Jawaban singkat: Gemini Omni 1.2 Flash API membuat dan mengedit video berdurasi 3 hingga 15 detik melalui Interactions API, dengan ID model gemini-omni-1.2-flash. Untuk menjalankannya sebagai pekerjaan agen, berikan Task pada setiap pekerjaan yang memuat brief, materi referensi, durasi, dan batas percobaan. Simpan ID interaksi, dan libatkan manusia di antara setiap tahap (turn).
Google telah merilis Gemini Omni 1.2 Flash untuk ketersediaan umum (generally available) pada 5 November 2026. Bagi tim, hal ini mengubah fokus pertanyaannya. Anda tidak perlu lagi bertanya-tanya apakah model ini layak untuk eksperimen sampingan, melainkan mulai bertanya siapa yang bertanggung jawab atas pekerjaan video mulai dari brief hingga persetujuan akhir.
Panggilan API video bukanlah respons obrolan biasa. Biayanya dihitung per detik, hasilnya berupa berkas, dan seseorang harus menyetujui berkas tersebut sebelum sampai ke pelanggan. Jika agen Anda sudah mengambil pekerjaan dari Task Sharkly, alur pekerjaan video memiliki pola yang sama, dan panduan ini menguraikan pola tersebut.
Satu batasan penting terlebih dahulu. Sharkly tidak menghasilkan video dan tidak memiliki integrasi bawaan dengan Omni. Agen Anda yang memanggil API Google; Sharkly bertugas mengelola alur kerja di seputar panggilan tersebut.
Bentuk panggilan API Gemini Omni 1.2 Flash
Panggilan API Gemini Omni 1.2 Flash adalah satu permintaan interactions.create yang menyertakan prompt, media referensi opsional, dan response_format untuk resolusi serta durasi. Pengeditan lanjutan menggunakan kembali hasil sebelumnya melalui previous_interaction_id, sehingga Anda cukup menjelaskan perubahannya tanpa perlu mengunggah ulang klip tersebut.
Contoh ini mengacu pada dokumentasi Omni per 6 November 2026. Kami belum menjalankannya secara langsung, jadi ujilah pada satu klip terlebih dahulu.
import base64
from google import genai
client = genai.Client() # reads GEMINI_API_KEY from the environment
MODEL = "gemini-omni-1.2-flash"
# Turn 1: a cheap draft at the length the brief asks for
draft = client.interactions.create(
model=MODEL,
input="A slow 360-degree spin of a matte black water bottle on a grey plinth.",
response_format={"type": "video", "resolution": "360p", "duration": "15s"},
)
# Turn 2: edit the draft after a person reviews it
edit = client.interactions.create(
model=MODEL,
previous_interaction_id=draft.id,
input="Keep the spin. Change the plinth to pale oak.",
)
with open("clip.mp4", "wb") as f:
f.write(base64.b64decode(edit.output_video.data))
print(draft.id, edit.id) # these IDs belong on the Task
Empat detail dari dokumentasi yang penting untuk sebuah agen:
- Durasi default-nya adalah 10 detik. Tentukan durasi di
response_format, karena nilai ini lebih diutamakan daripada panjang durasi apa pun di dalam prompt. output_videohanya tersedia di SDK. Pemanggil REST langsung membaca video dari arraysteps.- Berkas berukuran besar memerlukan pengiriman URI. Di atas 4MB, gunakan
delivery: "uri"dan lakukan polling pada berkas hingga berstatusACTIVE. - Omni tidak memiliki tier API gratis. Halaman harga mencantumkannya hanya untuk proyek berbayar, sekitar $0,07 per detik untuk resolusi 720p.
Mengapa task pembuatan video lebih unggul daripada prompt obrolan
Jika Anda menjalankannya dari terminal pribadi, alur pekerjaan akan terpecah di empat tempat berbeda. Brief berada di ruang obrolan, referensi tersimpan di sebuah folder, ID interaksi tercatat di log, dan persetujuan hanya ada di ingatan seseorang. Fragmentasi seperti ini jauh lebih merugikan pada pembuatan video dibanding teks, karena tiga alasan.
Akses pengeditan memiliki masa kedaluwarsa. Pengeditan multi-turn bergantung pada interaksi yang tersimpan. Dokumentasi Interactions API menyebutkan bahwa proyek berbayar menyimpannya secara default selama 55 hari, dan Anda dapat mempersingkatnya menjadi 7, 14, atau 28 hari. Jika ID hilang atau melewati batas waktu tersebut, Anda harus memulai kembali dari pembuatan awal.
Tips optimasi kecepatan menonaktifkan fitur edit. Panduan performa Google menyarankan store=false untuk pembuatan yang lebih cepat. Namun, catatan yang sama memperingatkan bahwa video tersebut nantinya tidak dapat diedit melalui previous_interaction_id. Agen yang dioptimalkan semata-mata untuk kecepatan bisa jadi justru menonaktifkan satu-satunya kemampuan yang dibutuhkan dalam alur review Anda.
Kuota permintaan sangat terbatas. Halaman batas kapasitas (rate limits) memberi proyek Tier 1 alokasi 8 permintaan per menit dan 40 per hari. Setiap draf dan pengeditan memakan satu kuota. Tiga agen yang mencoba berbagai variasi bisa menghabiskannya sebelum jam makan siang, tanpa ada yang tahu mengapa pekerjaan keempat gagal.
Lima komponen dalam alur pekerjaan video
Perlakukan pekerjaan video seperti unit kerja agen lainnya. Diperlukan lima komponen, dan masing-masing memiliki penanggung jawab.
1. Brief
Brief dimasukkan ke dalam deskripsi Task. Buat cukup ringkas agar mudah diperiksa terhadap klip yang sudah selesai:
Goal: 15-second product spin for the launch page
Format: 16:9, 720p final, 15s
References: bottle-front.png, bottle-back.png, brand-colors.png
Must keep: logo text readable, matte finish, no people
Attempt cap: 4 drafts at 360p, 3 edits at 720p
Reviewer: the person who owns the launch page
Batas percobaan memegang peran paling krusial. Tanpa itu, instruksi seperti “coba beberapa variasi” tidak akan pernah ada habisnya.
2. Aset referensi
Lampirkan materi referensi ke Task agar setiap eksekusi membaca berkas yang sama. Omni menerima hingga 6 gambar referensi per permintaan, dengan maksimal 3 gambar per karakter untuk hingga 2 karakter. Video referensi dapat berdurasi hingga 3 detik per berkas: satu video untuk klip berdurasi 11 hingga 15 detik, dan hingga tiga video untuk klip yang lebih pendek.
Perhatikan satu batasan ini: pengumuman Google menyebutkan adanya petunjuk audio (audio cues), namun dokumentasi API menyatakan bahwa pengunggahan audio belum didukung pada versi saat ini. Jadi, deskripsikan elemen suara di dalam prompt.
3. Agen yang memanggil API
Agen membutuhkan lingkungan eksekusi dan kunci API. Di Sharkly, pengaturan Agen menyimpan variabel lingkungan standar maupun rahasia, jadi GEMINI_API_KEY dimasukkan ke sana sebagai secret. Tagihan panggilan dibebankan ke akun Google Anda, karena Sharkly tidak menjual token.
4. Pengeditan multi-turn
Setiap pengeditan merupakan babak (turn) baru dalam interaksi yang sama, dan setiap babak menghasilkan video baru. Atur agar Agen mencatat ID interaksi, resolusi, dan durasi pada Task setelah setiap babak. Dengan demikian, proses eksekusi berikutnya—atau orang berikutnya—dapat melanjutkan dari klip yang tepat.
5. Peninjauan oleh manusia
Hentikan Agen setelah tahap draf awal dan sekali lagi sebelum rendering final. Di titik-titik itulah pertimbangan manusia dapat menghemat biaya atau mencegah kesalahan representasi merek.
Agen bertugas membuat, mengedit, dan melaporkan. Manusia menentukan brief, memilih hasil terbaik (take), dan menyetujui klip akhir.
Bagaimana Sharkly mengelola alur kerja ini
Peran Sharkly adalah dalam hal kepemilikan dan peninjauan (review). Task menjadi catatan bersama, dan progres, log penelusuran (trace events), serta hasil akhir dikembalikan ke Task.
Mekanismenya terstruktur dengan jelas:
- Siapkan di Backlog. Task yang ditugaskan tidak akan langsung dijalankan di sana, sehingga Anda dapat menyelesaikan brief dan materi referensi terlebih dahulu.
- Mulai eksekusi. Memindahkan Task keluar dari Backlog akan menjalankan Agen yang ditugaskan pada Computer-nya.
- Serahkan untuk review. Agen menandai percakapan task sebagai perlu ditinjau, dan serah terima tersebut muncul di modul Task Chats.
- Lanjutkan melalui komentar. Komentar yang valid dari peninjau dapat memicu eksekusi lanjutan untuk pengeditan berikutnya.
- Selesaikan task. Lampirkan klip, lalu peninjau memindahkan Task ke status akhirnya.
Nama status di dalam setiap kategori dapat disesuaikan dengan organisasi Anda, sehingga tim dapat menambahkan status khusus untuk peninjauan klip. Status eksekusi seperti Queued atau Running tetap terpisah dari status-status alur kerja tersebut.
Aturan-aturan yang berulang sebaiknya ditaruh di dalam Skill, yang mengemas instruksi bagi setiap Agen yang terhubung dengannya. Tulis aturan Omni satu kali dan setiap video Task akan otomatis mewarisinya. Jangan sertakan kunci API di dalam Skill, karena dokumentasi menegaskan bahwa kredensial rahasia tidak boleh diletakkan di sana. Kami membahas pola arsitektur yang lebih luas ini dalam approval gates for coding agents.
Batasan yang perlu dimasukkan ke dalam Skill Anda
Omni tidak mendukung instruksi sistem, parameter temperature, ataupun negative prompt sebagai pengaturan tersendiri, sehingga aturan Anda harus disampaikan ke model melalui prompt. Batasan-batasan ini bersumber dari dokumentasi Omni.
| Limit | Rule for the Agent |
|---|---|
| 3 to 15 seconds per generation | Set duration every time, in whole seconds |
| Extension adds 3 to 10 seconds per turn, 30 seconds total | Plan longer pieces as extensions before drafting |
| Extension appends to the end only | Don’t promise a new opening or middle |
| Voice editing unsupported | Regenerate if dialogue needs changing |
| Reference videos work for new generations only | Use reference images during edits |
| Certain recognizable people blocked in uploads | Check source images before the run |
| Uploaded video edits unavailable in the EEA, Switzerland, and UK | Edit model-generated clips there |
| Only English fully supported | Flag other languages for closer review |
Ada satu celah yang perlu diuji. Dokumentasi menentukan resolution per permintaan dan melabeli resolusi 1080p serta 4K sebagai hasil peningkatan skala (upscaled), namun tidak menampilkan contoh peningkatan skala untuk klip yang sudah ada. Pengumuman Google menjelaskan alur kerja tersebut, jadi pastikan panggilan API ini berfungsi pada satu klip sebelum Skill Anda bergantung padanya.
Kapan penggunaan Task dirasa berlebihan
Gunakan Task ketika pembuatan klip membutuhkan penanggung jawab yang jelas, batasan anggaran, atau peninjau. Gunakan aplikasi bawaan Google jika seseorang hanya membutuhkan satu klip secara mandiri: Flow menangani pengeditan multi-turn, dan Google Vids dapat membuat klip 15 detik.
Gunakan pipeline jika Anda memerlukan tahap riset, penulisan naskah, dan penyuntingan, alih-alih sekadar satu panggilan model tunggal. OpenMontage menggunakan pendekatan ini. Task tetap dapat memegang hasil akhir dari proses tersebut, namun logika produksinya berada di dalam pipeline.
Contoh kasus penggunaan video di dunia nyata yang relevan
Pekerjaan awal yang baik biasanya berdurasi singkat, repetitif, dan mudah dinilai hasilnya:
- Klip rilis produk. Saat sebuah fitur diluncurkan, Agen membuat draf klip 15 detik dari changelog untuk disetujui oleh seseorang.
- Tampilan putar katalog (catalog spins). Foto produk dimasukkan sebagai referensi, dan Google menyatakan bahwa teks kemasan serta warna merek tetap konsisten di berbagai sudut kamera.
- Variasi iklan. Satu klip yang telah disetujui diedit untuk audiens yang berbeda, dengan setiap hasil editan tetap terhubung ke Task yang sama.
Mulailah dengan klip rilis produk. Materi sumbernya sudah tertulis, dan pihak peninjau pun sudah tersedia.
Langkah Anda selanjutnya
Pilih satu kebutuhan klip tim Anda bulan ini dan tulis enam baris brief seperti contoh di atas. Kemudian hubungkan Computer dan tetapkan satu Task berisiko rendah ke Agen yang memiliki kunci Gemini API. Tetapkan batas maksimal dua draf dan satu pengeditan, serta pastikan ID interaksi tercatat pada Task. Panduan konfigurasi dapat dilihat di panduan quickstart Sharkly. Setelah satu alur pekerjaan berjalan lancar, pindahkan aturan tersebut ke dalam Skill.
FAQ
Berapa model ID untuk Gemini Omni 1.2 Flash API?
Model ID-nya adalah gemini-omni-1.2-flash, dan model ini berstatus stabil. Permintaan ke gemini-omni-1.1-flash akan dialihkan ke 1.2 mulai 3 Desember 2026.
Bagaimana cara mengedit video menggunakan Gemini Omni API?
Kirim permintaan interactions.create baru dengan menyetel previous_interaction_id ke hasil sebelumnya, lalu jelaskan perubahan yang diinginkan dalam bahasa natural. Model akan mempertahankan elemen-elemen yang tidak Anda sebutkan.
Berapa lama Gemini menyimpan interaksi untuk keperluan pengeditan?
Proyek berbayar menyimpan interaksi secara default selama 55 hari. Anda dapat mempersingkatnya di AI Studio menjadi 7, 14, atau 28 hari, dan parameter store=false akan menonaktifkan penyimpanan sepenuhnya.
Bisakah agen AI memanggil Gemini Omni API secara mandiri?
Bisa. Agen apa pun yang dapat menjalankan kode dan membaca kunci API dapat melakukan panggilan tersebut. Pertanyaan yang lebih penting adalah di mana brief, batasan, dan persetujuannya dikelola.
Apakah Sharkly terintegrasi langsung dengan Gemini Omni?
Tidak. Agen memanggil API Google dari Computer miliknya menggunakan kunci API Anda. Sharkly bertugas mengelola Task, Skill, dan proses review di seputar panggilan tersebut.
Apakah video buatan Gemini Omni diberi watermark?
Ya. Semua video yang dihasilkan memuat SynthID, yaitu watermark tak kasatmata yang dapat dideteksi secara terprogram.
