Google · Gemini Omni 1.1 Flash
Tạo và chỉnh sửa video từ mọi đầu vào
Omni Flash của Google là một mô hình duy nhất để tạo, chỉnh sửa và kéo dài video — đầu vào là văn bản, hình ảnh hoặc đoạn phim, đầu ra là video kèm giọng nói, nhạc và hiệu ứng âm thanh riêng. Phiên bản 1.1 bổ sung tính năng kéo dài cảnh lên 40 giây, kiểm soát khung hình đầu và cuối, cùng đầu ra 1080p và 4K.
Đã có trong studio video, Canvas và trình kết nối MCP
- 3s
- 10s
- 20s
- 30s
- 40s
Mô tả cảnh quay, góc máy, ánh sáng và tâm trạng. Âm thanh sẽ được tạo phù hợp.
Hình ảnh là kim chỉ nam hoặc điểm khởi đầu; câu lệnh quy định chuyển động.
Mô hình tạo chuyển động từ khung đầu đến khung cuối — xoay quanh, thu phóng, vòng lặp mượt mà.
Nhân vật và đồ vật trong ảnh luôn nhất quán xuyên suốt đoạn video.
Chỉnh sửa giữ nguyên mọi thứ bạn không đề cập; kéo dài thêm 10 giây mỗi lần.
Những gì Google tích hợp vào Omni
Ba điều mà thẻ mô hình và bài đăng ra mắt nhấn mạnh, và lý do chúng quan trọng đối với đoạn video dài. Mọi tuyên bố bên dưới là của Google; phần kết xuất bên dưới là của chúng tôi.
Mười giây ghi nhớ giữa các đoạn
Omni 1.1 phân tích tối đa 10 giây ngữ cảnh trước đó khi mở rộng cảnh — các mô hình trước chỉ tham chiếu giây cuối cùng. Đó là lý do một chuỗi 40 giây giữ nguyên cùng một thuyền trưởng, con tàu và tông màu qua bốn đoạn.
Vật lý và kiến thức thế giới
Google mô tả sự thấu hiểu trực quan về trọng lực, động năng và động lực học chất lưu, kết hợp với kiến thức của Gemini về lịch sử, khoa học và văn hóa — nước tuôn trào như nước thật, thuyền buồm nghiêng như tàu thật.
SynthID và C2PA trên mọi đoạn video
Mọi video được tạo đều mang watermark SynthID vô hình của Google và hỗ trợ Content Credentials (C2PA), giúp đoạn video nổi bật có thể được xuất bản với nguồn gốc có thể xác minh — một yêu cầu trên ngày càng nhiều nền tảng.
Nguồn: Các bài đăng "Introducing Gemini Omni" và "Gemini Omni 1.1 Flash lets you build with more control" của Google, thẻ mô hình DeepMind và trang mô hình Gemini Enterprise Agent Platform.
Hai bản trình diễn, trực tiếp từ mô hình
Cả hai đều được tạo trên Popcraft và hiển thị nguyên bản — không chỉnh sửa, không thêm nhạc. Đoạn trailer là một yêu cầu 40 giây ở độ phân giải 1080p. Cặp video bên phải là một clip 5 giây và chính clip đó sau khi mở rộng cảnh lên 25 giây.
Bất kỳ độ dài nào lên đến 40 giây. Popcraft sẽ nối chuỗi cho bạn.
Bài đăng ra mắt của Google gọi đây là mở rộng cảnh: video phát triển "theo từng đoạn 10 giây lên tổng độ dài tích lũy tối đa 40 giây". Trên Popcraft bạn không bao giờ phải quản lý điều đó. Chọn bất kỳ độ dài nào từ 3 đến 40 giây trên một thanh trượt và Popcraft tự động nối chuỗi quy trình mở rộng từ câu lệnh duy nhất của bạn, sau đó trả về một tệp, một câu chuyện, một bản nhạc nền. Đây là đoạn trailer tại sáu thời điểm dọc theo nó.
1s
8s
15s
22s
29s
36sMọi độ dài, tự nối chuỗi
Chọn từ 3 đến 40 giây và Popcraft sẽ chạy chuỗi mở rộng của Google cho bạn ở hậu trường — không cần lên kế hoạch từng đoạn, không cần ghép clip — và bạn chỉ trả tiền cho số giây được tạo ra.
Độ phân giải sản xuất
"Đầu ra 1080p hoặc 4K sắc nét, độ phân giải cao, sẵn sàng cho sản xuất chuyên nghiệp", theo lời Google. Trên Popcraft, chuỗi 4K chạy tối đa 30 giây.
Khung hình đầu và cuối
Mới trong 1.1: chỉ định khung hình bắt đầu và kết thúc của một cảnh quay và Omni sẽ tạo video liên tục giữa chúng — quỹ đạo máy quay phức tạp, chuyển cảnh thu phóng, vòng lặp mượt mà.
Giọng nói, nhạc, hiệu ứng âm thanh
Được liệt kê trên thẻ mô hình là được tạo cùng với hình ảnh. Hãy điều khiển nó trong câu lệnh — một chiếc đài đang phát, không có lời thoại, chỉ âm thanh nền — và nó sẽ tuân theo.
Mang theo hình ảnh hoặc video của bạn
Cùng một mô hình đọc tham chiếu, chỉnh sửa và mở rộng. Hướng dẫn của Google là dựa vào câu lệnh: nêu rõ những gì cần giữ lại, nêu rõ những gì cần thay đổi, và nói "mở rộng" khi bạn muốn mở rộng.
Tham chiếu chủ thể
Đính kèm ảnh của một người, một sản phẩm hoặc một địa điểm và mô tả cảnh. Mô hình giữ các nhân vật và đối tượng nhất quán xuyên suốt clip, bao gồm cả qua các đoạn của một clip dài.
Không cần bước huấn luyện, không cần tệp nhân vật. Hai bức ảnh cùng một chủ thể từ các góc độ khác nhau sẽ cho kết quả tốt hơn một bức.
Người phụ nữ trong các ảnh tham chiếu bước về phía máy quay trên bãi biển vào giờ vàng, gió thổi tóc, sóng vỗ phía sau.
Chỉnh sửa video
Đính kèm một đoạn clip và cho biết những gì cần thay đổi. Lời khuyên từ Google: "Câu lệnh đơn giản sẽ cho kết quả chỉnh sửa video tốt nhất" — mô hình sẽ giữ nguyên các yếu tố bạn không đề cập.
Đầu ra giữ nguyên độ dài và khung hình của nguồn, và được tính phí theo độ dài đó.
Làm cho tuyết rơi dày. Giữ nguyên mọi thứ khác.
Mở rộng cảnh
Đính kèm một đoạn clip và chọn tổng thời lượng dài hơn. Bản gốc được giữ nguyên từng khung hình, cảnh quay mới được nối thêm theo từng đoạn 10 giây với âm thanh tiếp nối, và mô hình đọc tối đa 10 giây của clip để đảm bảo tính liên tục.
Hãy nói "extend" — Popcraft sẽ tự động thêm cho bạn trên bảng Mở rộng Video nếu bạn quên, vì nếu không có từ này, mô hình sẽ xử lý yêu cầu như một chỉnh sửa. Việc mở rộng chỉ nối thêm vào cuối.
Mở rộng video này: tiếp tục cảnh giống hệt khi thuyền cập bến và thủy thủ đoàn ném dây thừng vào bờ.
Omni bên cạnh Seedance 2.5 và Veo 3.1
Ba mô hình đều tạo âm thanh cùng hình ảnh. Ưu thế của Omni là mở rộng cảnh lên 40 giây và xuất 4K từ một mô hình; Seedance mạnh về số lượng tham chiếu và chỉnh sửa chính xác theo vùng; Veo nổi bật ở khả năng kiểm soát khung hình trong 8 giây. Hãy chọn theo nhu cầu.
| Tính năng | Gemini Omni 1.1 Flash | Seedance 2.5 | Veo 3.1 |
|---|---|---|---|
| Clip dài nhất từ một yêu cầu | 40 giây nhờ mở rộng cảnh (30 giây ở 4K) | 30 giây | 8 giây |
| Độ phân giải cao nhất | 4K (3840×2160), xuống đến bản nháp 360p | 1080p | 1080p |
| Âm thanh gốc | Giọng nói, nhạc, hiệu ứng âm thanh | Có | Có |
| Ảnh tham chiếu | Tối đa 10 | Tối đa 30 (+10 video, +10 âm thanh) | Tối đa 3 |
| Video tham chiếu | Tối đa 3 | Tối đa 10 | 1 (mở rộng) |
| Chỉnh sửa video | Hội thoại; giữ lại những gì bạn không đề cập | Kiểm soát được, chính xác theo vùng | — |
| Mở rộng video | Tăng 10 giây đến 40 giây, 10 giây ngữ cảnh | Trước hoặc sau, đến 30 giây | +7 giây mỗi bước |
| Nguồn gốc | SynthID + Thông tin xác thực nội dung C2PA | — | SynthID |
Các thông số của Omni được lấy từ trang mô hình và bài đăng ra mắt của Google; các giới hạn của Popcraft là những gì trình chọn hiển thị hiện tại. Giới hạn của nhà cung cấp có thể thay đổi; trình chọn luôn hiển thị những gì hiện có.
Trường hợp một yêu cầu dài, rõ ràng và đơn lẻ mang lại hiệu quả
Mọi thứ từng đòi hỏi năm đoạn clip rồi ghép lại.
Hero trên landing page
Mọi độ dài từ 3 đến 40 giây (30 giây ở 4K) với nhạc nền riêng, trong một tệp duy nhất. Đặt thanh trượt ở 24 và Popcraft sẽ tự động nối các phần mở rộng cho bạn.
Trailer và teaser
Một câu chuyện trọn vẹn — mở đầu, hé lộ, cao trào — trong một lần kết xuất liên tục, nhạc nền dâng dần bên dưới.
Quảng cáo với ngôi sao nhất quán
Một vài bức ảnh sản phẩm hoặc người dẫn chương trình giúp giữ họ giống hệt nhau qua mọi cảnh quay.
Chỉnh sửa lại cảnh đã quay
Thay đổi thời tiết, trang phục hoặc thời điểm trong ngày trên cảnh quay thật, giữ nguyên độ dài và góc máy.
Trực quan hóa ý tưởng
Bài đăng ra mắt của Google đã nhấn mạnh điều này: "video giải thích hấp dẫn từ các câu lệnh ngắn", với hình ảnh minh họa một ý tưởng phức tạp.
Tạo câu lệnh cho chuỗi
Hướng dẫn của Google yêu cầu mô tả cảnh, chuyển động máy quay, ánh sáng và tâm trạng, đồng thời cung cấp cú pháp mã thời gian cho các sự kiện. Mọi thứ khác ở đây đều rút ra từ trailer phía trên: nó đã làm đúng những gì chúng ta yêu cầu, và sắp xếp lại những gì chúng ta yêu cầu, bởi vì chúng ta đã đòi hỏi quá nhiều trong mỗi đoạn.
Một hành động mỗi 10 giây, kèm mã thời gian
Viết các nhịp thành một chuỗi theo thời gian — chính hướng dẫn của Google đã ghi nhận cú pháp [0-3s] … [3-6s] …. Mỗi đoạn 10 giây có một việc rõ ràng cần làm; mô hình sẽ hoạch định các đoạn từ câu lệnh, vì vậy hãy cung cấp kế hoạch cho nó.
Hãy đặt diện mạo (tông màu, ống kính, tâm trạng) vào một dòng ngắn ở cuối, thay vì một đoạn văn ở đầu. Đối với cảnh quay liền mạch, hãy ghi rõ: "trong một cú máy dài liên tục, không cắt cảnh".
Một chiếc thuyền buồm cướp biển trong cơn bão lúc hoàng hôn, cờ đầu lâu, buồm đen rách rưới. Một cú máy dài liên tục, không cắt cảnh.\n[0-10s] Con thuyền lao qua những con sóng; máy quay nâng lên boong tàu.\n[10-20s] Vị thuyền trưởng râu ria bên bánh lái hét lệnh; thủy thủ đoàn gầm vang đáp lại.\n[20-30s] Ông ta mở một chiếc rương sắt ở mũi tàu; nó tràn ngập nam việt quất đỏ.\n[30-40s] Một con tàu đối thủ khai hỏa; nam việt quất văng tung tóe trong chuyển động chậm khi ông ta giơ thanh kiếm lên.\nDiện mạo: lóe sáng anamorphic, phân hạng màu xanh lục lam và hổ phách, nhạc nền giao hưởng, không có chữ trên màn hình.
Một đoạn văn trailer dày đặc
Đây là những gì chúng tôi thực sự đã gửi cho trailer ở trên: năm nhịp, một cảnh mở rương, một con tàu đối thủ và đoạn kết trong một đoạn văn liền mạch. Mô hình đã giữ lại con tàu, vị thuyền trưởng và phân hạng màu, rồi xáo trộn thứ tự.
Cảnh phun nam việt quất xuất hiện ở giây thứ 8; chiếc rương chưa bao giờ mở rõ ràng. Những câu lệnh dày đặc không thất bại, chúng bị nén lại.
Trailer bom tấn Hollywood, "Pirates of the Cranberries". Diện mạo điện ảnh người đóng hoành tráng: lóe sáng ống kính anamorphic, tông màu xanh lục lam và hổ phách đậm, sương biển thể tích, hạt phim 35mm… [năm nhịp, một đoạn văn, 240 từ]
- Hãy nói "extend"
- Đối với phần mở rộng, từ ngữ chính là công tắc. Popcraft sẽ tự thêm nó vào bảng Extend Video nếu bị thiếu; từ API hoặc MCP, hãy tự viết. Phần mở rộng chỉ được thêm vào cuối — không có thêm vào đầu.
- Khung hình cũng cần từ ngữ
- Hai hình ảnh là tham chiếu chủ thể trừ khi bạn nói "khung hình đầu tiên" và "khung hình cuối cùng" rồi mô tả phần chuyển tiếp.
- Chỉ đạo âm thanh
- Hướng dẫn của Google: "Theo mặc định, mô hình sẽ cố gắng tạo ra một bản âm thanh phù hợp." Hãy dùng câu phủ định đơn giản — "không thoại", "không hiệu ứng âm thanh phụ" — hoặc gọi tên thứ bạn muốn: tiếng radio đang phát, tiếng mưa trên canvas, tiếng dàn dây dâng trào.
- Giữ chỉnh sửa đơn giản
- Hướng dẫn của Google một lần nữa: "Những câu lệnh quá mô tả có thể dẫn đến những thay đổi ngoài ý muốn." Hãy nêu rõ thay đổi, thêm "giữ nguyên mọi thứ khác", rồi dừng.
Chi phí
Omni được tính phí theo mỗi giây xuất ra, theo độ phân giải. Vì Popcraft chỉ cung cấp các độ dài mà mô hình có thể đạt chính xác, mức giá bạn thấy trước khi tạo cũng là mức giá bạn phải trả.
Bản nháp và mạng xã hội. Một đoạn clip 10 giây tốn 150 tín dụng; đủ 40 giây là 600.
Chất lượng xuất file. Đoạn trailer 40 giây ở trên tốn 920 tín dụng — một yêu cầu, đã bao gồm âm thanh.
Độ phân giải gốc 3840×2160 cho các vị trí nổi bật. Giới hạn ở 30 giây; một chuỗi 4K đủ 30 giây tốn 1.350 tín dụng.
Câu hỏi thường gặp
Mô hình video của Google, được DeepMind mô tả là "bước tiếp theo của chúng tôi hướng tới các mô hình có thể tạo và chỉnh sửa mọi thứ từ bất kỳ đầu vào nào — bắt đầu bằng video". Một mô hình duy nhất hỗ trợ chuyển văn bản thành video, hình ảnh thành video, nội suy khung đầu và cuối, tham chiếu chủ thể, chỉnh sửa video và mở rộng cảnh, đồng thời tạo ra giọng nói, âm nhạc và hiệu ứng âm thanh cho mỗi đoạn clip. Phiên bản 1.1, phát hành ngày 27 tháng 8 năm 2026, đã bổ sung tính năng mở rộng, khung khóa và đầu ra 1080p/4K.
Mỗi lần tạo kéo dài tối đa 10 giây; tính năng mở rộng cảnh sẽ nối thêm video theo từng đoạn 10 giây cho đến khi đạt tổng cộng 40 giây. Trên Popcraft, bạn chỉ cần chọn bất kỳ độ dài nào từ 3 đến 40 giây trên một thanh trượt và Popcraft sẽ tự động nối chuỗi quá trình mở rộng từ một câu lệnh duy nhất của bạn; thanh trượt chỉ hiển thị các độ dài mà mô hình có thể tạo ra, và bạn chỉ trả phí cho số giây bạn nhận được. Ở độ phân giải 4K, chuỗi dừng lại ở 30 giây, còn video khung đầu và cuối chỉ tạo một lần, nên có độ dài từ 3 đến 10 giây.
Theo mặc định thì có — hướng dẫn của Google cho biết mô hình "sẽ cố gắng tạo một bản âm thanh phù hợp", và thẻ mô hình liệt kê giọng nói, âm nhạc và hiệu ứng âm thanh. Hãy chỉ định trong câu lệnh, bao gồm "không có lời thoại" hoặc "không có nhạc" khi bạn muốn im lặng. Bạn cũng có thể thay thế hoặc xếp lớp âm thanh sau đó trên dòng thời gian của Popcraft.
Đính kèm một đoạn clip và chọn tổng độ dài bạn muốn. Bản gốc được giữ nguyên từng khung và các đoạn 10 giây trọn vẹn được nối thêm vào cuối, với tối đa 10 giây của clip được đọc để đảm bảo tính liên tục. Do đó, một đoạn clip 5 giây sẽ trở thành 15, 25 hoặc 35 giây — không bao giờ là 20. Popcraft chỉ cung cấp các độ dài mà mô hình có thể tạo ra và tính phí chính xác theo đó. Tính năng mở rộng chỉ nối thêm vào cuối.
Có. Đính kèm nguồn và mô tả thay đổi. Google khuyến nghị sử dụng các câu lệnh chỉnh sửa đơn giản và thêm "giữ nguyên mọi thứ khác"; mô hình sẽ bảo toàn các yếu tố bạn không đề cập. Kết quả giữ nguyên độ dài và bố cục khung hình của bản gốc và được tính phí theo độ dài của clip nguồn. Hiện chưa hỗ trợ chỉnh sửa lời thoại.
4K kết xuất ở độ phân giải 3840×2160 và tốn gấp ba lần mức giá 720p mỗi giây, vì nó sử dụng gấp ba lần tài nguyên tính toán. Mỗi đoạn 4K mất vài phút xử lý ở phía máy chủ, nên chuỗi dừng lại ở 30 giây. Mọi độ dài và độ phân giải đều hiển thị giá tín dụng trước khi bạn tạo.
Vì mỗi đoạn 10 giây là phần mở rộng của đoạn trước đó và mô hình tự lên kế hoạch cho các nhịp. Hãy đưa ra một hành động rõ ràng cho mỗi 10 giây bằng cú pháp mã thời gian của Google, và bỏ qua các yếu tố đệm ngôn ngữ điện ảnh. Các trailer năm nhịp dày đặc sẽ bị nén hoặc sắp xếp lại; ba nhịp trong 30 giây sẽ được giữ nguyên.
Mọi video Omni đều mang watermark SynthID vô hình của Google và hỗ trợ C2PA Content Credentials, giúp xác minh nguồn gốc mà không ảnh hưởng đến hình ảnh của clip. Các gói trả phí của Popcraft cấp quyền thương mại cho video bạn tạo; các bản tải xuống ở gói miễn phí sẽ có watermark Popcraft hiển thị, và gói trả phí sẽ loại bỏ watermark này. Bạn vẫn chịu trách nhiệm về hình ảnh và nội dung trong các câu lệnh và phương tiện tham chiếu của mình.
Sẵn sàng dùng một yêu cầu thay vì năm clip?
Bắt đầu với 10 giây ở độ phân giải 720p, đánh giá, rồi mở rộng cảnh — hoặc mang đến một clip bạn đã thích và mở rộng clip đó.
Tiếp tục khám phá
Mô hình liên quan
Seedance 2.5 tạo video dài tới 30 giây trong một tác vụ duy nhất, hỗ trợ tới 50 tài nguyên tham chiếu, chỉnh sửa video có thể kiểm soát, mở rộng thời gian với độ trung thực cao, mọi tỷ lệ khung hình từ 0,4 đến 2,5 và tạo câu lệnh gốc bằng hơn 10 ngôn ngữ. Đã có trên Popcraft.
MiniMax H3 tạo video 2K 24fps với âm thanh stereo đồng bộ — hiệu ứng, tiếng nền và hội thoại trong một lần chạy. Đa cảnh từ một prompt, 5 đến 15 giây, kiểm soát khung đầu và cuối. Đã có trên Popcraft.
Tạo video điện ảnh 4K từ văn bản, hình ảnh hoặc clip với Seedance 2.0 trên Popcraft. Âm thanh đồng bộ native, chuỗi đa cảnh quay và chi tiết sắc nét đến từng chân tơ ở mức lên đến 4K (2160p).
Seedance 2.0 Mini là gói video tinh gọn nhất của ByteDance — rẻ hơn tới 50% so với Seedance 2.0 tiêu chuẩn và nhanh hơn ~2× so với Fast, hỗ trợ câu lệnh văn bản, hình ảnh, video và âm thanh. Đã có trên Popcraft.