# API de Gemini Omni 1.2 Flash: vídeo y edición de Google | KovAPI

> 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.

Página web: https://kovapi.com/es/model/gemini-omni-1.2-flash · Actualizado: 2026-11-12
Precios, límites y tiempos son valores en vivo del momento en que se generó este archivo.

## 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
- Por segundo: 720P $0.035/s · 1080P $0.05/s · 4K $0.10/s
- Resultados guardados: 7 días

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

- **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.
- **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.
- **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.
- **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.
- **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.

## 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.

| Modo | Qué enviar | Qué obtienes | Límites |
| --- | --- | --- | --- |
| Texto a vídeo | Solo `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 fotograma | Una 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 fotograma | Dos 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 referencia | Imágenes 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 vídeo | Un 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. |

## 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.
- **Mascotas y estilo de vida**: Las fotos de una mascota o de un objeto como referencias los llevan a una escena nueva.
- **Carteles, envases y títulos**: Pon entre comillas las palabras que deben aparecer, para escaparates, eventos y planos de producto.

## Precio de Gemini Omni 1.2 Flash

| Resolución | Gemini Omni 1.2 Flash | Precio de lista de Google |
| --- | --- | --- |
| 720P | $0.035/s | $0.07 |
| 1080P | $0.05/s | $0.104 |
| 4K | $0.10/s | $0.209 |

- 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.

## Ejemplos: prompts y parámetros

### Gato atigrado: un único plano continuo

- Hecho con KovAPI · Texto a vídeo · 10s · 720P · 16:9
- $0.35 a precios actuales
- Resultado: https://img.kovapi.com/i/mp-c12a02b55c1bc34ba139487d.mp4

El ejemplo de "un solo plano" de la guía de Google: empieza fijando un plano único, continuo y en mano, sigue con movimientos pequeños, luz y diseño de sonido, y termina con "No dialogue". Prompt de la [documentación para desarrolladores de Gemini Omni Flash](https://aistudio.google.com/docs/omni) de Google; renderizado por KovAPI con ese prompt.

Prompt original:

```text
Continuous, unbroken handheld shot of a fluffy tabby cat sitting on a sunny windowsill, looking out into a leafy garden. The cat's tail twitches slowly, and its ears rotate slightly toward ambient noises. Sunbeams illuminate dust motes in the air. Sound design: Gentle breeze, distant bird chirps. No dialogue.
```

Leer en español (La traducción es solo para leer; Copiar y Usar envían el original):

```text
Plano continuo y sin cortes, cámara en mano, de un gato atigrado y peludo sentado en el alféizar soleado de una ventana, mirando hacia un jardín frondoso. La cola del gato se mueve despacio y sus orejas giran un poco hacia los sonidos del entorno. Los rayos de sol iluminan las motas de polvo en el aire. Diseño de sonido: brisa suave, pájaros a lo lejos. Sin diálogo.
```

### Un avión de papel por una biblioteca

- Hecho con KovAPI · Texto a vídeo · 8s · 1080P · 16:9
- $0.40 a precios actuales
- Resultado: https://img.kovapi.com/i/mp-179512a5c3b6c91fa7b10f56.mp4

Un ejemplo de una sola línea de la documentación de Google: un plano de seguimiento sin cortes, en 1080P. Prompt de la [documentación para desarrolladores de Gemini Omni Flash](https://aistudio.google.com/docs/omni) de Google; renderizado por KovAPI con ese prompt.

Prompt original:

```text
A single unbroken tracking shot following a paper airplane gliding through a bustling library.
```

Leer en español (La traducción es solo para leer; Copiar y Usar envían el original):

```text
Un único plano de seguimiento sin cortes que sigue a un avión de papel planeando por una biblioteca llena de gente.
```

### Código de tiempo: al portal en 15 s

- Hecho con KovAPI · Texto a vídeo · 15s · 1080P · 16:9
- $0.75 a precios actuales
- Resultado: https://img.kovapi.com/i/mp-29f31c6396192e4adf2ae1e3.mp4

Tres códigos de tiempo, `[0-5s]`, `[5-10s]` y `[10-15s]`, marcan los tiempos: caminar, pararse y girarse, correr hacia el portal; el clip los sigue. Prompt de la [documentación para desarrolladores de Gemini Omni Flash](https://aistudio.google.com/docs/omni) de Google; renderizado por KovAPI con ese prompt.

Prompt original:

```text
[0-5s] A person is walking down a quiet street
[5-10s] They stop and turn around toward a glowing doorway
[10-15s] They start running into the portal
```

Leer en español (La traducción es solo para leer; Copiar y Usar envían el original):

```text
[0-5s] Una persona camina por una calle tranquila
[5-10s] Se detiene y se gira hacia una puerta luminosa
[10-15s] Echa a correr hacia el portal
```

### Palabras en un cartel, un escaparate y una matrícula

- Hecho con KovAPI · Texto a vídeo · 8s · 720P · 16:9
- $0.28 a precios actuales
- Resultado: https://img.kovapi.com/i/mp-add537be3ae6b285aae5d047.mp4

El ejemplo de "texto en vídeos" de la guía de Google: el cartel, el escaparate y la matrícula llevan sus palabras entre comillas, y las tres salen bien. Prompt de la [documentación para desarrolladores de Gemini Omni Flash](https://aistudio.google.com/docs/omni) de Google; renderizado por KovAPI con ese prompt.

Prompt original:

```text
There is a street sign that says: "This is an AI generation by Omni", there is a storefront that says: "All you need AI", there's a car with the number plate: "OMNI1.2"
```

Leer en español (La traducción es solo para leer; Copiar y Usar envían el original):

```text
Hay un cartel de calle que dice: "This is an AI generation by Omni", hay un escaparate que dice: "All you need AI", y hay un coche con la matrícula: "OMNI1.2"
```

### 4K vertical: una ciudad cyberpunk

- Hecho con KovAPI · Texto a vídeo · 6s · 4K · 9:16
- $0.60 a precios actuales
- Resultado: https://img.kovapi.com/i/mp-78147b0630d708927a07f2cd.mp4

La frase que usa la documentación de Google para explicar las proporciones, renderizada aquí en 4K vertical (2160×3840). Prompt de la [documentación para desarrolladores de Gemini Omni Flash](https://aistudio.google.com/docs/omni) de Google; renderizado por KovAPI con ese prompt.

Prompt original:

```text
A futuristic city with neon lights and flying cars, cyberpunk style
```

Leer en español (La traducción es solo para leer; Copiar y Usar envían el original):

```text
Una ciudad futurista con luces de neón y coches voladores, estilo cyberpunk
```

### Primer fotograma: una foto de calle cobra vida

- Hecho con KovAPI · Primer fotograma · 8s · 720P · 16:9 · image_role=first_frame
- $0.28 a precios actuales
- Resultado: https://img.kovapi.com/i/mp-7d449482e0fc8a7d8cc45039.mp4
- Imagen 1: https://img.kovapi.com/i/mp-b7c2b45a774cc22b88c191f2.png

El primer fotograma es una foto de calle; el prompt describe un movimiento de cámara y acciones concretas, como recomienda Google: un acercamiento, un panadero que coloca cruasanes y una paloma que se posa en la cesta y se va. Imágenes de entrada hechas por KovAPI con Nano Banana Pro; prompt escrito por KovAPI como recomienda la guía de Google.

Prompt original:

```text
The camera slowly pushes in toward the bakery window. Inside, a baker in a white apron places a fresh tray of golden croissants in the window display. A pigeon lands on the bicycle basket, looks around and flutters away. In a single continuous shot. Sound design: quiet morning street ambience, a distant church bell, pigeon wings flapping. No dialogue. No music.
```

Leer en español (La traducción es solo para leer; Copiar y Usar envían el original):

```text
La cámara se acerca despacio al escaparate de la panadería. Dentro, un panadero con delantal blanco coloca en el escaparate una bandeja de cruasanes dorados recién hechos. Una paloma se posa en la cesta de la bicicleta, mira a su alrededor y se va aleteando. En un único plano continuo. Diseño de sonido: ambiente tranquilo de calle por la mañana, una campana de iglesia a lo lejos, el aleteo de la paloma. Sin diálogo. Sin música.
```

### Primer y último fotograma: de una mañana de verano a una noche nevada

- Hecho con KovAPI · Primer y último fotograma · 8s · 1080P · 16:9 · image_role=first_frame
- $0.40 a precios actuales
- Resultado: https://img.kovapi.com/i/mp-05622ab6ca908a072b78254b.mp4
- Imagen 1: https://img.kovapi.com/i/mp-d76700384255b66384f59138.jpg
- Imagen 2: https://img.kovapi.com/i/mp-601efc3d56bcd883c7565db0.jpg

El prompt de la sección de primer y último fotograma de la documentación de Google; los dos fotogramas comparten la posición de cámara y el segundo se hizo a partir del primero. Prompt de la documentación de Google; imágenes de entrada hechas por KovAPI con Nano Banana Pro; renderizado por KovAPI.

Prompt original:

```text
A smooth cinematic transition from a lush green forest at sunrise to a snowy forest under a starry night sky.
```

Leer en español (La traducción es solo para leer; Copiar y Usar envían el original):

```text
Una transición cinematográfica suave de un bosque verde y frondoso al amanecer a un bosque nevado bajo un cielo nocturno estrellado.
```

### Imágenes de referencia: un gato y un ovillo

- Hecho con KovAPI · Varias imágenes de referencia · 8s · 720P · 16:9 · image_role=reference
- $0.28 a precios actuales
- Resultado: https://img.kovapi.com/i/mp-82df85e079207c922446172d.mp4
- Imagen 1: https://img.kovapi.com/i/mp-8a3ed962b9a5b10874c8645d.png
- Imagen 2: https://img.kovapi.com/i/mp-f62963a2437f9b0fd21e4342.jpg

El ejemplo de referencias de la documentación de Google: una imagen de un gato, otra de un ovillo y un prompt de una línea. El gato y el ovillo del clip siguen las referencias. Prompt de la documentación de Google; imágenes de entrada hechas por KovAPI con Nano Banana Pro; renderizado por KovAPI.

Prompt original:

```text
A cat playfully batting at a ball of yarn.
```

Leer en español (La traducción es solo para leer; Copiar y Usar envían el original):

```text
Un gato da zarpazos juguetones a un ovillo de lana.
```

### Anuncio de producto: persona y envase desde referencias

- Hecho con KovAPI · Varias imágenes de referencia · 10s · 1080P · 16:9 · image_role=reference
- $0.50 a precios actuales
- Resultado: https://img.kovapi.com/i/mp-e1dd3e4ef52fd3d2cc17da18.mp4
- Imagen 1: https://img.kovapi.com/i/mp-1d600f5a04da572b6a4c2bc2.jpg
- Imagen 2: https://img.kovapi.com/i/mp-804b9708cd179c2ec07a7543.jpg

Dos referencias: una barista y una bolsa de café. El prompt da la acción, un primer plano, una frase hablada y el sonido, y pide una etiqueta nítida; la persona y las palabras de la bolsa coinciden con las referencias, y la frase se dice tal como está escrita. Imágenes de entrada hechas por KovAPI con Nano Banana Pro; prompt escrito por KovAPI como recomienda la guía de Google.

Prompt original:

```text
The barista from the first image stands behind a wooden cafe counter in the morning. She picks up the coffee bag from the second image, turns it so the label faces the camera, opens it and pours whole beans into a grinder. Close-up of the beans, then a medium shot as she smiles at the camera and says: "Freshly roasted, every Monday." Keep the label text sharp and readable. Warm morning light. Sound design: cafe ambience, beans rattling into the grinder, the grinder starting. No music.
```

Leer en español (La traducción es solo para leer; Copiar y Usar envían el original):

```text
La barista de la primera imagen está detrás de una barra de madera de una cafetería por la mañana. Toma la bolsa de café de la segunda imagen, la gira para que la etiqueta mire a la cámara, la abre y vierte granos enteros en un molinillo. Primer plano de los granos y luego un plano medio mientras sonríe a la cámara y dice: "Freshly roasted, every Monday." (Tostado fresco, cada lunes.) Mantén el texto de la etiqueta nítido y legible. Luz cálida de la mañana. Diseño de sonido: ambiente de cafetería, granos que caen en el molinillo, el molinillo que arranca. Sin música.
```

### Edición: anime con una frase

- Hecho con KovAPI · Edición de vídeo · 10s · 720P · 16:9
- $0.35 a precios actuales
- Resultado: https://img.kovapi.com/i/mp-905cc7d194d76bd05fe02ed9.mp4
- Vídeo original (10s): https://img.kovapi.com/i/mp-c12a02b55c1bc34ba139487d.mp4

El original es el clip "Gato atigrado" y el prompt de edición es solo la frase de Google "Make this video anime": cambia todo el aspecto y se mantienen la cámara y el movimiento. Se factura por los segundos del original. Prompt de la [documentación para desarrolladores de Gemini Omni Flash](https://aistudio.google.com/docs/omni) de Google; renderizado por KovAPI con ese prompt.

Prompt original:

```text
Make this video anime
```

Leer en español (La traducción es solo para leer; Copiar y Usar envían el original):

```text
Convierte este vídeo en anime
```

### Edición: cambiar solo las palabras del cartel

- Hecho con KovAPI · Edición de vídeo · 8s · 720P · 16:9
- $0.28 a precios actuales
- Resultado: https://img.kovapi.com/i/mp-ee06321042c206161cb6ee34.mp4
- Vídeo original (8s): https://img.kovapi.com/i/mp-add537be3ae6b285aae5d047.mp4

El original es el clip "Palabras en un cartel" y el prompt es la frase de ejemplo de Google: el cartel ahora dice "Omni Flash", y el escaparate, la matrícula y la cámara no cambian. Prompt de la [documentación para desarrolladores de Gemini Omni Flash](https://aistudio.google.com/docs/omni) de Google; renderizado por KovAPI con ese prompt.

Prompt original:

```text
Change the text on the sign to say "Omni Flash"
```

Leer en español (La traducción es solo para leer; Copiar y Usar envían el original):

```text
Cambia el texto del cartel para que diga "Omni Flash"
```

### Edición: hacer desaparecer el violín

- Hecho con KovAPI · Edición de vídeo · 8s · 720P · 16:9
- $0.28 a precios actuales
- Resultado: https://img.kovapi.com/i/mp-ff452614135cc0c0c6899ffe.mp4
- Vídeo original (8s): https://img.kovapi.com/i/mp-5e0b9ff56c3378f85dd34815.mp4

El ejemplo de edición en varios turnos de Google: generar "A woman playing violin outdoors." y luego enviar "Make the violin invisible.". Aquí el primer clip es el vídeo original; el violín desaparece y el movimiento del arco sigue. Prompt de la [documentación para desarrolladores de Gemini Omni Flash](https://aistudio.google.com/docs/omni) de Google; renderizado por KovAPI con ese prompt.

Prompt original:

```text
Make the violin invisible.
```

Leer en español (La traducción es solo para leer; Copiar y Usar envían el original):

```text
Haz invisible el violín.
```

### Edición + imagen de referencia: ponerle ese sombrero

- Hecho con KovAPI · Edición de vídeo · 8s · 720P · 16:9
- $0.28 a precios actuales
- Resultado: https://img.kovapi.com/i/mp-19f905c62d058768f7273e73.mp4
- Imagen 1: https://img.kovapi.com/i/mp-f336123368a69708fd348e71.jpg
- Vídeo original (8s): https://img.kovapi.com/i/mp-5e0b9ff56c3378f85dd34815.mp4

La frase de ejemplo de Google es "Put a fashionable hat on this person"; aquí una imagen de referencia elige el sombrero y el prompt la nombra `@Image1`. El color, el ala y la cinta negra siguen la referencia. Imagen de referencia hecha por KovAPI con Nano Banana Pro.

Prompt original:

```text
Put the hat from @Image1 on this person. Keep everything else the same.
```

Leer en español (La traducción es solo para leer; Copiar y Usar envían el original):

```text
Ponle a esta persona el sombrero de @Image1. Deja todo lo demás igual.
```

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

Basado en la [guía de prompts de Gemini Omni Flash](https://aistudio.google.com/docs/omni#prompt-guide) 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.

- **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."

| Parte | Función | Ejemplo |
| --- | --- | --- |
| Plano | Fija el plano primero: continuo, cámara en mano, una sola toma. | Original: "Continuous, unbroken handheld shot" |
| Sujeto 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." |
| Movimientos 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." |
| Luz | Una frase para la luz y el ambiente. | Original: "Sunbeams illuminate dust motes in the air." |
| Diseño de sonido | Una línea propia para el ambiente; el diálogo, entre comillas. | Original: "Sound design: Gentle breeze, distant bird chirps." |
| Exclusiones | Al final, lo que no quieres. | Original: "No dialogue." |

```text
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]
```

## Cómo generar vídeo con Gemini Omni 1.2 Flash en KovAPI

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.
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.
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.
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.

### Solicitud mínima

```bash
curl https://kovapi.com/v1/videos/generations \
  -H "Authorization: Bearer $KOVAPI_KEY" -H "Content-Type: application/json" \
  -d '{"model": "gemini-omni-1.2-flash", "prompt": "...", "duration": 3, "resolution": "720P", "size": "16:9"}'
# -> HTTP 202 {"id": "..."}; poll:
curl https://kovapi.com/v1/videos/jobs/<id> -H "Authorization: Bearer $KOVAPI_KEY"
```

## La evolución de Gemini Omni

- 2026-05-19 · Gemini Omni Flash: **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.
- 2026-06-30 · gemini-omni-flash-preview: **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.
- 2026-08-27 · Gemini Omni 1.1 Flash: **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](https://kovapi.com/es/model/gemini-omni-flash) en KovAPI es esta generación: 6 / 8 / 10 s, 720P / 1080P.
- 2026-11-05 · Gemini Omni 1.2 Flash: **Omni 1.2 · 15 segundos, referencias más estables** 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.

## Gemini Omni 1.2 Flash frente a otros modelos de vídeo

| Modelo | Duración (s) | Resolución | Ref. imagen / vídeo / audio | Precio | Ideal para |
| --- | --- | --- | --- | --- | --- |
| Gemini Omni 1.2 Flash (`gemini-omni-1.2-flash`) | 3–15 | 720P / 1080P / 4K | 3/0/0 | $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 Flash (`gemini-omni-flash`) | 6 / 8 / 10 | 720P / 1080P | 3/0/0 | $0.035/s | Proyectos que ya funcionan con la generación anterior: 6 / 8 / 10 s, 720P / 1080P, mismo precio que 1.2. |
| Veo 3.1 (`veo-3.1`) | 8 | 720P / 1080P | 3/0/0 | $0.20/clip | Clips fijos de 8 segundos facturados por clip. |
| Seedance 2.5 (`seedance-2.5`) | 4–30 | 480P / 720P / 1080P | 30/10/10 | $0.10/s | Muchas referencias en un trabajo (imágenes, vídeos y audio juntos), o clips narrativos de hasta 30 s. |
| Wan 3.0 (`wan3.0-video`) | 4–30 | 480P / 720P / 1080P | 10/5/5 | $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 H3 (`minimax-h3`) | 4–15 | 480P / 768P / 1080P | 9/3/3 | $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 1.5 (`grok-imagine-video-1.5`) | 4–15 | 480P / 720P | 7/0/0 | $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.

## 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.

## 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.

## 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](https://kovapi.com/es/model/gemini-omni-flash) 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.

## Notas para IA

- El id del modelo es `gemini-omni-1.2-flash`. Envía con `POST /v1/videos/generations`, que devuelve HTTP 202 y un `id` de trabajo; obtén el resultado con `GET /v1/videos/jobs/` más el id.
- `resolution` es uno de 720P / 1080P / 4K, 720P por defecto (también se aceptan `720p`, `2160p` y grafías similares); `size` es uno de 16:9 / 9:16. `seconds` es alias de `duration` y `aspect_ratio` de `size`.
- `duration` es un entero de 3 a 15, 10 por defecto; como máximo 10 con primer fotograma o primer y último fotograma.
- Las imágenes van en `images`: una es primer fotograma por defecto, dos o tres son referencias; `image_role` es `first_frame` o `reference`. Como máximo 3 imágenes de referencia.
- Edición de vídeo: un vídeo de 1-15 s en `video_urls` (también se aceptan `video_url` y `video_references`), más hasta 5 imágenes; el resultado dura lo mismo que el original y se factura por sus segundos enteros; `duration` no se aplica.
- También se aceptan estos campos: `first_frame_image`, `last_frame_image`, `image_urls`, `image_with_roles`, `omni_reference_task_type` (auto / text_to_video / image_to_video / reference / reference_to_video / edit).
- `audio: false`, `negative_prompt` y `system_prompt` se rechazan (HTTP 400, sin coste); todos los clips llevan pista de audio.
- Facturación: la tarifa por segundo de la resolución elegida x segundos de salida, 720P $0.035/s, 1080P $0.05/s, 4K $0.10/s; una edición factura los segundos del vídeo original.

## Más lecturas

- [Referencia de la API de Gemini Omni 1.2 Flash](https://docs.kovapi.com/es/gemini-omni-1.2-flash): Campos de la petición, trabajos asíncronos, resultados y ejemplos de código completos.
- [Guía de trabajos asíncronos](https://docs.kovapi.com/es/guide/async-jobs): Estados del trabajo, campos de cola y obtención de resultados.
- [Guía de webhooks](https://docs.kovapi.com/es/webhooks): Recibe los resultados y verifica la firma como indica la documentación.