KovAPIKovAPI
Vídeo ● Operativo Estado del servicio →
gemini-omni-1.2-flash

Gemini Omni 1.2 Flash es el modelo de generación y edición de vídeo que Google lanzó en noviembre de 2026. Una sola API cubre texto a vídeo, primer fotograma, primer y último fotograma, imágenes de referencia y edición de vídeo, con diálogo, efectos de sonido y música generados junto con la imagen. En KovAPI se llama gemini-omni-1.2-flash y se factura por segundo.

Prueba en directo

Prueba Gemini Omni 1.2 Flash aquí mismo (disponible tras iniciar sesión).

Entrada

0 / 20000 caracteres
Imágenes de referencia0 / 5
Haz clic para subir o arrastra los archivos aquí jpg / png / webp / gif, hasta 16 MB cada una o pega enlaces
Sin imagen es texto a vídeo. «Referencia» (por defecto): las personas o escenarios de 1 a 3 imágenes aparecen en el clip; «Primer/último fotograma»: la imagen 1 es el primer fotograma y la 2 el último (hasta 10 s). Con un vídeo original es una edición y todas las imágenes son referencias, hasta 5. Nombra las imágenes @Image1 / @Image2 en el prompt.
Vídeo original (edición)0 / 1
Haz clic para subir o arrastra los archivos aquí mp4 / mov, un clip, 1-15 s, hasta 50 MB o pega enlaces
Un vídeo original lo convierte en una edición: di en el prompt qué cambiar, p. ej. «hazlo de noche, deja todo lo demás igual». El resultado sigue la duración del original y se factura por sus segundos (la duración elegida arriba no se aplica; lo que pase del último segundo entero se corta). No se combina con fotogramas.
Las referencias subidas se guardan 7 días.
El render suele tardar entre 5 y 20 minutos; si el backend está saturado puede superar los 60 (sin resultado a los 120 minutos se considera agotado y se reembolsa íntegramente). Consulta el id del trabajo en lugar de reenviarlo: cada reenvío se factura por separado. Se factura por segundo y se reembolsa íntegramente si falla. Límite del prompt: 20000 caracteres (el chino y el inglés cuentan igual).

Salida

video
Los resultados aparecerán aquí al ejecutar.
🕑 Las imágenes y vídeos generados se conservan 7 días y después se eliminan automáticamente. Descarga lo que quieras guardar.
Capacidades

Edita con una frase, acierta con el texto, elige cualquier duración

Cada vista previa viene de uno de los ejemplos de esta página. "Ejemplo completo" abre el original con sonido, el prompt y los ajustes; "Ejemplos relacionados" lista otros clips que usan la misma capacidad.

Pasa el ratón para reproducir
Edición de vídeo

Cambia el estilo, el texto o los objetos con una frase

Pon un vídeo de 1-15 s en video_urls y di qué cambiar. Pásalo a anime, cambia solo las palabras de un cartel, haz desaparecer algo; lo que no menciones se mantiene lo más fiel posible al original. Hasta 5 imágenes de referencia pueden mostrar qué añadir. Se factura por los segundos del original.

Ejemplos relacionados
Pasa el ratón para reproducir
Imágenes de referencia

Personas, productos y textos del envase siguen las referencias

Hasta 3 imágenes de referencia, una para cada persona, mascota o producto. El anuncio de café usó una barista y una bolsa de café; en el clip, la barista y las palabras de la bolsa coinciden con las referencias.

Ejemplos relacionados
Pasa el ratón para reproducir
Primer fotograma y primer y último fotograma

Fija el inicio, o el inicio y el final

Una imagen como primer fotograma y el clip empieza en ella; dos imágenes como primer y último fotograma y el modelo crea el paso intermedio. Ambos llegan hasta 10 s.

Ejemplos relacionados
Pasa el ratón para reproducir
Texto en pantalla

Carteles, matrículas y envases bien escritos

Pon las palabras entre comillas y Omni las escribe en la imagen tal cual. El clip de la calle acertó a la primera con el cartel, el escaparate y la matrícula; una edición puede cambiar solo uno de ellos.

Ejemplos relacionados
Pasa el ratón para reproducir
Duración y formato

3-15 s al segundo, hasta 4K

Elige cualquier número entero de segundos y marca la historia con un código de tiempo como [0-5s]; 720P, 1080P o 4K, horizontal 16:9 o vertical 9:16, con sonido en cada clip.

Ejemplos relacionados
Usos

Qué puedes hacer con Gemini Omni 1.2 Flash

Anuncios de producto y de marca

Las fotos del producto y del presentador como referencias mantienen el nombre de la marca y los colores estables en cámara; el diálogo y el sonido van en el prompt.

Varias versiones de un mismo clip

Cambia el estilo, la luz o el texto de un clip sin volver a generarlo, útil para probar variantes de un anuncio.

Da vida a una foto

Usa una foto de producto, de calle o una ilustración como primer fotograma, describe la cámara y la acción, y obtén un clip que empieza en ella.

Transiciones y planos de situación

Da una imagen inicial y otra final para un paso entre estaciones, entre el día y la noche, o entre dos escenas.

Clips verticales para redes

9:16 directamente, hasta 4K, para aperturas y planos de ambiente en plataformas de vídeo corto.

Previsualización y relatos cortos

Divide un clip en tiempos con un código de tiempo, revisa el ritmo y los planos, y decide luego qué rodar o pulir.

Carteles, envases y títulos

Pon entre comillas las palabras que deben aparecer, para escaparates, eventos y planos de producto.

Ficha técnica

Gemini Omni 1.2 Flash: ficha técnica

ID del modelo
gemini-omni-1.2-flash
Endpoint
POST https://kovapi.com/v1/videos/generations → GET https://kovapi.com/v1/videos/jobs/{id}
Duración
3-15 s, cualquier segundo entero; hasta 10 s con primer fotograma o primer y último fotograma
Resolución
720P / 1080P / 4K
Relación de aspecto
16:9 / 9:16
Referencias
hasta 3 imágenes de referencia; 1 primer fotograma; 2 para primer y último fotograma
Edición de vídeo
un vídeo original de 1-15 s y hasta 5 imágenes de referencia; el resultado dura lo mismo que el original
Prompt
≤ 20.000 caracteres
Resultados guardados
7 días
Modos y campos

Modos y campos de la API

Todos los modos comparten model (gemini-omni-1.2-flash), prompt, resolution y size. Las imágenes van en images e image_role indica si son primer fotograma o referencias; el vídeo original va en video_urls. En el prompt, @Image1 y @Image2 nombran las imágenes por orden de subida.

ModoQué enviarQué obtienesLímites
Texto a vídeoSolo prompt y los ajustes de salida; duration en segundos enteros.Imagen, cámara y sonido a partir del texto; pon en el prompt el diálogo, la música y los efectos.3-15 s; 10 s si no indicas duration.
Primer fotogramaUna imagen en images. Una sola imagen es el primer fotograma por defecto; también puedes poner image_role: first_frame.El clip empieza en esa imagen y sigue con el movimiento y la cámara que describe el prompt.Hasta 10 s.
Primer y último fotogramaDos imágenes en images con image_role: first_frame: la 1 es el primer fotograma y la 2 el último.Un paso de la primera imagen a la segunda; el movimiento y la cámara intermedios siguen el prompt.Hasta 10 s.
Imágenes de referenciaImágenes en images: dos o tres son referencias por defecto; una sola necesita image_role: reference. Di en el prompt quién o qué es cada imagen.Las personas, mascotas, productos o el estilo de las imágenes aparecen en una escena nueva, no como un fotograma de ella.Hasta 3 imágenes, 3-15 s.
Edición de vídeoUn vídeo original (mp4 / mov) en video_urls y un prompt que diga qué cambiar; si quieres, añade imágenes de referencia y nómbralas @Image1.Otro estilo, texto cambiado u objetos añadidos o quitados, según lo pedido; lo que el prompt no menciona se mantiene lo más fiel posible al original.Original de 1-15 s, hasta 5 imágenes de referencia; el resultado dura lo mismo que el original y se factura por sus segundos.

Cómo se combinan las entradas

  • Cómo se leen las imágenes: una imagen es primer fotograma por defecto; dos o tres son referencias. Para usar una sola imagen como referencia, pon image_role: reference; para primer y último fotograma, envía dos imágenes con image_role: first_frame. Con un vídeo original, todas las imágenes son referencias.
  • Al editar, duration no se aplica: el resultado dura lo mismo que el original y lo que pase del último segundo entero se corta (un vídeo de 4,5 s se edita y factura como 4 s). Sin size, la edición conserva la orientación del original. Una edición no admite primer ni último fotograma.
  • @Image1, @Image2 siguen el orden de subida. Al generar, la etiqueta llega al modelo como palabras del tipo "imagen de referencia 1"; al editar, queda ligada a esa imagen exacta, y las imágenes que el prompt no nombra también se envían.
  • Todos los clips llevan sonido y audio: false se rechaza. Escribe en el prompt lo que no quieres, como "No dialogue" o "No music"; negative_prompt y system_prompt se rechazan sin coste.
Prompts

Prompts para Gemini Omni 1.2 Flash: la guía oficial de Google

Basado en la guía de prompts de Gemini Omni Flash de Google: primero el plano y el sujeto, luego el movimiento, la luz y el sonido; al editar, escribe solo lo que quieres cambiar. Las frases de ejemplo salen de esa guía y son los prompts que enviaron los ejemplos de esta página.

Hábitos que funcionan

  • Pide un solo plano si lo quieres

    Por defecto Omni corta entre varios planos y arma una pequeña historia. Para un único plano continuo, escribe "In a single continuous shot" o "No scene cuts".

    Original del gato atigrado: "Continuous, unbroken handheld shot of a fluffy tabby cat…"

  • Describe el sonido

    Si no dices nada del sonido, el modelo elige una pista por ti. Da a la música un género y un ánimo, incluye el ambiente y el diálogo, y pon cada frase hablada entre comillas.

    Original del gato atigrado: "Sound design: Gentle breeze, distant bird chirps."

  • Exclusiones en frases cortas

    negative_prompt no está disponible; escribe las exclusiones en el propio prompt, como "No dialogue", "No embellishments", "No extra sound effects".

    Última frase del original del gato: "No dialogue."

  • Edita una cosa cada vez

    Los prompts de edición cortos funcionan mejor; una descripción larga puede cambiar lo que querías conservar. Para un solo cambio, añade "Keep everything else the same".

    Original del cartel: "Change the text on the sign to say "Omni Flash""

  • Marca los tiempos

    Sirve el lenguaje natural, como "After 3 seconds…" o "At 5s…", y también un código de tiempo como [0-5s]; úsalo para tus propios cortes y ritmo.

    Original del portal: "[10-15s] They start running into the portal"

  • Texto en pantalla entre comillas

    Omni escribe el texto bien y legible. Para carteles o matrículas que saldrían en la escena de todos modos, pon entre comillas las palabras que quieres.

    Original de la calle: "there's a car with the number plate: "OMNI1.2""

  • Detalla personas y lugares

    El "meta prompting" de Google: pide microdetalle, expresión y ritmo, describe a los personajes como un diseñador de vestuario y sé concreto con los elementos del fondo.

    Guía de Google: "Be extremely detailed in your descriptions of characters and environments."

  • Describe el movimiento al animar una imagen

    Usa una imagen nítida y describe el movimiento de cámara, la acción del sujeto y los cambios del entorno; funciona mejor que "haz que se mueva". Si la imagen es solo un boceto o una referencia, dilo, o puede tomarse como primer fotograma.

    Panadería (escrito según la guía): "The camera slowly pushes in toward the bakery window."

Anatomía de un prompt largo

1Plano

Fija el plano primero: continuo, cámara en mano, una sola toma.

Original: "Continuous, unbroken handheld shot"

2Sujeto y lugar

Quién es el sujeto, dónde está y qué mira.

Original: "of a fluffy tabby cat sitting on a sunny windowsill, looking out into a leafy garden."

3Movimientos pequeños

Los gestos pequeños dan vida al plano; el sujeto no tiene que hacer mucho.

Original: "The cat's tail twitches slowly, and its ears rotate slightly toward ambient noises."

4Luz

Una frase para la luz y el ambiente.

Original: "Sunbeams illuminate dust motes in the air."

5Diseño de sonido

Una línea propia para el ambiente; el diálogo, entre comillas.

Original: "Sound design: Gentle breeze, distant bird chirps."

6Exclusiones

Al final, lo que no quieres.

Original: "No dialogue."

Plantilla para editar

In a single continuous shot, [tamaño del plano y movimiento de cámara] of [sujeto] in [lugar].
[0-4s] [primera acción]
[4-8s] [segunda acción]
[8-10s] [imagen final]
Lighting: [luz y color].
Sound design: [ambiente, efectos de sonido]. [Personaje] says: "[frase]"
No subtitles. [No music / No dialogue]
Precios

Precio de Gemini Omni 1.2 Flash

Se factura por segundo y se muestra junto al precio oficial de Google; el playground cotiza cada trabajo antes de enviarlo.

ResoluciónGemini Omni 1.2 Flash
720P $0.035/sPrecio de lista de Google $0.07 · Un 50% menos que el precio oficial
1080P $0.05/sPrecio de lista de Google $0.104 · Un 51% menos que el precio oficial
4K $0.10/sPrecio de lista de Google $0.209 · Un 52% menos que el precio oficial
  • Generación: la tarifa por segundo de la resolución elegida x segundos de salida; las imágenes de referencia no se cobran.
  • Edición de vídeo: la misma tarifa por segundo x segundos del original (segundos enteros; lo que no llegue a un segundo se corta). Elige "Editar un vídeo" en la calculadora.
  • El coste se reserva al enviar y se liquida por el mismo importe si sale bien; un render fallido se reembolsa entero.

Calculadora de coste

Este clip—
Cómo elegir

Gemini Omni 1.2 Flash frente a otros modelos de vídeo

Duraciones, resoluciones, límites de referencias y precios de la tabla son en tiempo real. El límite de referencias de Omni 1.2 es para generar; una edición admite 5 imágenes.

ModeloDuración (s)ResoluciónRef. imagen / vídeo / audioPrecioIdeal para
Gemini Omni 1.2 FlashEsta páginagemini-omni-1.2-flash 3–15720P / 1080P / 4K3 / 0 / 0 desde $0.035/s Editar un vídeo existente con una frase, o clips cortos que necesitan texto en pantalla correcto, 4K o una duración al segundo.
Gemini Omni Flashgemini-omni-flash 6 / 8 / 10720P / 1080P3 / 0 / 0 desde $0.035/s Proyectos que ya funcionan con la generación anterior: 6 / 8 / 10 s, 720P / 1080P, mismo precio que 1.2.
Veo 3.1veo-3.1 8720P / 1080P3 / 0 / 0 $0.20/clip Clips fijos de 8 segundos facturados por clip.
Seedance 2.5seedance-2.5 4–30480P / 720P / 1080P30 / 10 / 10 desde $0.10/s Muchas referencias en un trabajo (imágenes, vídeos y audio juntos), o clips narrativos de hasta 30 s.
Wan 3.0wan3.0-video 4–30480P / 720P / 1080P10 / 5 / 5 desde $0.04/s Vídeo o audio de referencia, o vídeo a partir de un documento o una página web, hasta 30 s por clip.
MiniMax H3minimax-h3 4–15480P / 768P / 1080P9 / 3 / 3 desde $0.015/s Lotes de clips cortos: borrador en 480P / 768P y luego 1080P; primer y último fotograma, y el modo referencia admite audio y vídeo de referencia.
Grok Imagine Video 1.5grok-imagine-video-1.5 4–15480P / 720P7 / 0 / 0 $0.30/clip Clips de 480P / 720P facturados por clip, con hasta 7 imágenes de referencia.

Si otro modelo ya te da resultados estables, pasa las mismas entradas y criterios por ambos y compara imagen, movimiento, sonido, tiempo de render y coste real antes de cambiar.

Cuatro pasos

Cómo generar vídeo con Gemini Omni 1.2 Flash en KovAPI

  1. 1

    Regístrate y crea una clave de API

    Entra en KovAPI y crea una clave en la consola; una sola clave sirve para todos los modelos del sitio.

    Registrarse en KovAPI
  2. 2

    Prueba un prompt arriba

    Elige duración, resolución y proporción, sube imágenes o un vídeo original si los necesitas, y ve la cotización en tiempo real antes de enviar.

    Abrir el playground
  3. 3

    Envía un trabajo asíncrono

    Envía gemini-omni-1.2-flash a POST /v1/videos/generations y guarda el id del trabajo del HTTP 202. La documentación trae ejemplos completos.

    Documentación de la API
  4. 4

    Consulta o recibe un webhook

    Consulta el id del trabajo o indica callback_url al enviar. Si sale bien, descarga el MP4 desde data[0].url; los resultados se guardan 7 días, así que guárdalos a tiempo.

    Documentación de webhooks
Por qué KovAPI

Por qué usar Gemini Omni 1.2 Flash en KovAPI

Por debajo del precio oficial de Google

720P cuesta 50% menos que el precio oficial de Google, 1080P 51% menos y 4K 52% menos; la edición de vídeo cuesta lo mismo por segundo. El playground muestra el precio de cada trabajo antes de enviarlo.

Sin coste si falla, reintentos automáticos

Un render fallido devuelve entero lo reservado; si el servicio de origen está saturado o da error, el sistema reintenta por ti y no tienes que escribir lógica de reintentos.

Sin límite de concurrencia

Las cuentas no tienen límite de concurrencia, así que envía lotes tal cual; en horas punta los trabajos esperan en cola, la API devuelve queue_position y eta_seconds, y un webhook puede avisarte al terminar.

Una API para todos los modelos de vídeo

Enviar, consultar y los webhooks funcionan igual para todos los modelos de vídeo del sitio; cambia model para mandar el mismo prompt a Seedance, Wan, Veo y otros y compararlos.

Registro y pago sencillos

Regístrate con correo, Google o GitHub; recarga con WeChat Pay, tarjeta, PayPal o USDT; paga por uso sin cuota mensual. La misma clave también llama a los modelos de chat y de imagen del sitio.

Evolución

La evolución de Gemini Omni

Las fechas son las de lanzamiento de Google; lo que puedes hacer hoy en KovAPI está en la tabla de modos de arriba.

  1. 2026-05-19

    Gemini Omni Flash · lanzamiento

    Presentado en Google I/O como el primer modelo de la familia Omni: vídeo a partir de texto, imágenes y vídeo, editable conversando, primero en la app de Gemini y en YouTube Shorts.

  2. 2026-06-30

    Vista previa pública en la API de Gemini

    Los desarrolladores podían llamar a la vista previa en la API de Gemini: 3-10 s en 720P, texto a vídeo o animar una imagen fija, y luego editar el resultado.

  3. 2026-08-27

    Omni 1.1 · disponibilidad general

    La versión GA añadió primer y último fotograma y resoluciones de hasta 4K (1080P y 4K son reescalados). Gemini Omni Flash en KovAPI es esta generación: 6 / 8 / 10 s, 720P / 1080P.

  4. 2026-11-05

    Omni 1.2 · 15 segundos, referencias más establesActual

    Cualquier duración de 3 a 15 s; personas, vestuario y textos de envases de las imágenes de referencia se mantienen mejor, con diálogo y sincronía labial más naturales; el precio oficial de Google es un 30% menor que el de 1.1. Google anuncia que desde el 2026-12-03 las peticiones a 1.1 pasan solas a 1.2.

Preguntas frecuentes

Preguntas frecuentes sobre la API de Gemini Omni 1.2 Flash

¿Qué es Gemini Omni 1.2 Flash?
El modelo de generación y edición de vídeo que Google lanzó en noviembre de 2026, la nueva generación de Gemini Omni Flash. En KovAPI es gemini-omni-1.2-flash: texto a vídeo, primer fotograma, primer y último fotograma, imágenes de referencia y edición de vídeo, con sonido en cada clip.
¿Cuánto puede durar un vídeo?
Texto a vídeo e imágenes de referencia: 3-15 s en segundos enteros, 10 s si no indicas duration. Primer fotograma y primer y último fotograma: hasta 10 s. Una edición dura lo mismo que su vídeo original.
¿Qué resoluciones y proporciones hay?
720P / 1080P / 4K, 720P por defecto; proporción 16:9 / 9:16; 24 fps. Google indica que 1080P y 4K son reescalados. Otros valores se rechazan al enviar, sin coste.
¿Cómo envío un primer fotograma o primer y último fotograma?
Primer fotograma: una imagen en images. Primer y último fotograma: dos imágenes en images con image_role: first_frame; la 1 es el primer fotograma y la 2 el último. Ambos llegan hasta 10 s.
¿Cuántas imágenes de referencia y cómo las nombro?
Hasta 3 al generar y 5 al editar. Por orden de subida son @Image1, @Image2…; di en el prompt quién o qué es cada una, p. ej. "The woman from the first image".
¿Cómo funciona la edición de vídeo?
Pon un vídeo de 1-15 s (mp4 / mov) en video_urls y di qué cambiar, p. ej. "Make this video anime". Para un solo cambio, añade "Keep everything else the same". Para añadir algo concreto, adjunta una imagen de referencia y nómbrala @Image1.
¿Cómo se factura la edición de vídeo?
A la misma tarifa por segundo que la generación, por los segundos del vídeo original, p. ej. $0.035/s en 720P; lo que pase del último segundo entero se corta, así que 4,5 s se factura como 4 s. duration no se aplica a las ediciones.
¿Puedo escribir los prompts en chino u otros idiomas?
Sí. Enviamos el prompt del gato atigrado en chino y salió la misma escena que con el inglés. Google solo ha evaluado a fondo el inglés, así que los planos y diálogos complejos son más seguros en inglés; el texto en pantalla va entre comillas tal como debe aparecer.
¿Puedo quitar el sonido?
No: cada clip tiene pista de audio y audio: false se rechaza. Escribe "No music" o "No dialogue" para dejar solo el ambiente; para un recurso sin sonido, quita la pista de audio tras descargarlo.
¿Puedo usar fotos de personas reales?
Sí, sujeto a la revisión de contenido de Google. En nuestras pruebas con fotos de personas corrientes, los dos trabajos con primer fotograma salieron y uno de dos con referencia se rechazó; la foto de una figura pública se rechazó. Los trabajos rechazados no se cobran. Asegúrate de tener derecho a usar la imagen de la persona.
¿Se cobra si un render falla?
Un render fallido no se cobra y se puede volver a enviar tal cual. Lo reservado al enviar se reembolsa entero, y los reintentos automáticos del mismo trabajo se liquidan una sola vez.
¿Cuánto tiempo se guardan los resultados?
Los resultados y los archivos subidos se guardan 7 días y luego se borran, así que descarga a tiempo lo que necesites.
¿En qué se diferencia del Gemini Omni Flash anterior?
1.2 admite cualquier duración de 3 a 15 s (el anterior solo 6 / 8 / 10 s), añade 4K y edición de vídeo y sigue mejor las imágenes de referencia; en KovAPI ambos cuestan lo mismo. La página del modelo anterior sigue disponible.
¿Gemini Omni 1.2 Flash o Veo 3.1?
En KovAPI, Veo 3.1 son 8 s fijos facturados por clip; Omni 1.2 admite cualquier duración, se factura por segundo, edita vídeos existentes y llega a 4K. Para comparar la imagen, lanza el mismo prompt una vez en cada uno.
Última actualización: 2026-11-12

Prompt original


        
      
Original en HD

Modelos relacionados

Descubre otros modelos que puedes integrar.

Ver todo →