Gemini Omni - cena, jak używać i co potrafi po polsku

Gemini Omni to model wideo Google, który zamiast jednego wejścia przyjmuje prawie wszystko: tekst, zdjęcie, trzy obrazy naraz albo cały klip referencyjny. W Jantarisie płacisz za gotowy klip, a nie za sekundę: nowsza wersja Gemini Omni 1.1 kosztuje od 5,88 zł za film, pierwsza Gemini Omni od 8,40 zł za film. Poniżej rozpisuję, co z pokazów Google faktycznie da się zrobić, ile to kosztuje w złotówkach i jak wysłać pierwsze zadanie w Studio albo przez API.

Czym jest Gemini Omni

Google pokazało Gemini Omni na I/O w maju 2026 jako model "z dowolnego wejścia", zaczynając od wideo. Pierwsza wersja nazywa się u Google Gemini Omni Flash, a w sierpniu doszła 1.1 (w dokumentacji gemini-omni-1.1-flash). W Jantarisie obie są w katalogu pod prostszymi nazwami: gemini-omni i gemini-omni-1.1.

Najważniejsza różnica względem klasycznych modeli text-to-video: Omni ma pracować na referencjach, nie tylko na opisie. Zdjęcie może być pierwszą klatką albo wzorem postaci, trzy obrazy można złożyć w jedną scenę, a istniejące nagranie można przerobić poleceniem tekstowym. Google sprzedaje to jako "edycję wideo rozmową" i to jest w tym modelu najciekawsze.

Parametry, które obowiązują w Jantarisie (sprawdzone w schemacie modelu):

• Długość: 4, 6, 8 albo 10 sekund (domyślnie 6). Innych wartości model nie przyjmie.
• Proporcje: tylko 16:9 i 9:16. Kwadratu nie ma.
• Rozdzielczość: 720p, 1080p, 4K, a w wersji 1.1 dodatkowo 360p.
• Prompt: do 2000 znaków.
• Wejście obrazowe: jedno zdjęcie jako pierwsza klatka albo trzy obrazy do połączenia w jedną scenę. Dwa obrazy są odrzucane.
• Klip referencyjny: jeden, do 30 sekund. Model bierze z niego pierwsze 10 sekund.

Ile kosztuje Gemini Omni

Gemini Omni jest rozliczany za klip, a nie za sekundę jak większość modeli wideo w katalogu. Stawka zależy od rozdzielczości:

Z tej tabeli wynikają dwie praktyczne rzeczy:

• 1080p kosztuje tyle samo co 720p. Jeśli nie robisz 4K, nie ma powodu schodzić niżej niż 1080p.
• 360p w wersji 1.1 nie jest tańsze. Google reklamuje próg 360p jako tani szkic, ale w cenniku Jantarisa ma tę samą stawkę co 720p. Szkicuję więc od razu w 720p.

Wersja 1.1 jest tańsza od pierwszej na każdym progu, a schemat zapytania jest ten sam, więc do nowych projektów nie widzę powodu, żeby brać starszą. Pierwszą wersję zostawiłbym tylko tam, gdzie masz już gotowy pipeline i wyniki, których nie chcesz zmieniać.

Kwotę dla konkretnego zadania widzisz przed startem: w Studio pod formularzem, w API w polu estimated_cost. Ta kwota jest blokowana na saldzie, a gdy generacja się nie uda, wraca w całości. Na koncie PL ceny są w złotówkach z 23% VAT, płacisz BLIK-iem albo kartą, a fakturę z NIP-em dostajesz automatycznie po każdym doładowaniu. Minimalne doładowanie to 40 zł, saldo nie wygasa. Wszystkie stawki są w cenniku.

Co Gemini Omni potrafi, a co z tego jest w Jantarisie

Google pokazuje w materiałach kilka trybów. Nie wszystkie są dostępne w każdym miejscu, gdzie model jest udostępniony, więc rozpisuję je osobno.

Edycja wideo poleceniem

Wysyłasz istniejące nagranie i piszesz, co ma się zmienić. Na pokazie Google rzeźba z jednego klipu zamienia się w rzeźbę z baniek mydlanych, a reszta sceny zostaje.

W Jantarisie robisz to przez klip referencyjny: nagranie idzie w video_urls, polecenie zmiany w prompt. Nie ma tu okna rozmowy, w którym model pamięta poprzednie tury. Każda poprawka to nowe zadanie, a jako wejście podajesz wynik poprzedniego. Efekt jest podobny, tylko historię zmian prowadzisz sam. Przy klipie referencyjnym nie wysyłasz duration, bo długość wynika z materiału.

Interpolacja między pierwszą i ostatnią klatką

Dokumentacja Google dla 1.1 pokazuje przejście od jednego kadru do drugiego: las wiosną o świcie przechodzi w zaśnieżony las pod gwiazdami.

Tu uczciwie: w Jantarisie Gemini Omni przyjmuje dziś pierwszą klatkę (image_url), ale nie ma pola na ostatnią. Jeśli potrzebujesz przejścia z kadru A do kadru B, użyj MiniMax H3 albo MiniMax H3 Max, które mają end_image_url. Opisuję je w tekście o MiniMax H3 i Hailuo.

Rozszerzanie sceny

Trzeci tryb z dokumentacji Google: przedłużenie istniejącego klipu, w którym do sceny wchodzi postać ze zdjęcia referencyjnego.

W Jantarisie najbliżej tego jest klip w video_urls z poleceniem przedłużenia w prompcie, plus zdjęcie postaci w image_urls. Tego połączenia sam jeszcze nie sprawdzałem, więc zanim puścisz serię, zrób jedną próbę w 720p.

Trzy obrazy w jednej scenie

Ten tryb jest w Jantarisie wprost: trzy adresy w image_urls, a w prompcie piszesz, który obraz jest bohaterem, który rekwizytem, a który tłem. Dokładnie trzy, bo dwa model odrzuca. W wersji 1.1 obrazy w image_urls działają jako referencje postaci lub stylu (jeden albo trzy), a pojedyncze zdjęcie w image_url jest zablokowaną pierwszą klatką.

Jak używać Gemini Omni w Jantaris Studio

Studio to wersja bez kodu. Przy pierwszym klipie wygląda to tak:

1. Załóż konto i doładuj saldo (od 40 zł, BLIK działa od ręki).
2. Otwórz Studio, zakładka Wideo, i wybierz z listy Gemini Omni 1.1.
3. Wpisz prompt, wybierz proporcje (16:9 albo 9:16), rozdzielczość i długość.
4. Jeśli startujesz od zdjęcia, rozwiń Pierwsza klatka i wgraj plik albo wklej adres.
5. Sprawdź kwotę w polu Koszt i kliknij Generuj.

Formularz pokazuje tylko te pola, które dany model przyjmuje, więc po wybraniu Gemini Omni zobaczysz długości 4-10 s i dwie proporcje. Gotowe klipy zostają w historii na koncie.

Gemini Omni po polsku

Interfejs Studio, cennik i faktura są po polsku, rozliczenie w złotówkach. Sam prompt piszę po angielsku: wszystkie przykłady Google są po angielsku, a ruch kamery opisany słowami "slow push-in" czy "drone shot" daje mi bardziej przewidywalne wyniki. Polskiej mowy w klipach Gemini Omni nie testowałem, więc niczego tu nie obiecuję. Ogólne zasady opisu ruchu kamery zebrałem w tekście o promptach do wideo AI.

Gemini Omni przez API

API przyda się, gdy robisz klipy seriami albo podpinasz model pod własną aplikację. Klucz sk-jt-... tworzysz w panelu, szczegóły są w szybkim starcie.

export JANTARIS_API_KEY="sk-jt-..."

Wideo z tekstu

curl https://jantaris.com/v1/generate \
  -H "Authorization: Bearer $JANTARIS_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gemini-omni-1.1",
    "input": {
      "prompt": "A drone shot over a misty pine forest at sunrise, slow forward glide, soft golden light",
      "duration": 8,
      "resolution": "1080p",
      "aspect_ratio": "16:9"
    }
  }'

Odpowiedź przychodzi od razu z kodem 202, identyfikatorem zadania i estimated_cost. Wynik odbierasz z GET /v1/tasks/{id}.

Zdjęcie jako pierwsza klatka

{
  "model": "gemini-omni-1.1",
  "input": {
    "prompt": "The camera slowly pushes in, steam rises from the cup, morning light moves across the table",
    "image_url": "https://twoja-domena.pl/pliki/kubek.jpg",
    "duration": 6,
    "resolution": "1080p",
    "aspect_ratio": "9:16"
  }
}

Przeróbka istniejącego klipu

{
  "model": "gemini-omni-1.1",
  "input": {
    "prompt": "Keep the camera move and the people, change the season to deep winter with falling snow",
    "video_urls": ["https://twoja-domena.pl/pliki/ujecie.mp4"],
    "resolution": "1080p",
    "aspect_ratio": "16:9"
  }
}

Bez duration - przy klipie referencyjnym to pole musi zniknąć z zapytania, inaczej dostaniesz 422.

Skrypt w Pythonie

import os
import time
import requests

API = "https://jantaris.com/v1"
HEADERS = {"Authorization": f"Bearer {os.environ['JANTARIS_API_KEY']}"}

payload = {
    "model": "gemini-omni-1.1",
    "input": {
        "prompt": "A paper boat drifts down a rain gutter, low angle tracking shot, puddles reflect street lights",
        "duration": 6,
        "resolution": "1080p",
        "aspect_ratio": "9:16",
    },
}

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

delay = 5
while True:
    task = requests.get(f"{API}/tasks/{task['id']}", headers=HEADERS, timeout=30).json()
    if task["status"] in ("succeeded", "failed"):
        break
    time.sleep(delay)
    delay = min(delay * 1.5, 20)

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

Link z pola output jest ważny ograniczony czas, więc plik pobieram od razu. Przy kilkunastu zadaniach naraz zamiast pętli używam webhook_url - opis jest w dokumentacji webhooków, a wszystkie pola zapytania w dokumentacji generowania.

Gemini Omni czy Veo 3.1

Oba modele są od Google, ale do innych zadań. Gemini Omni wybieram, gdy mam materiał wejściowy: nagranie do przerobienia, zdjęcie postaci, trzy elementy do złożenia w jedną scenę. Veo 3.1 (Quality) biorę do ujęć od zera, w których liczy się dopracowane światło i dźwięk generowany razem z obrazem. Cenę i parametry Veo rozpisałem w tekście Veo 3.1 - cena, a całe zestawienie modeli wideo jest w porównaniu API do wideo AI. Jeśli Twój punkt wyjścia to jedno zdjęcie, zajrzyj też do poradnika jak zrobić film AI ze zdjęcia.

Najczęstsze pytania

Ile kosztuje Gemini Omni?

W Jantarisie Gemini Omni 1.1 kosztuje od 5,88 zł za film, a pierwsza wersja od 8,40 zł za film. To cena za klip w 720p lub 1080p, 4K jest dwa razy droższe. Dokładną kwotę widzisz przed startem w polu estimated_cost.

Czy Gemini Omni jest za darmo?

W Jantarisie nie: nie ma darmowego planu ani kredytów na start, płacisz od pierwszego klipu. Nieudane generacje kosztują 0 zł, a saldo nie wygasa. Google udostępnia Omni Flash także w swoich narzędziach, na przykład we Flow z dzienną pulą darmowych kredytów, z limitami ustalanymi przez Google.

Jak używać Gemini Omni bez kodu?

W Jantaris Studio: zakładka Wideo, model Gemini Omni 1.1, prompt, proporcje, rozdzielczość, długość i ewentualnie pierwsza klatka. Kwota pojawia się przed kliknięciem Generuj.

Czym Gemini Omni 1.1 różni się od pierwszej wersji?

Ma niższą cenę na każdym progu, dodatkowy próg 360p i wybór roli zdjęcia: zablokowana pierwsza klatka albo referencja postaci lub stylu. Zapytanie wygląda tak samo.

Czy Gemini Omni może edytować moje nagranie?

Tak, przez klip referencyjny do 30 sekund w video_urls i polecenie zmiany w prompcie. Model korzysta z pierwszych 10 sekund nagrania.

Jak długi klip zrobi Gemini Omni?

4, 6, 8 albo 10 sekund w jednym zadaniu. Dłuższy materiał składasz z kilku klipów w montażu.