Âm thanh đồng bộ luôn bật
Mỗi clip đều đi kèm âm thanh được tạo ra — môi trường, hiệu ứng, lời nói. Điều chỉnh bằng dòng “Audio:” trong lời nhắc.
Mô hình · Google Gemini Omni Flash
Gemini Omni Flash — Video AI có âm thanh, chỉ từ $0.30 một clip
Mô hình thế giới của Google cho video ngắn: mỗi clip đi kèm âm thanh đồng bộ, chuyển động đúng vật lý và chỉnh sửa bằng hội thoại — mô tả thay đổi và cảnh được tạo lại. Bạn đặt độ dài chính xác: 3 đến 10 giây mỗi clip, 16:9 hoặc dọc 9:16 cho Shorts và Reels; thế hệ 1.1 bổ sung bản nháp 360p, 1080p và 4K, cùng mở rộng cảnh tới 40 giây. $0.10 mỗi giây ở 720p ($0.30–$1.00 mỗi clip), thanh toán bằng crypto. Không cần đăng ký gói.
Omni 1.1 Flash đã ra mắt
Thế hệ thứ hai bổ sung bản nháp 360p với một phần ba giá, đầu ra 1080p và 4K, khung hình kết, tham chiếu video và mở rộng cảnh tới 40 giây. Từ tháng 9/2026, đây chính là mô hình đứng sau Omni Flash trong studio.
01Giới thiệu
Gemini Omni Flash là gì?
Gemini Omni Flash là mô hình đầu tiên trong dòng Gemini Omni của Google — một mô hình thế giới lập luận về một cảnh giống như cách một công cụ vật lý thực hiện, sau đó kết xuất nó dưới dạng video. Bạn gửi văn bản, hình ảnh hoặc kết quả trước đó; mô hình sẽ trả về một clip 720p ở tốc độ 24 khung hình/giây với âm thanh đồng bộ gốc, có độ dài chính xác như bạn yêu cầu (3 đến 10 giây) — âm thanh môi trường, hiệu ứng, thậm chí cả lời nói — được tạo ra trong cùng một lượt với các pixel, không phải được thêm vào sau đó. Google đã phát hành mô hình này cho ứng dụng Gemini, Flow và YouTube Shorts vào tháng 5 năm 2026 và mở cổng API (gemini-omni-flash-preview) vào ngày 30 tháng 6 năm 2026. Trên BananaBanana, nó chạy trên môi trường chính thức ngay cạnh dòng Veo 3.1: cùng một số dư, giá $0.10 mỗi giây video ($0.30–$1.00 cho mỗi clip), thanh toán bằng tiền điện tử.
Tại sao nó được xây dựng cho Shorts, Reels và TikTok?
Video ngắn cần ba thứ: âm thanh luôn bật theo mặc định, chuyển động đáng tin cậy và tốc độ thử nghiệm nhanh. Omni Flash mang lại cả ba điều đó. Âm thanh luôn bật — mô thể tự quyết định âm thanh của cảnh quay dựa trên những gì nó hiển thị. Chuyển động đến từ mô hình thế giới có khả năng lập luận về cảnh vật: xi-rô chảy, giấy bay, hơi nước bốc lên ở những nơi thích hợp — thường không cần lời nhắc phức tạp (đối với những cảnh quay cực kỳ quan trọng về vật lý, Veo 3.1 vẫn là lựa chọn kết xuất an toàn hơn). Và thay vì viết lại lời nhắc từ đầu, bạn tinh chỉnh bằng cách trò chuyện — “làm cho trời tối dần”, “thêm mưa trên cửa sổ” — trong khi mô hình vẫn giữ nguyên nhân vật, ánh sáng và góc máy ảnh nhất quán. Lời nhắc cũng chính là bảng điều khiển: nếu để tự nhiên, mô hình có xu hướng cắt giữa các cảnh quay, vì vậy bạn can yêu cầu một cảnh quay duy nhất không ngắt quãng, đánh dấu các khoảng nhịp là [0-3s] và trích dẫn bất kỳ văn bản nào mong muốn hiển thị trên màn hình. Hãy tạo video ở tỷ lệ dọc 9:16 và clip sẽ có thể đăng trực tiếp lên Shorts, Reels hoặc TikTok mà không cần cắt xén.
02Tính năng
Những gì Omni Flash có thể làm
Chỉnh sửa đối thoại
Mô tả một thay đổi và cảnh quay sẽ được tạo lại trong khi nhân vật, ánh sáng và góc máy ảnh vẫn nguyên vẹn. Các chỉnh sửa được liên kết nối tiếp nhau — và bất kỳ video đã hoàn thành nào, ngay cả clip Veo hay tệp tải lên của chính bạn, đều có thể được gửi lại để chỉnh sửa video-to-video.
Mô hình thế giới tuân thủ vật lý
Mô hình suy luận về cảnh như một công cụ vật lý — chất lỏng, khói và vải thường hành xử một cách hợp lý ngay từ lần thử đầu tiên.
Hình ảnh thành video
Bất kỳ bức ảnh nào cũng trở thành khung hình mở đầu — hình ảnh do bạn tự tạo hoặc tải lên — trong khi lời nhắc mô tả chuyển động và không gian âm thanh. Nó có thể được kết hợp với các hình ảnh tham chiếu trong cùng một yêu cầu.
Tham chiếu đối tượng
Tối đa 10 hình ảnh tham chiếu giúp giữ cho một nhân vật hoặc sản phẩm nhất quán trong một cảnh hoàn toàn mới — và có thể kết hợp với khung hình đầu tiên.
Bạn tự thiết lập định dạng và thời lượng
Chọn tỷ lệ khung hình cho mỗi lượt tạo — đầu ra dạng dọc được định khung cho Shorts, Reels và TikTok — và độ dài clip chính xác, từ 3 đến 10 giây trọn vẹn, thanh toán $0.10 cho mỗi giây.
03Hạn chế
Những gì nó không thể làm — thành thật mà nói
Đây là giới hạn của chính API Google, không phải của tích hợp của chúng tôi — và đáng biết trước khi bạn tiêu một đô la. 720p là bản render gốc: thế hệ đầu dừng ở đó, còn các mức 1080p và 4K của Omni 1.1 là bản phóng to từ cùng lượt render 720p, không thêm chi tiết — cần 4K gốc thì dùng Veo 3.1. Một clip vẫn là 3–10 giây: thế hệ đầu hoàn toàn không vượt qua được, còn Omni 1.1 chỉ dài hơn bằng cách nối thêm các đoạn 3–10 giây, tổng tối đa 40 giây. Chỉnh sửa thay đổi cảnh chứ không kéo dài nó: clip đã chỉnh luôn trả về đúng độ dài của nguồn.
Ngoài ra, các tính năng còn thiếu trong cổng API xem trước: seed (cùng một seed và lời nhắc vẫn cho ra một kết quả khác), các thông số cho lời nhắc phủ định (negative-prompt), tối ưu hóa lời nhắc, tạo nhiều mẫu thử cho mỗi yêu cầu và tắt âm thanh. Nếu bất kỳ tính năng nào trong số đó là điều kiện tiên quyết của bạn, dòng mô hình Veo 3.1 sẽ đáp ứng đầy đủ — cùng một số dư tài khoản, cùng một trình tạo.
04Cách hoạt động
Từ lời nhắc đến clip trong vài phút
Đăng ký miễn phí
Email và mật khẩu — không thẻ tín dụng, không tài khoản Google, $0.20 số dư khởi điểm miễn phí.
Nạp tiền bằng tiền mã hóa
Từ $1 bằng USDT, USDC, BTC, ETH, SOL, TON và nhiều loại khác. Thưởng +5% từ $50, +10% từ $100.
Tạo, sau đó đối thoại với nó
Viết lời nhắc (thêm dòng "Audio:"), chọn tỷ lệ 16:9 hoặc 9:16 và độ dài chính xác, tạo từ $0.30 — sau đó tinh chỉnh bằng cách mô tả các thay đổi.
05Giá cả
Định giá theo giây, đã bao gồm âm thanh
| Mô hình | Giá mỗi clip | Thời lượng | Độ phân giải | Âm thanh |
|---|---|---|---|---|
| Gemini Omni Flash$0.10 mỗi giây | $0.30–$1.00 | 3–10 giây (bạn tự chọn) | 720p | luôn bật |
| Veo 3.1 Fastcó âm thanh | $0.50–$1.00 | 4–8 giây (bạn chọn) | lên đến 4K | tùy chọn |
| Veo 3.1có âm thanh | $1.50–$3.00 | 4–8 giây (bạn chọn) | lên đến 4K | tùy chọn |
Giá của Veo hiển thị cho độ phân giải 720p/1080p; độ phân giải 4K có chi phí cao hơn. Omni Flash được tính phí $0.10 trên mỗi giây xuất ra, vì vậy một clip có giá $0.30–$1.00; một lượt chỉnh sửa là một lượt tạo mới có cùng thời lượng với nguồn của nó, ở cùng mức giá. Bảng giá đầy đủ trên trang bảng giá.
So sánh mọi mô hình trên trang giá đầy đủ — hoặc đọc đánh giá thực tế về API Omni Flash trước khi bạn chi tiêu.
06Tìm hiểu thêm
Hướng dẫn từ blog
Đánh giá API Gemini Omni Flash: Phiên bản Preview thực sự làm được gì
Đánh giá thực tế: API thực sự hỗ trợ gì, những gì vẫn độc quyền cho Flow, chi phí thực tế cho mỗi clip.
Đọc hướng dẫnHướng dẫn lời nhắc Veo 3.1: Viết lời nhắc thực sự hiệu quả
Cấu trúc lời nhắc bảy phần, các thuật ngữ chuyển động camera và gợi ý âm thanh.
Đọc hướng dẫnAI Chuyển đổi Hình ảnh thành Video: Biến bất kỳ bức ảnh nào thành một clip chuyển động
Khung hình đầu, khung hình cuối, các vòng lặp và video kéo dài.
Đọc hướng dẫn07Câu hỏi thường gặp
Gemini Omni Flash, đã được giải đáp
Gemini Omni Flash là gì?
Gemini Omni Flash là mô hình đầu tiên trong dòng Gemini Omni của Google — một mô hình thế giới biến văn bản, hình ảnh hoặc một clip trước đó thành một video 720p ngắn với âm thanh đồng bộ được tạo ra cùng lúc. Nó được phát hành cho người dùng vào tháng 5 năm 2026 và có mặt trên API dưới dạng gemini-omni-flash-preview vào ngày 30 tháng 6 năm 2026. Trên BananaBanana, nó chạy trong môi trường sản xuất cùng với dòng Veo 3.1.
Một video Gemini Omni Flash có giá bao nhiêu?
$0.10 mỗi giây video trên BananaBanana — $0.30 cho clip 3 giây, $1.00 cho trọn vẹn 10 giây, đã bao gồm âm thanh, không cần đăng ký. Một lượt chỉnh sửa clip hiện có là một lượt tạo mới có cùng thời lượng, ở cùng mức giá. Bạn nạp tiền bằng tiền điện tử từ $1 và thanh toán cho mỗi clip.
Đọc câu trả lời đầy đủGemini Omni Flash có tạo âm thanh không?
Có — luôn luôn. Mọi clip đều đi kèm âm thanh đồng bộ bản địa: môi trường, hiệu ứng, thậm chí cả lời nói nếu bạn yêu cầu. Bạn không thể tắt nó; cách kiểm soát duy nhất là văn bản, vì vậy hãy mô tả không gian âm thanh trong dòng “Audio:” bên trong lời nhắc.
Tôi có thể chọn độ dài clip hoặc độ phân giải không?
Độ dài thì có: bất kỳ số giây nguyên nào từ 3 đến 10, và bạn trả $0.10 cho mỗi giây ở 720p. Độ phân giải tùy thế hệ: Omni Flash 1.0 chỉ render 720p, còn Omni 1.1 Flash bổ sung mức nháp 360p với một phần ba giá và bản phóng to 1080p, 4K với giá mỗi giây cao hơn. Bạn cũng chọn tỷ lệ khung hình: 16:9 cho màn rộng hoặc 9:16 dọc cho Shorts, Reels và TikTok. Một ngoại lệ: clip đã chỉnh kế thừa độ dài của nguồn, vì mô hình không thể kéo dài hay cắt ngắn video.
Đọc câu trả lời đầy đủChỉnh sửa đối thoại hoạt động như thế nào?
Tạo một clip, rồi mô tả thay đổi — "cho tuyết rơi", "đổi cái cốc thành cái ly" — và Omni Flash tạo lại cảnh trong khi giữ nguyên nhân vật, ánh sáng và máy quay. Các lần chỉnh chồng lên nhau. Bạn cũng có thể chỉnh video không do nó tạo: gửi bất kỳ clip hoàn chỉnh nào, kể cả video Veo hay file bạn tải lên, và nó trở lại với phong cách mới, cùng độ dài. Mỗi lần chỉnh là một lượt tạo bình thường, $0.10 mỗi giây. Làm clip dài hơn là một tính năng riêng — mở rộng cảnh — và chỉ có ở Omni 1.1 Flash.
Tôi nên dùng Gemini Omni Flash hay Veo 3.1?
Chọn Omni Flash khi âm thanh quan trọng và định dạng là video ngắn dọc hoặc cho mạng xã hội: âm thanh luôn bật, vật lý trông đúng, và lặp lại bằng hội thoại với $0.10 mỗi giây ($0.30–$1.00 mỗi clip); chọn thế hệ 1.1 cho bản nháp 360p, xuất 4K hoặc cảnh dài hơn mười giây. Chọn Veo 3.1 khi bạn cần kiểm soát — độ dài chính xác 4/6/7/8 giây, 4K gốc, âm thanh tùy chọn, seed, khung đầu/cuối và mở rộng tới 148 giây.
Tôi có cần tài khoản Google hay thẻ tín dụng không?
Không. BananaBanana chỉ chấp nhận tiền mã hóa — USDT, USDC, BTC, ETH, SOL, TON và các đồng tiền chính khác, nạp tối thiểu $1. Đăng ký bằng email, nạp tiền, tạo; số dư chưa sử dụng không bao giờ hết hạn.
Tạo clip đầu tiên của bạn có âm thanh
Gemini Omni Flash — $0.30–$1.00 mỗi clip với âm thanh luôn bật, tính phí $0.10 một giây; Veo 3.1 bắt đầu từ $0.10. Thanh toán theo mức sử dụng bằng tiền điện tử, không cần đăng ký, có sẵn $0.20 miễn phí khi bắt đầu.