Gemini Omni 1.1 Flash API — Python ラッパー

MuAPI 上の Google Gemini Omni Flash 向けの、目的を絞った Python SDK および MCP サーバーです。テキストから動画、画像から動画、動画編集、再利用可能な音声プロファイル、再利用可能なキャラクタープロファイル、および非同期ジョブのポーリングをサポートします。

Google は 2026年8月27日に Gemini Omni 1.1 Flash アップデートを発表しました。シーン拡張（分析コンテキスト最大 10 秒、累積長最大 40 秒）、最初/最後のフレームのキーフレーム制御、360p ドラフト解像度モード、4K アップスケーリング、最大 3 秒のビデオ参照入力を追加します。詳細は muapi.ai/gemini-omni-1.1-flash を参照してください。このクライアントは、現在 MuAPI で稼働している Gemini Omni Flash エンドポイントをラップします。上記の 1.1 固有のコントロールはロールアウト中であり、この SDK ではまだ公開されていません。この README とコードは MuAPI がそれらを追加する際に更新されます。

関連プロジェクト

• Gemini Omni on MuAPI — モデルランディングページ: テキストから動画、画像から動画、動画編集、音声プロファイル、キャラクタープロファイル。

• Gemini Omni 1.1 Flash on MuAPI — 1.1 アップデートの新機能とロールアウト状況。

• gemini-omni-comfyui — MuAPI 経由の Gemini Omni 用 ComfyUI カスタムノード。

• Awesome-Gemini-Omni-API-Prompts — 厳選された Gemini Omni プロンプトライブラリと API ガイド。

• awesome-ai-video-models — AI ビデオモデルを API、価格、速度で比較。

• Wan-3.0-API — MuAPI 経由の Wan 3.0 動画生成用 Python SDK。

• Veo-4-API — Google Veo AI 動画生成用 Python SDK。

• Seedance-2-API — ByteDance Seedance 動画生成用 Python SDK。

• Generative-Media-Skills — 自動化されたメディアワークフローのためのエージェント対応スキル。

• muapi-cli — MuAPI の画像、動画、音声モデルへのコマンドラインアクセス。

Related MCP server: media-gen-mcp

インストール

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

.env に MUAPI_API_KEY を設定します。デフォルトの MuAPI ベース URL 以外の互換プロバイダーを使用する場合のみ、GEMINI_OMNI_API_BASE_URL を設定します。

クイックスタート

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)

画像から動画

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,
)

動画編集

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",
)

音声プロファイルとキャラクタープロファイル

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"]],
)

API サーフェス

text_to_video()、image_to_video()、video_edit() は、duration（4/6/8/10 秒）、resolution（720p、1080p、4k）、aspect_ratio（16:9、9:16）、最大 3 つの audio_ids、最大 3 つの character_ids、および seed を受け付けます。

MCP サーバー

python mcp_server.py

サーバーは、text_to_video、image_to_video、video_edit、create_audio_profile、create_character_profile、get_task_status ツールを提供します。

ステータス: 1.1 アップデート展開中

Google は 2026年8月27日に Gemini Omni 1.1 Flash を発表しました。現在、Google AI Studio、Gemini Enterprise Agent Platform、Google Flow、Gemini アプリを通じて展開中です。MuAPI は新しい 1.1 コントロール（シーン拡張、キーフレーム、360p ドラフトモード、4K アップスケーリング、ビデオ参照入力）の API アクセスを展開しています。この SDK は現在 MuAPI で利用可能な Gemini Omni Flash エンドポイントを対象としており、1.1 エンドポイントの稼働に合わせて更新されます。

エンドポイント互換性

クライアントは、GEMINI_OMNI_API_BASE_URL の配下にある gemini-omni-text-to-video、gemini-omni-image-to-video、gemini-omni-video-edit、gemini-omni-audio、gemini-omni-character パスを使用します。プロバイダーがエンドポイントに異なる名前を付けている場合は、そのプロバイダーの互換ベース URL を渡すか、使用前に小さなクライアントモジュールを調整してください。

ライセンス

MIT