Gemini Omni 1.1 Flash

API Gemini Omni 1.1 Flash Text-to-Video на E2X

Omni 1.1 Flash вышла в general availability у Google 27 августа 2026 года — модель семейства Gemini, а не Veo. Мы держим её capability, работающую от одного prompt, как google/omni-1.1-flash/text-to-video и берём плату за каждую секунду вывода: $0.09 на 720p, при прайсовой ставке $0.15 и постоянной скидке 40%. Восемь секунд по умолчанию — $0.72. Весь payload здесь — это prompt.

Одна цифра тут выросла. Предшественник, Gemini Omni Flash text-to-video, тарифицируется на этой платформе по $0.0825 за секунду; эта страница — по $0.09. На девять процентов больше, и лучше прочитать это здесь, чем выводить из счёта. Эти девять процентов покупают не лучшую секунду видео. Они покупают черновой уровень за $0.0297, для которого у старой модели нет даже enum разрешений, ролики до десяти секунд и две capability, которых предшественник на E2X не выпускал вовсе. Остальное разобрано в наших заметках о релизе 1.1.

Теперь предложение против нашего же счёта. Veo 3.1 Fast text-to-video работает на этой же платформе за $0.01 в секунду — девятая часть цены с этой страницы. Один ролик из одной фразы, и дальше от него ничего не зависит? Идите туда. Наценка здесь покупает десять секунд, 4K, дешёвый черновой режим и кадры, которые принадлежат друг другу. Не берёте ничего из этого — вы не купили ничего.

Другой исходник — другой endpoint: кадр, который должен стать первым, идёт в image-to-video, два конца с разрывом между ними — в start-end-frame-to-video, повторяющееся лицо — в reference-to-video.

Сколько секунда этой модели стоит у разных провайдеров

Каждая цифра ниже прочитана 28 августа 2026 года со страницы версии 1.1 у самого провайдера:

Строка Google — это её собственная арифметика, опубликованная на её же странице с ценами: $17.50 за миллион выходных токенов, 5792 токена в секунде 720p, $0.1014 — поэтому тамошняя сноска и останавливается на «примерно $0.10 за секунду». Каждая строка идёт со звуком, так что сравнение равное. Переключателя аудио у этой модели нет вовсе: реплики и шум помещения рождаются вместе с картинкой, и никто из этого списка не тарифицирует их отдельно. Google публикует ту же ставку для каждого разрешения — в виде количества токенов: 1931 токен в секунду на 360p, 5792 на 720p, 8688 на 1080p, 17 376 на 4K, и во всех четырёх звук включён. Значит, лестница ниже сравнивает сопоставимое до самого верха.

Перепроверяйте нас, но читайте строку версии. У fal.ai два листинга: страница google/gemini-omni-flash без версии, где старые preview-веса стоят около $0.125 за секунду, и страница v1.1 за $0.10. У нас v1.1. Wavespeed заслуживает обратной осторожности — $0.13 подтверждены только для её варианта text-to-video, поэтому остальные её цифры сюда не попали.

Ставка на 720p — не самая интересная половина. Вот интересная:

Наш множитель от 720p к 4K — 2×. У Google он ровно 3×: её собственные счётчики токенов идут от 5792 к 17 376. Внизу обе лестницы одной формы: шаг вниз к 360p с обеих сторон — 0,33×. По мере подъёма они расходятся, и к 4K Google утроила свою ставку 720p, а мы свою удвоили. Именно поэтому мы оказываемся ниже Google на всех четырёх ступенях: на двенадцать процентов на 360p, на одиннадцать на 720p и на 1080p и на сорок один процент на 4K. Runware тоже стоит взгляда: вровень с Google на 720p, затем $0.16 на 1080p и $0.32 на 4K — в обоих случаях выше собственной ставки Google. Одно замечание, если будете нас проверять: таблица анонса Google округляет эти суммы до $0.03, $0.10, $0.15 и $0.30. Цифры выше взяты из её собственных счётчиков токенов по разрешениям — по ним и считается счёт.

Цены и условия продуктов со временем меняются; проверьте актуальные цены каждого провайдера, прежде чем принимать решение о покупке. Цены Google Batch или Flex не эквивалентны напрямую стандартному on-demand API request, поскольку планирование, доступность и условия обработки отличаются; поэтому они исключены из этого сравнения. Это ограниченное по охвату сравнение, а не утверждение, что E2X — самый дешёвый вариант в мире при любой конфигурации.

Черновик на 360p, финальный дубль на 720p

Счёт опустошает повторение, а не какая-то одна генерация: седьмая попытка стоит ровно столько же, сколько первая.

Четыре секунды на 360p — $0.1188; те же четыре на 720p — $0.36. Шесть дешёвых черновиков плюс один рендер на длительности по умолчанию выходят в $1.07 против $2.52 за семь проходов по полной цене. Google заявляет, что 360p ещё и возвращается до 60% быстрее — это её цифра, не наша.

Десять секунд 4K по $0.18 за секунду — $1.80, самый крупный единичный счёт на этой странице.

Отправка request

Сгенерируйте ключ в дашборде, держите его подальше от клиента и отправьте job. prompt — единственное обязательное поле.

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/text-to-video",
    "input": {
      "prompt": "Сварщица опускает маску, искры бросают синий свет на штабель стали. Медленный проезд влево. Треск дуги, вентилятор за кадром.",
      "resolution": "360p",
      "duration": "6",
      "seed": 20260828
    }
  }'

Это черновой проход: шесть секунд на 360p, $0.1782. Переключите resolution на 720p — и он будет стоить $0.54.

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/text-to-video",
    input: { prompt: "Дождь молотит по автобусной остановке ночью.", duration: "4" },
  }),
}).then((r) => r.json());

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

  if (status === "completed") { await archive(job.data.outputs[0].url); break; }
  if (status === "failed" || status === "cancelled") throw new Error(status);
  await new Promise((r) => setTimeout(r, 5000));
}

Закладывайте четыре минуты на job или передавайте webhookUrl. Две ловушки: duration и resolution едут строками, "10", а не 10; и возвращённая ссылка истекает, так что копируйте файл в постоянное место прямо в момент чтения. Каждое поле описано в машиночитаемой спецификации.

Какую из наших видеомоделей звать на самом деле

Сначала самая дешёвая:

Прочтите первую строку против второй. Девятикратная цена — это много за ролик, который никто ни с чем не будет монтировать; наценка покупает непрерывность. Всё остальное, что превращает prompt в отснятый материал, лежит в категории text-to-video; все модели, которые мы держим, собраны на одной странице.

Прежде чем на этом строить

Вывод зафиксирован: 24 fps, от трёх до десяти секунд, 16:9 или 9:16. Эти десять важны, потому что Veo останавливается на восьми. Карточка модели называет три слабых места:

«Сохранение полной консистентности на протяжении всех правок, генерация сцен со сложным движением и отрисовка идеально точного текста остаются сложной задачей.»

Текст в кадре подводит чаще всего: попросите вывеску магазина — и получите буквы, которые разваливаются при внимательном взгляде. Толпа, вода и руки — это случаи сложного движения.

SynthID незаметно метит каждый кадр, и снять эту метку не может никто. Английский — единственный язык prompt, который Google оценивала, а Vertex AI Google свернула 22 апреля 2026 года в Gemini Enterprise Agent Platform — именно там модель числится для корпоративных покупателей.

Как написать кадр, когда опереться не на что

У модели есть ваши слова и seed; всё, чего вы не сказали, становится её решением. Описывайте один кадр, а не последовательность — три события в восьми секундах дадут вам плохую склейку или смазанную кашу.

Зафиксируйте камеру. «Статичный общий», «медленный проезд влево», «съёмка с рук в проводке». Неназванная камера начинает дрейфовать.

Зафиксируйте свет. Натриевый фонарь, пасмурный день, один практический источник. Свет отличает продуманный кадр от рендера.

Зафиксируйте звук. Вы платите за аудио независимо от того, планировали вы его или нет, так что называйте атмосферу и любую произнесённую реплику — иначе модель придумает подложку, которая будет драться с вашим монтажом.

Дальше держите seed и меняйте по одной формулировке за раз. Наш гайд по prompt для Gemini Omni идёт глубже.

Частые вопросы

Сколько здесь стоит ролик text-to-video?

$0.09 за секунду вывода 720p — $0.72 за восемь секунд по умолчанию и $0.90 на потолке в десять секунд. Это скидка 40% с прайсовой ставки $0.15, проверено 28 августа 2026 года. Остальные уровни: $0.0297 на 360p, $0.135 на 1080p, $0.18 на 4K, звук включён.

Дешевле ли это, чем вызывать модель напрямую у Google?

На всех четырёх ступенях. Google тарифицирует видео в выходных токенах — $17.50 за миллион, при 1931 токене в секунду для 360p, 5792 для 720p, 8688 для 1080p и 17 376 для 4K, — что даёт $0.0338 за секунду, далее $0.1014, $0.1520 и $0.3041, звук включён везде. В таблице анонса это округлено до $0.03, $0.10, $0.15 и $0.30, но счёт считается по неокруглённым значениям. На этом фоне мы примерно на двенадцать процентов дешевле на 360p, на одиннадцать на 720p и 1080p и на сорок один процент дешевле на 4K. Обе лестницы делают одинаковый шаг 0,33× вниз к 360p; разница наверху, где Google утраивает свою ставку 720p, а мы свою удваиваем.

Дешевле ли это, чем Omni Flash, на смену которому модель пришла?

Нет — дороже. Omni Flash text-to-video работает здесь по $0.0825 за секунду против $0.09 на этой странице, так что восемь секунд там стоят $0.66, а тут $0.72. Разница девять процентов. У старой модели нет уровня 360p, и на E2X она не выпускала ни image-to-video, ни start-end-frame-to-video — туда и уходит разница. Вызов напрямую у Google — отдельный вопрос: её опубликованная ставка даёт $0.1014 за секунду на 720p, так что и эта страница, и прежняя оказываются ниже. Разрыв не в том, что продукт дороже в работе: все три стоят на одном прайсе $0.15, различается только постоянная скидка — 40% здесь против 45% и 50% на прежних страницах.

Что брать для одного ролика — эту модель или Veo 3.1 Fast?

Почти всегда Veo 3.1 Fast: $0.01 за секунду на том же API, так что восемь секунд стоят $0.08, а не $0.72. Возвращайтесь сюда, когда ролик должен дотянуть до десяти секунд, когда нужен 4K или когда он обязан монтироваться с другим материалом.

Для чего на самом деле нужен уровень 360p?

Для итераций. Четыре секунды на 360p — $0.1188 против $0.36 на 720p, так что дубли, которые вы выбрасываете, стоят долю от того, который оставите.

Сколько может длиться одна генерация?

От трёх до десяти секунд при 24 fps. Enum duration открывает 4, 6, 8 и 10 — строками. Более длинные куски собираются из нескольких вызовов: ради того, чтобы это было выносимо, функции непрерывности в 1.1 и появились.

Включён ли звук в посекундную цену?

Да, в каждой строке каждого сравнения на этой странице. Переключателя аудио нет вовсе: реплики и атмосфера рождаются вместе с картинкой, и ни один провайдер из списка не тарифицирует их отдельно.

Почему другой провайдер называет за эту модель другую цену?

Обычно потому, что это другая модель. Листинг fal.ai google/gemini-omni-flash без версии оценивает устаревшие preview-веса примерно в $0.125 за секунду; её страница v1.1 показывает $0.10, и в нашей таблице стоит v1.1. Сначала проверьте версию и дату.