Gemini Omni 1.1 Flash API — Python-обёртка

Специализированный Python SDK и MCP-сервер для Google Gemini Omni Flash on MuAPI. Он поддерживает генерацию видео из текста, генерацию видео из изображений, редактирование видео, переиспользуемые голосовые профили, переиспользуемые профили персонажей и асинхронный опрос заданий.

Google анонсировала обновление Gemini Omni 1.1 Flash 27 августа 2026 года — с расширением сцены (до 10 секунд анализируемого контекста, до 40 секунд суммарной длительности), управлением ключевыми кадрами первого/последнего кадра, черновым режимом разрешения 360p, масштабированием до 4K и вводом видео-референса до 3 секунд. Подробности см. на muapi.ai/gemini-omni-1.1-flash. Этот клиент оборачивает эндпоинты Gemini Omni Flash, которые уже доступны на MuAPI; перечисленные выше функции, специфичные для 1.1, внедряются поэтапно и пока не доступны в этом SDK — этот README и код будут обновлены по мере их добавления в MuAPI.

Связанные проекты

• Gemini Omni on MuAPI — Страница модели: генерация видео из текста, генерация видео из изображений, редактирование видео, голосовые профили, профили персонажей.

• Gemini Omni 1.1 Flash on MuAPI — Что нового в обновлении 1.1 и статус внедрения.

• gemini-omni-comfyui — Пользовательские узлы ComfyUI для Gemini Omni через MuAPI.

• Awesome-Gemini-Omni-API-Prompts — Курируемая подборка промптов Gemini Omni и руководство по API.

• awesome-ai-video-models — Сравнение AI-видеомоделей по API, цене и скорости.

• Wan-3.0-API — Python SDK для генерации видео Wan 3.0 через MuAPI.

• Veo-4-API — Python SDK для генерации видео Google Veo AI.

• Seedance-2-API — Python SDK для генерации видео ByteDance Seedance.

• Generative-Media-Skills — Готовые к использованию ИИ-агентами навыки для автоматизированных медиа-процессов.

• muapi-cli — Доступ к моделям MuAPI для изображений, видео и аудио из командной строки.

Related MCP server: media-gen-mcp

Установка

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

Укажите MUAPI_API_KEY в .env. GEMINI_OMNI_API_BASE_URL задавайте только в том случае, если вы используете совместимого провайдера, отличного от базового URL MuAPI по умолчанию.

Быстрый старт

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)

Изображение в видео

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,
)

Редактирование видео

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",
)

Голосовые профили и профили персонажей

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"]],
)

Поверхность API

text_to_video(), image_to_video() и video_edit() принимают duration (4/6/8/10 секунд), resolution (720p, 1080p, 4k), aspect_ratio (16:9, 9:16), до 3 audio_ids, до 3 character_ids и seed.

MCP-сервер

Предоставьте инструменты Gemini Omni MCP-совместимым клиентам:

python mcp_server.py

Сервер предоставляет инструменты text_to_video, image_to_video, video_edit, create_audio_profile, create_character_profile и get_task_status.

Статус: внедрение обновления 1.1

Google анонсировала Gemini Omni 1.1 Flash 27 августа 2026 года. Сейчас оно постепенно внедряется через Google AI Studio, Gemini Enterprise Agent Platform, Google Flow и приложение Gemini. MuAPI поэтапно открывает доступ к API для новых возможностей 1.1 (расширение сцены, ключевые кадры, черновой режим 360p, масштабирование до 4K, ввод видео-референса) — этот SDK нацелен на эндпоинты Gemini Omni Flash, доступные на MuAPI сегодня, и будет обновлён, когда эндпоинты 1.1 станут доступны.

Совместимость эндпоинтов

Клиент использует пути gemini-omni-text-to-video, gemini-omni-image-to-video, gemini-omni-video-edit, gemini-omni-audio и gemini-omni-character относительно GEMINI_OMNI_API_BASE_URL. Если ваш провайдер называет свои эндпоинты иначе, передайте совместимый базовый URL этого провайдера или адаптируйте небольшой клиентский модуль перед использованием.

Лицензия

MIT