Gemini Omni 1.1 Flash API — Envoltorio de Python

Un SDK de Python y un servidor MCP centrados en Google Gemini Omni Flash on MuAPI. Admite text-to-video, image-to-video, video-edit, perfiles de voz reutilizables, perfiles de personaje reutilizables y sondeo asíncrono de trabajos.

Google anunció la actualización Gemini Omni 1.1 Flash el 27 de agosto de 2026 — que añade extensión de escena (hasta 10 segundos de contexto analizado, hasta 40 segundos de duración acumulada), control de fotogramas clave del primer/último fotograma, un modo de resolución de borrador de 360p, mejora de escala a 4K y hasta 3 segundos de entrada de vídeo de referencia. Consulta muapi.ai/gemini-omni-1.1-flash para más detalles. Este cliente envuelve los endpoints de Gemini Omni Flash que están activos hoy en MuAPI; los controles específicos de la 1.1 mencionados arriba se están implementando gradualmente y aún no están expuestos por este SDK — este README y el código se actualizarán a medida que MuAPI los añada.

Proyectos relacionados

• Gemini Omni on MuAPI — Página de inicio del modelo: text-to-video, image-to-video, video-edit, perfiles de voz, perfiles de personaje.

• Gemini Omni 1.1 Flash on MuAPI — Novedades de la actualización 1.1 y estado de implementación.

• gemini-omni-comfyui — Nodos personalizados de ComfyUI para Gemini Omni a través de MuAPI.

• Awesome-Gemini-Omni-API-Prompts — Biblioteca seleccionada de prompts de Gemini Omni y guía de API.

• awesome-ai-video-models — Compara modelos de vídeo con IA por API, precio y velocidad.

• Wan-3.0-API — SDK de Python para generación de vídeo Wan 3.0 a través de MuAPI.

• Veo-4-API — SDK de Python para generación de vídeo con Google Veo AI.

• Seedance-2-API — SDK de Python para generación de vídeo con ByteDance Seedance.

• Generative-Media-Skills — Habilidades listas para agentes para flujos de trabajo multimedia automatizados.

• muapi-cli — Acceso desde línea de comandos a los modelos de imagen, vídeo y audio de MuAPI.

Related MCP server: media-gen-mcp

Instalación

git clone https://github.com/Anil-matcha/Gemini-Omni-1.1-Flash-API.git
cd Gemini-Omni-1.1-Flash-API
pip install -r requirements.txt
cp .env.example .env

Configura MUAPI_API_KEY en .env. Configura GEMINI_OMNI_API_BASE_URL solo si utilizas un proveedor compatible distinto de la URL base predeterminada de MuAPI.

Inicio rápido

from gemini_omni_api import GeminiOmniAPI

api = GeminiOmniAPI()
job = api.text_to_video(
    "A street musician plays a violin on a rainy Paris evening, raindrops tap "
    "the cobblestones, a slow melancholic melody, distant café chatter.",
    duration=8,
    resolution="1080p",
    aspect_ratio="16:9",
)

result = api.wait_for_completion(job["request_id"])
print(result)

De imagen a vídeo

job = api.image_to_video(
    prompt="The subject slowly turns to face the camera as golden-hour light sweeps across the scene.",
    image_urls=["https://example.com/reference.jpg"],
    aspect_ratio="9:16",
    duration=8,
)

Edición de vídeo

job = api.video_edit(
    prompt="Restyle the entire clip as a hand-drawn Studio Ghibli animation, keep the original camera motion.",
    video_url="https://example.com/source.mp4",
    trim_start=0,
    trim_end=10,
    resolution="1080p",
)

Perfiles de voz y de personaje

voice = api.create_audio_profile("Narrator", preset_voice="warm-male-1", style_description="calm, deliberate pacing")
character = api.create_character_profile("Host", image_url="https://example.com/host.jpg")

job = api.text_to_video(
    "The host welcomes viewers to the show.",
    audio_ids=[voice["audioId"]],
    character_ids=[character["characterId"]],
)

Superficie de la API

text_to_video(), image_to_video() y video_edit() aceptan duration (4/6/8/10 segundos), resolution (720p, 1080p, 4k), aspect_ratio (16:9, 9:16), hasta 3 audio_ids, hasta 3 character_ids y seed.

Servidor MCP

Expone las herramientas de Gemini Omni a clientes compatibles con MCP:

python mcp_server.py

El servidor proporciona las herramientas text_to_video, image_to_video, video_edit, create_audio_profile, create_character_profile y get_task_status.

Estado: implementación gradual de la actualización 1.1

Google anunció Gemini Omni 1.1 Flash el 27 de agosto de 2026. Actualmente se está implementando a través de Google AI Studio, la plataforma Gemini Enterprise Agent, Google Flow y la aplicación Gemini. MuAPI está implementando el acceso por API a los nuevos controles de la 1.1 (extensión de escena, fotogramas clave, modo borrador de 360p, mejora de escala a 4K, entrada de vídeo de referencia) — este SDK se dirige a los endpoints de Gemini Omni Flash disponibles hoy en MuAPI y se actualizará cuando los endpoints de la 1.1 estén disponibles.

Compatibilidad de endpoints

El cliente utiliza las rutas gemini-omni-text-to-video, gemini-omni-image-to-video, gemini-omni-video-edit, gemini-omni-audio y gemini-omni-character bajo GEMINI_OMNI_API_BASE_URL. Si tu proveedor nombra sus endpoints de forma diferente, pasa la URL base compatible de ese proveedor o adapta el pequeño módulo del cliente antes de usarlo.

Licencia

MIT