Gemini Omni w praktyce - stawka za klip, tryby i pierwsze zadanie

Gemini Omni od Google wyróżnia się tym, co da się mu podać na wejściu. Oprócz zwykłego opisu przyjmie zdjęcie, zestaw trzech obrazów albo gotowe nagranie do przeróbki. Rozliczenie też jest nietypowe: stawka dotyczy całego ujęcia, a nie każdej sekundy osobno. W Kadrarisie Gemini Omni 1.1 kosztuje od 5,87 zł za film, a starsza Gemini Omni od 8,39 zł za film.

Niżej znajdziesz, co z pokazów Google działa w Kadrarisie, a co nie, jak liczyć koszt i jak puścić pierwszy klip bez kodu oraz z API.

Skąd się wziął i jak się nazywa

Model zadebiutował na Google I/O w maju 2026 jako "Omni" - z dowolnego wejścia, na początek w wideo. Pierwsza wersja nosi u Google nazwę Gemini Omni Flash, a sierpniowa aktualizacja to 1.1 (gemini-omni-1.1-flash). W katalogu Kadrarisa identyfikatory są krótsze: gemini-omni oraz gemini-omni-1.1.

Klasyczne text-to-video opiera się na opisie. Omni ma pracować przede wszystkim na materiale: zdjęcie może otworzyć ujęcie albo posłużyć za wzór bohatera, trzy grafiki można zszyć w jedną scenę, a nagranie zmienić poleceniem. Google nazywa to edycją wideo rozmową i moim zdaniem to najmocniejsza strona modelu.

Limity, które przyjmuje formularz

Sprawdziłem schemat modelu w Kadrarisie. Obowiązuje:

• Czas trwania: 4, 6, 8 lub 10 sekund, domyślnie 6. Inne wartości są odrzucane.
• Format: wyłącznie 16:9 albo 9:16, kwadratu brak.
• Rozdzielczość: 720p, 1080p, 4K; w 1.1 dodatkowo 360p.
• Prompt: maksymalnie 2000 znaków.
• Obrazy: jeden jako pierwsza klatka albo trzy do połączenia. Dwóch model nie przyjmie.
• Nagranie wejściowe: jedno, do 30 sekund, z czego model używa pierwszych 10.

Jak liczy się cena

Większość modeli wideo w katalogu kosztuje za sekundę. Omni kosztuje za cały klip, a stawka zależy od rozdzielczości:

Stawka z tabeli dotyczy domyślnych 6 sekund. Według katalogu cena rośnie proporcjonalnie do długości: klip 4-sekundowy jest tańszy, 8- i 10-sekundowy droższy. Osobną, wyższą stawkę ma tryb z nagraniem wejściowym w video_urls - tam liczy się tylko rozdzielczość.

Wnioski, które wyciągnąłem dla siebie:

• Nie schodź poniżej 1080p. Płacisz za nie dokładnie tyle, ile za 720p, więc niższa rozdzielczość nic nie daje, chyba że idziesz w 4K.
• 360p nie jest tańszym szkicem. Google przedstawia ten próg jako oszczędny, ale w Kadrarisie ma stawkę 720p. Szkice robię od razu w 720p albo 1080p.
• Do nowych projektów bierz 1.1. Jest tańsza na każdym progu, a zapytanie wygląda identycznie. Starszą wersję trzymałbym tylko w gotowym procesie, którego wyników nie chcesz ruszać.

Kwotę konkretnego zadania znasz przed startem: w Studio na przycisku "Generuj", w API w polu estimated_cost. Ta suma zostaje zablokowana na saldzie i wraca w całości, jeśli generacja się nie powiedzie. Na koncie polskim ceny są w złotych brutto, wpłata idzie przez BLIK lub kartę, a fakturę zamawiasz zaznaczeniem pola przy doładowaniu. Minimum to 40 zł, saldo nie wygasa. Pozostałe stawki znajdziesz w cenniku.

Pierwszy klip w Studio

Bez linijki kodu:

1. Załóż konto i doładuj saldo - BLIK księguje się od razu.
2. Otwórz Studio, przejdź do sekcji Wideo i znajdź na liście Gemini Omni 1.1.
3. Wpisz prompt, ustaw format, rozdzielczość i długość.
4. Masz zdjęcie na początek? Dodaj je w polu Pierwsza klatka (plik albo link).
5. Zerknij na kwotę i wyślij zadanie przyciskiem Generuj.

Widoczne są wyłącznie pola, które dany model obsługuje. Po wybraniu Omni zobaczysz więc długości 4-10 s i dwa formaty. Gotowe klipy lądują w historii konta.

Całe Studio, rozliczenie i dokumenty księgowe masz w języku polskim. Opis sceny i tak układam po angielsku, bo w tym języku Google podaje swoje przykłady, a frazy typu "dolly in" albo "aerial shot" dają mi bardziej przewidywalny ruch kamery. Polskiej mowy w Omni nie sprawdzałem i nic tu nie obiecuję. Zasady opisywania kamery zebrałem w poradniku prompty do wideo AI.

Pokazy Google kontra to, co działa w Kadrarisie

Google prezentuje kilka trybów, ale nie każdy jest dostępny wszędzie tam, gdzie udostępniono model. Rozbieram je po kolei.

Trzy grafiki w jednej scenie - dostępne

Wysyłasz trzy linki w image_urls i w treści polecenia przypisujesz im role: który obraz to bohater, który rekwizyt, który tło. Musi być dokładnie trzy. W wersji 1.1 obrazy w image_urls są referencją postaci albo stylu (jeden lub trzy), a pojedyncze zdjęcie w image_url działa jako zablokowana pierwsza klatka.

Przeróbka nagrania poleceniem - dostępne inaczej

W demonstracji Google posąg z nagrania zostaje zbudowany z mydlanych baniek, a otoczenie się nie zmienia.

W Kadrarisie nagranie podajesz w video_urls, a zmianę opisujesz w prompt. Okna czatu, które pamięta poprzednie poprawki, tu nie ma: każda zmiana to osobne zadanie, w którym wejściem jest wynik poprzedniego. Rezultat podobny, tylko historię prowadzisz sam. Pamiętaj, by przy nagraniu wejściowym nie wysyłać duration.

Przedłużenie sceny - do sprawdzenia

W dokumentacji 1.1 Google przedłuża klip, w którym pojawia się postać ze zdjęcia.

Najbliższy odpowiednik w Kadrarisie: klip w video_urls, polecenie przedłużenia w prompcie i zdjęcie postaci w image_urls. Tej kombinacji jeszcze nie testowałem, więc przed serią zrób jedną próbę w 720p.

Przejście od klatki A do B - niedostępne

Google pokazuje interpolację: wiosenny las o świcie płynnie zmienia się w zimowy, nocny.

W Kadrarisie Omni ma pole na pierwszą klatkę (image_url), ale nie na ostatnią. Do przejść z kadru do kadru użyj MiniMax H3 albo MiniMax H3 Max z polem end_image_url - opisuję je w poradniku MiniMax H3 i Hailuo.

Omni z poziomu API

API przydaje się przy seriach i własnych aplikacjach. Klucz sk-kd-... tworzysz w panelu, pierwsze kroki są w szybkim starcie.

export KADRARIS_API_KEY="sk-kd-..."

Sam tekst

curl https://kadraris.com/v1/generate \
  -H "Authorization: Bearer $KADRARIS_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gemini-omni-1.1",
    "input": {
      "prompt": "Aerial shot over a foggy lake at dawn, slow glide forward, pale pink light",
      "duration": 8,
      "resolution": "1080p",
      "aspect_ratio": "16:9"
    }
  }'

Serwer od razu odpowiada kodem 202 z numerem zadania i estimated_cost. Wynik pobierasz z GET /v1/tasks/{id}.

Zdjęcie jako start

{
  "model": "gemini-omni-1.1",
  "input": {
    "prompt": "Slow push-in, a candle flickers, warm light moves across the books",
    "image_url": "https://twoja-domena.pl/pliki/polka.jpg",
    "duration": 6,
    "resolution": "1080p",
    "aspect_ratio": "9:16"
  }
}

Zmiana istniejącego nagrania

{
  "model": "gemini-omni-1.1",
  "input": {
    "prompt": "Keep the people and camera move, turn the street into a rainy autumn evening",
    "video_urls": ["https://twoja-domena.pl/pliki/ulica.mp4"],
    "resolution": "1080p",
    "aspect_ratio": "16:9"
  }
}

Tu nie ma duration i tak ma zostać - z tym polem przy nagraniu wejściowym serwer zwróci 422.

Skrypt Python z odpytywaniem

import os
import time
import requests

API = "https://kadraris.com/v1"
KEY = os.environ["KADRARIS_API_KEY"]
HEADERS = {"Authorization": f"Bearer {KEY}"}

job = {
    "model": "gemini-omni-1.1",
    "input": {
        "prompt": "A tram passes a snowy square at night, "
                  "low tracking shot, warm shop lights",
        "duration": 6,
        "resolution": "1080p",
        "aspect_ratio": "9:16",
    },
}

r = requests.post(f"{API}/generate", headers=HEADERS,
                  json=job, timeout=30)
r.raise_for_status()
task = r.json()
print("id:", task["id"], "wycena:", task["estimated_cost"])

# odpytuję coraz rzadziej, najwyżej co 20 s
pause = 5
while task["status"] not in ("succeeded", "failed"):
    time.sleep(pause)
    pause = min(pause * 1.5, 20)
    task = requests.get(f"{API}/tasks/{task['id']}",
                        headers=HEADERS, timeout=30).json()

if task["status"] == "succeeded":
    link = task["output"][0]["url"]
    with open(f"{task['id']}.mp4", "wb") as f:
        f.write(requests.get(link, timeout=180).content)
    print("gotowe, pobrano:", task["cost"])
else:
    print("porażka, 0 zł:", task["error"])

Link w output wygasa po pewnym czasie, dlatego plik ściągam od razu. Przy większej liczbie zadań zamiast pętli podaję webhook_url - szczegóły w dokumentacji webhooków, a komplet pól w dokumentacji generowania.

Omni, Veo czy coś innego

Obydwa modele pochodzą od Google, ale służą do czego innego. Po Omni sięgam, kiedy mam materiał: nagranie do zmiany, zdjęcie postaci, trzy elementy do zszycia. Veo 3.1 (Quality) wybieram do ujęć od zera, gdy zależy mi na starannym oświetleniu i audio tworzonym w tym samym przebiegu - szczegóły w poradniku Veo 3.1 - cena i w porównaniu Gemini Omni 1.1 vs Veo 3.1. Pełne zestawienie modeli wideo znajdziesz w porównaniu API do wideo AI. Masz tylko jedno zdjęcie? Wtedy pomoże przewodnik film AI ze zdjęcia.

Pytania

Czy dłuższy klip w Gemini Omni kosztuje więcej?

Tak. Stawka jest za cały klip, ale w katalogu rośnie proporcjonalnie do długości: od 5,87 zł za film w wersji 1.1 to cena za domyślne 6 sekund w 1080p, 4 sekundy kosztują ok. dwie trzecie tej kwoty, a 10 sekund ok. 1,7 raza więcej. Dokładną kwotę pokazuje estimated_cost, a nieudana generacja kosztuje 0 zł.

Dlaczego zapytanie z nagraniem wejściowym zwraca 422?

Najczęściej przez pole duration. Przy klipie w video_urls długość wynika z materiału, więc to pole trzeba usunąć z zapytania.

Ile obrazów mogę wysłać jako referencje?

Jeden albo trzy. Dwa model odrzuca. Pojedyncze zdjęcie w image_url jest pierwszą klatką, a w image_urls grafiki działają jako wzór postaci lub stylu.

Czy Omni zrobi przejście między dwiema klatkami?

W Kadrarisie nie, bo nie ma pola na ostatnią klatkę. Takie przejścia robi MiniMax H3 i H3 Max z polem end_image_url.