Gemini Omni 1.1 Flash API — Python 封装

一个专注于 MuAPI 上的 Google Gemini Omni Flash 的 Python SDK 和 MCP 服务器。它支持文生视频、图生视频、视频编辑、可复用的语音档案、可复用的角色档案，以及异步任务轮询。

Google 于 2026 年 8 月 27 日宣布了 Gemini Omni 1.1 Flash 更新——新增场景扩展（最多 10 秒的分析上下文，累计最长 40 秒）、首/末帧关键帧控制、360p 草稿分辨率模式、4K 超分辨率，以及最多 3 秒的视频参考输入。详情请参阅 muapi.ai/gemini-omni-1.1-flash。该客户端封装了当前 MuAPI 上已上线的 Gemini Omni Flash 端点；上述 1.1 专属控制功能正在逐步推出，尚未被此 SDK 公开——随着 MuAPI 添加这些功能，本 README 和代码将一并更新。

相关项目

• MuAPI 上的 Gemini Omni — 模型落地页：文生视频、图生视频、视频编辑、语音档案、角色档案。

• MuAPI 上的 Gemini Omni 1.1 Flash — 1.1 更新的新特性与推出状态。

• gemini-omni-comfyui — 通过 MuAPI 为 Gemini Omni 提供的 ComfyUI 自定义节点。

• Awesome-Gemini-Omni-API-Prompts — 精心整理的 Gemini Omni 提示词库与 API 指南。

• awesome-ai-video-models — 按 API、价格和速度比较 AI 视频模型。

• Wan-3.0-API — 通过 MuAPI 进行 Wan 3.0 视频生成的 Python SDK。

• Veo-4-API — 用于 Google Veo AI 视频生成的 Python SDK。

• Seedance-2-API — 用于 ByteDance Seedance 视频生成的 Python SDK。

• Generative-Media-Skills — 适用于自动化媒体工作流的智能体技能。

• muapi-cli — 通过命令行访问 MuAPI 的图像、视频和音频模型。

Related MCP server: media-gen-mcp

安装

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

在 .env 中设置 MUAPI_API_KEY。仅当您使用与默认 MuAPI 基础 URL 不同的兼容提供商时，才设置 GEMINI_OMNI_API_BASE_URL。

快速开始

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)

图生视频

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,
)

视频编辑

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",
)

语音与角色档案

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 接口

text_to_video()、image_to_video() 和 video_edit() 接受 duration（4/6/8/10 秒）、resolution（720p、1080p、4k）、aspect_ratio（16:9、9:16）、最多 3 个 audio_ids、最多 3 个 character_ids 以及 seed。

MCP 服务器

将 Gemini Omni 工具暴露给支持 MCP 的客户端：

python mcp_server.py

该服务器提供 text_to_video、image_to_video、video_edit、create_audio_profile、create_character_profile 和 get_task_status 工具。

状态：1.1 更新正在逐步推出

Google 于 2026 年 8 月 27 日宣布了 Gemini Omni 1.1 Flash。目前它正在通过 Google AI Studio、Gemini Enterprise Agent Platform、Google Flow 和 Gemini 应用逐步推出。MuAPI 正在为新的 1.1 控制功能（场景扩展、关键帧、360p 草稿模式、4K 超分辨率、视频参考输入）逐步开放 API 访问——本 SDK 目前针对 MuAPI 上可用的 Gemini Omni Flash 端点，并将在 1.1 端点上线后随之更新。

端点兼容性

该客户端使用 GEMINI_OMNI_API_BASE_URL 下的 gemini-omni-text-to-video、gemini-omni-image-to-video、gemini-omni-video-edit、gemini-omni-audio 和 gemini-omni-character 路径。如果您的提供商对端点使用了不同的命名，请传入该提供商兼容的基础 URL，或在使用前调整这个小客户端模块。

许可证

MIT