash

Gemini Omni 1.1 Flash Start-End-Frame-to-Video di E2X

Gemini Omni 1.1 Flash adalah gemini-omni-1.1-flash milik Google, GA sejak 27 Agustus 2026 dan sebuah model keluarga Gemini alih-alih Veo. Kami menjalankan kemampuan dua-frame-nya sebagai google/omni-1.1-flash/start-end-frame-to-video dan menagih per detik output — $0.09 pada 720p, potongan tetap 40% dari tarif daftar $0.15. Klip delapan detik default berarti $0.72.

Tiga field masuk: sebuah frame awal, sebuah frame akhir, sebuah prompt. Gambar pertama Anda menjadi frame pertama, gambar kedua menjadi yang terakhir, semua di antaranya dikarang. Itu bukan permintaan klip melainkan permintaan jembatan, dan sebuah jembatan bernilai sebesar nilai kedua tepiannya.

Ini juga baru di sini — generasi Omni Flash sebelumnya dikirim tanpa kemampuan ini, bukti paling gamblang untuk argumen di ulasan rilis 1.1 kami. Sebuah rilis kesinambungan, bukan rilis kualitas.

Tarif kami, diperiksa 28 Agustus 2026:

1080p dan 4K adalah hasil upscale, bukan native.

Apa yang dikarang model di antara dua frame Anda

Tweening adalah model pikir yang keliru. Perkakas tweening mencampur piksel A menuju piksel B. Model ini membaca kedua gambar, memutuskan peristiwa apa yang masuk akal membawa adegan itu dari satu ke yang lain, lalu merendernya — audio termasuk, dihasilkan secara native dari prompt yang sama. Tidak ada field has_sound, tidak ada sakelar bisu.

Pada 24 fps, jembatan empat detik adalah sembilan puluh enam frame, dua di antaranya Anda sediakan sendiri. Sembilan puluh empat sisanya adalah sebuah argumen tentang fisika, yang dibuat entah argumen itu benar atau tidak. Pembingkaiannya 16:9 atau 9:16; anggarkan empat menit per job.

Frame yang bisa disambung, dan frame yang tidak

Tiga pertanyaan menuntaskan soal pasangan frame. Subjek yang sama? Bukan mirip — sama. Cahaya yang sama? Arah key light, suhu warna, kontras. Mungkinkah sebuah kamera melakukan gerakan itu? Kalau Anda tak bisa mengatakannya dalam satu kalimat yang bisa diikuti seorang operator, model pun tidak bisa.

Ketika jawabannya tidak, tak ada yang error — model menambal celahnya, dalam empat bentuk:

• Potongan yang dikarang. Dua shot dilas pada titik sembarang. Anda memesan satu take; yang Anda dapat sebuah editan.
• Morph. Geometri yang tak bisa berputar akhirnya mengalir saja: wajah yang berputar sampai terbalik ke dalam, label yang meluncur menyeberangi kaca.
• Lompatan cahaya. Tengah hari di satu ujung, senja di ujung lain, eksposur melompat di tengah shot seperti dissolve yang gagal.
• Ghosting. Satu orang di frame awal, tiga di frame akhir — dua tambahan itu muncul samar dari ketiadaan.

Klip yang tak bisa Anda pakai berbiaya sama dengan klip yang bisa.

Bikin draft di 360p sebelum Anda membayar render

Pada $0.0297 per detik, tes empat detik di 360p adalah $0.1188; final delapan detik di 720p adalah $0.72, lima kali lipat. Dan 360p, yang terlalu kecil untuk menilai wajah, sudah cukup untuk menilai bagian tengahnya. Sebuah potongan tetaplah potongan pada resolusi apa pun. Sebuah morph tetaplah morph. Google juga mengklaim tingkat ini berjalan sampai 60% lebih cepat — kalimat blog peluncuran, bukan angka dari referensi API.

Itu membuat pekerjaan storyboard jadi terjangkau untuk diiterasi. Dua key frame per beat, shot list dijalankan pada empat detik dan 360p, diputar sebagai animatik — dua belas beat dengan sekitar $1.73. Kegagalan hampir selalu masalah pasangan frame, yang dibereskan dengan menggambar ulang satu papan alih-alih menulis ulang prompt lima kali. Render hanya yang selamat. Veo 3.1 Fast start-end-frame-to-video sama sekali tidak punya tingkat draft.

Durasi adalah kontrol tempo

duration menerima 4, 6, 8 atau 10, sebagai string. Setiap detik berbiaya sama, jadi ia terbaca seperti tombol anggaran. Padahal ia tombol penyutradaraan.

Dua frame yang sama pada empat detik dan pada sepuluh detik adalah dua shot yang berbeda. Empat detik memaksa perpindahannya — kamera berkomitmen, sedikit ruang untuk mengarang. Sepuluh detik harus diisi, dan model akan mencari pengisinya sendiri: sebuah layangan, sebuah beat yang ditahan, sebuah gestur kedua. Urusan karangan itulah output paling sulit diprediksi di sini.

Cocokkan panjang dengan jarak: dua sudut produk yang terpaut tiga puluh derajat, direntangkan ke sepuluh detik, hanya membeli gerak merayap dan waktu kosong. Sepuluh detik adalah atap Omni sekaligus keunggulan nyata — Veo berhenti di delapan.

Request API: dua URL frame masuk, satu klip keluar

Cetak sebuah key, tahan di sisi server, kirim job-nya. prompt, start_frame_url, dan end_frame_url wajib, dan kami mengambil kedua gambarnya, jadi tiap URL harus menjawab request tanpa autentikasi.

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/start-end-frame-to-video",
    "input": {
      "prompt": "Kamera membusur ke kanan mengitari mesin espresso saat uap menumpuk. Dengung penggiling, obrolan kafe.",
      "start_frame_url": "https://example.com/07a-left.jpg",
      "end_frame_url": "https://example.com/07b-right.jpg",
      "duration": "6",
      "resolution": "360p"
    }
  }'

Lakukan polling pada job id-nya, atau kirimkan sebuah webhookUrl:

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

const { data } = await fetch("https://api.e2x.ai/v1/jobs/submit", {
  method: "POST",
  headers,
  body: JSON.stringify({
    model: "google/omni-1.1-flash/start-end-frame-to-video",
    input: {
      prompt: "Crane turun perlahan dari pagar atap ke meja di halaman dalam. Satu gerakan berkelanjutan.",
      start_frame_url: "https://example.com/12a-roof.jpg",
      end_frame_url: "https://example.com/12b-courtyard.jpg",
      duration: "10",
      resolution: "720p",
    },
  }),
}).then((r) => r.json());

let url = null;
while (!url) {
  const job = await fetch(`https://api.e2x.ai/v1/jobs/${data.jobId}`, { headers })
    .then((r) => r.json());

  if (job.data.status === "completed") url = job.data.outputs[0].url;
  else if (["failed", "cancelled"].includes(job.data.status))
    throw new Error(job.data.error?.message ?? job.data.status);
  else await new Promise((r) => setTimeout(r, 5000));
}

Status berjalan pending, processing, completed, atau mendarat di failed/cancelled. Dua jebakan schema: duration dan resolution adalah string, dan nama field-nya start_frame_url dan end_frame_url, bukan image_url tunggal yang dipakai di tempat lain. Nilai live ada di spesifikasi machine-readable.

Di mana ini mengalahkan Veo, dan di mana tidak

Veo 3.1 Fast menjalankan pekerjaan yang sama dengan sepersembilan uangnya:

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.

Mulailah dari Veo. Kembalilah ke sini ketika dinding delapan detiknya menghalangi, ketika deliverable-nya 4K, atau ketika satu kali jalan draft menghemat lebih banyak daripada biayanya. Sisanya ada di bawah image-to-video dan text-to-video, dan seluruh katalog model muat dalam satu halaman.

Menulis prompt-nya, dan apa yang harus diperiksa sebelum Anda merilis

Deskripsikan perpindahannya, bukan pemandangannya — model sudah melihat kedua ujungnya. Sebutkan gerakan yang menyambung keduanya ("busur ke kanan", "crane turun", "rack focus ke jendela jauh"), lalu katakan bagaimana bunyinya seharusnya — audionya ditulis dari baris yang sama itu. Jangan minta peristiwa yang tak diisyaratkan oleh kedua frame. Kosakata kamera yang lebih banyak ada di panduan prompting Omni kami; bahasa Inggris satu-satunya bahasa prompt yang sudah dievaluasi.

Tiga hal sebelum ini mendekati klien. Setiap frame membawa SynthID, penanda provenance tak terlihat milik Google, dan tak ada provider yang bisa melepasnya. Model card Google terang-terangan bahwa "menjaga konsistensi penuh sepanjang proses pengeditan, menghasilkan adegan dengan gerakan kompleks, atau merender teks yang benar-benar akurat masih menjadi tantangan" — dan gerakan kompleks itulah yang diminta oleh jarak frame yang lebar. Di EEA, Swiss, dan Inggris Anda tidak boleh mengunggah gambar berisi anak di bawah umur atau sebagian orang yang dikenali — sebuah batas pada input Anda. URL hasil bersifat sementara: hosting ulang di handler penyelesaian.

Pertanyaan yang sering diajukan

Berapa biaya satu klip start-end-frame di E2X?

Kami menagih $0.09 untuk setiap detik output 720p, jadi klip delapan detik adalah $0.72 dan maksimum sepuluh detik $0.90 — potongan 40% dari tarif daftar $0.15. Resolusi mengalikannya, sehingga draft 360p empat detik jadi $0.1188 dan render 4K sepuluh detik $1.80. Diperiksa 28 Agustus 2026.

Apa yang membuat dua frame jadi pasangan bagus untuk model ini?

Subjek yang sama, penataan cahaya yang sama, dan pergerakan kamera yang secara fisik bisa berpindah dari satu ke yang lain dalam waktu yang diminta. Dua gambar diam dari satu sesi pemotretan, terpaut beberapa menit, hampir selalu berhasil. Frame yang diambil dalam kondisi berbeda memaksa model menyelesaikan perbedaannya di layar.

Apa yang terjadi kalau frame awal dan akhir tidak bisa disambung?

Tak ada yang error. Anda dapat klip yang menyembunyikan celahnya lewat empat kemungkinan: potongan yang dikarang, morph melalui geometri mustahil, lompatan cahaya, atau sosok yang muncul samar dari ketiadaan. Semuanya ditagih sama seperti render yang bagus, dan itulah kenapa draft $0.1188 membayar dirinya sendiri.

Sebaiknya saya pakai Omni 1.1 Flash atau Veo 3.1 Fast untuk ini?

Veo 3.1 Fast dulu, dalam kebanyakan kasus — ia mengerjakan frame awal-dan-akhir dengan $0.01 per detik melawan $0.09 kami, jadi delapan detik berbiaya $0.08, bukan $0.72. Omni membenarkan selisihnya di tiga tempat: durasi sepuluh detik, output 4K, dan tingkat tes 360p.

Berapa panjang satu klip yang dihasilkan?

Tiga sampai sepuluh detik per panggilan. Enum duration membawa 4, 6, 8, 10, semuanya string. Sepuluh adalah batas keras, dan apa pun yang lebih panjang dijahit dari beberapa job.

Apakah frame awal dan akhir harus di-hosting secara publik?

Ya. Keduanya diambil di sisi server, jadi masing-masing harus menjawab request tanpa autentikasi sampai job-nya selesai. Signed URL berumur pendek, bucket privat, alamat localhost, dan data URI akan gagal.

Apakah video yang dihasilkan membawa watermark?

Ya — setiap frame ditandai dengan SynthID, sinyal provenance Google yang tak terinderakan, tak terlihat oleh penonton dan bisa diverifikasi lewat perkakas mereka. Tidak ada provider yang bisa menonaktifkannya. Bereskan itu dengan klien Anda kalau ada kontrak yang melarang aset AI berlabel.