Gemini Omni 1.2 Flash la gi? Video 15 giay,anh tham chieu va bai thi Veo 3.1 qua API
Ngày 5/11/2026, Google phát hành Gemini Omni 1.2 Flash: tạo và chỉnh sửa video gốc dài tới 15 giây, bám theo tư liệu tham chiếu và cho phép sửa nhiều lượt bằng hội thoại. Nếu bạn định đưa một mô hình video vào quy trình làm clip ngắn, câu hỏi cần trả lời là đầu vào điều khiển được đến đâu và đầu ra phải kiểm tra những gì.
Hai bài kiểm thử từ bên thứ ba đã có câu trả lời một phần:
- Treza (10/11): ba ảnh tham chiếu giữ nhân vật robot đèn lồng khá nhất quán qua bốn cảnh, nhưng robot có lúc lơ lửng và có lúc mọc ra cái miệng không có trong thiết kế.
- DataCamp (6/11): đổi viên bi từ đỏ sang xanh thành công, hành động giữ nguyên, nhưng lỗi trong clip gốc cũng được giữ lại.
Kết luận của tôi tính đến 16/11/2026: Omni đáng thử cho storyboard nhân vật và cho việc đổi màu, đổi phong cách trên đoạn đã ưng ý. Nó không hợp để làm video minh hoạ vật lý chính xác. Tôi không tìm thấy Omni trong danh mục của Crazyrouter nên không gọi được. Tôi đã gọi Veo 3.1 một lần qua API, và ở cuối clip xuất hiện viên bi thứ hai.
Kết quả Omni trong bài lấy từ bên thứ ba, còn clip Veo 3.1 do tôi tự chạy với nhiệm vụ khác. Vì vậy bài này giúp chọn theo công việc, không phải bảng xếp hạng hai mô hình.
Gemini Omni 1.2 Flash thay đổi gì ở đầu vào và đầu ra?
Theo thông báo của Google, quy trình là: tạo bản nháp ngắn, sửa chi tiết bằng các lời nhắc tiếp theo, rồi phóng to bản đã chọn.
- Độ dài: 3–15 giây, mỗi bước 1 giây (bản trước tối đa 10 giây).
- Tham chiếu: nhân vật, sản phẩm hoặc phong cách; khả năng nhận đầu vào cụ thể phụ thuộc cổng truy cập.
- Chỉnh sửa: tiếp tục yêu cầu đổi nền, ánh sáng, thời tiết trên cùng một đoạn.
- Độ phân giải: làm nháp 360p hoặc 720p, sau đó nâng lên 1080p hoặc 4K.
- Âm thanh: hỗ trợ video có tiếng; các ví dụ trong bài không có thoại tiếng Việt hay tiếng Trung.
Ba kiểu đầu vào ảnh điều khiển những thứ khác nhau:
| Kiểu đầu vào | Điều khiển | Ví dụ |
|---|---|---|
| Khung hình đầu | Cảnh mở đầu | Bắt đầu từ ảnh robot đứng trên phố, bảo nó đi tới |
| Ảnh tham chiếu nhân vật | Ngoại hình | Đưa ảnh chính diện, bên hông, cận mặt, rồi dựng nhiều góc máy |
| Khung đầu và cuối | Điểm đầu, điểm cuối | Cho điểm xuất phát và đích, để mô hình sinh đoạn giữa |
Nếu quy trình của bạn bắt đầu từ ảnh tĩnh, các mô hình hỗ trợ kiểu đầu vào này nằm trong danh mục image-to-video của Crazyrouter.
Về quyền truy cập, DataCamp ghi rằng Gemini API công khai không cho tải lên âm thanh tham chiếu, còn một số năng lực trên Google Cloud cần được phê duyệt. Trước khi tích hợp, hãy đối chiếu trường dữ liệu và thời lượng của đúng cổng bạn dùng, đừng điền theo toàn bộ danh sách trong thông báo.
Gọi Veo 3.1 qua API: một tác vụ bất đồng bộ
Phần tôi tự kiểm chứng là Veo 3.1. Ngày 16/11/2026 tôi xem trang mô hình Veo 3.1 trên Crazyrouter, rồi gửi đúng một yêu cầu text-to-video tới https://api.crazyrouter.com/v1/video/generations với model ID aigc-video-gv-3.1.
Quy trình gồm ba bước:
- Gửi yêu cầu với thông số: 8 giây, 720p, 16:9, bật âm thanh.
- Thăm dò trạng thái cho tới khi tác vụ hoàn tất. Từ lúc gửi đến lúc thấy hoàn tất mất khoảng 67,35 giây, đã gồm thời gian gửi và chờ.
- Tải tệp về và kiểm tra thuộc tính: 1280×720, 24 fps, âm thanh AAC stereo 48 kHz.
Thời gian chờ hơn một phút cho một clip 8 giây, nên bước này hợp với một job nền hơn là một lời gọi đồng bộ trong request của người dùng.
Nhiệm vụ (diễn đạt lại): xưởng đồng hồ tông ấm; một viên bi thuỷ tinh đỏ lăn xuống dốc gỗ, chạm rõ vào chiếc chuông đồng trên bàn rồi dừng cạnh đó. Một cú máy liên tục, thấy cả bi và chuông lúc va chạm, không nhân đôi hay biến mất đồ vật, có tiếng lăn và tiếng chuông khi va chạm, không nhạc, không thoại, không phụ đề.
Tôi rút gọn thiết bị trong ví dụ DataCamp (vòng đồng, domino, chuông) xuống còn "lăn và đập chuông" để chỉ cần quan sát một thứ: viên bi.
Kiểm tra đầu ra: viên bi thứ hai xuất hiện ở giây thứ 7
Tôi tách khung hình từ tệp gốc để kiểm tra. Không có bước nhận diện tự động nào được chạy; tôi xem trực tiếp từng khung.

Giây 0 của clip Veo 3.1 do tôi tạo.
Khung mở đầu đúng như lời nhắc: dốc và chuông ở tiền cảnh, chi tiết máy móc phía sau, ánh phản chiếu trên kính và kim loại.

Giây 4: một viên bi, ngay bên trái chuông.

Giây 7: hai viên bi, trong khi lời nhắc yêu cầu một viên và cấm nhân đôi.
Nếu chỉ xem khung đầu, lỗi này lọt qua dễ dàng. Từ đó tôi rút ra ba mục cho danh sách kiểm tra đầu ra:
- Lấy mẫu cả đoạn cuối, không chỉ vài khung đầu.
- Đếm đối tượng chính ở mỗi khung được lấy mẫu.
- Ghi lại điều kiện chạy (thông số, số lần gửi) để so sánh các lần sau.
Về âm thanh, tệp có kèm bản âm, nhưng tôi chưa đo độ lệch giữa hình và tiếng nên không chấm điểm phần này. Tôi chỉ gửi một lần, không thử lại. Nếu muốn chạy loại tác vụ tương tự, xem thông tin mô hình và cách gọi Veo 3.1.
Hai bài thử của bên thứ ba nói gì về việc cần kiểm tra ở Omni
Vì không gọi được Omni, tôi đọc hai bài kiểm thử như một bản đặc tả những gì cần thử.
Treza: ảnh tham chiếu giữ ngoại hình, còn chuyển động thì chưa chắc
Trong bài của Alex Daro, thiết lập như sau:
- Ba ảnh tham chiếu: toàn thân chính diện, cận mặt, toàn thân bên hông.
- Mỗi nhóm bốn video 8 giây, 720p, 9:16, có tiếng.
- Bốn góc máy: lia tiến từ xa, cận cảnh, bám bên hông, góc thấp.
- Nhóm đối chứng: bỏ ảnh tham chiếu và các câu tương ứng trong lời nhắc.
Nhóm không có ảnh cho bốn robot cùng có thân đèn lồng, đầu màu đồng và khăn xanh ngọc, nhưng mắt, tay chân và cấu trúc cơ thể mỗi cảnh một khác. Nhóm có ảnh giữ được thiết kế chính khá đồng nhất.

Ảnh: Alex Daro / Treza, 10/11/2026. Cảnh đầu tiên của nhóm có ảnh tham chiếu; đây là kết quả Omni của tác giả gốc.
Hai lỗi vẫn còn: robot buông dây đèn rồi lơ lửng giữa không trung (tác giả sửa lời nhắc thành "hai chân đứng trên thùng, đưa tay chạm đèn lồng"), và một robot vốn không có miệng bỗng có miệng trong một cảnh. Thử nghiệm này chỉ có một nhân vật cách điệu, do một công ty cũng bán dịch vụ mô hình thực hiện; không có người thật, nhiều nhân vật hay cốt truyện dài.
Mục kiểm tra rút ra: ngoại hình giữa các cảnh, và tư thế, tiếp xúc với mặt đất trong từng khung chuyển động.
DataCamp: chuỗi chỉnh sửa và cái giá của mỗi lượt
Khalid Abdelaty chạy ba lượt trên các clip 15 giây, 720p, 16:9:
- Clip gốc: viên bi đỏ lăn qua vòng đồng, làm đổ domino rồi gõ chuông. Trong bản gốc, viên bi biến mất rồi xuất hiện lại.
- Đổi đỏ sang xanh: theo tác giả, vị trí, ngoại hình chính và thời điểm sự kiện gần như giữ nguyên. Lỗi biến mất cũng giữ nguyên.
- Đổi sang phong cách stop-motion: đường ray và domino có chất liệu bìa các-tông, một phần nền vẫn chân thực, chuyển động vẫn mượt. Chất liệu đổi, nhịp stop-motion thì không.
Số liệu tác giả báo cáo:
| Hạng mục | Ghi nhận |
|---|---|
| Tạo lần đầu | Dưới 1 phút |
| Mỗi lượt chỉnh sửa | Khoảng 2 phút |
| Âm thanh sau lượt sửa đầu | Chậm hơn bản gốc khoảng 45 ms |
| Âm thanh sau lượt sửa thứ hai | Chậm hơn bản gốc khoảng 85 ms |
Mục kiểm tra rút ra: mỗi lượt sửa là một job mới cần tính vào thời gian; giữ lại mọi phiên bản để so sánh và quay lui; đo lại độ lệch âm thanh sau từng lượt, vì độ lệch tích luỹ qua hai lượt.
Chọn Gemini Omni 1.2 Flash hay Veo 3.1 theo tác vụ
- Cùng một nhân vật xuất hiện ở nhiều cảnh: thử Gemini Omni 1.2 Flash trước. Chuẩn bị bộ ảnh nhất quán như Treza, rồi kiểm tra lại nhân vật khi chuyển động.
- Giữ hành động, chỉ đổi màu hoặc phong cách: thử Omni trước. Mỗi lượt chỉ đổi một thứ và lưu mọi phiên bản.
- Cần một cảnh nháp độc lập và đã gọi được qua Crazyrouter: dùng Veo 3.1. Luồng gửi, chờ, tải về đã chạy trọn vẹn; hãy kiểm tra số lượng đối tượng và vài giây cuối.
- Vật lý chính xác, minh hoạ va chạm: quay thật hoặc dùng hoạt hình có kiểm soát. Cả hai ví dụ viên bi, bản gốc của DataCamp và clip Veo của tôi, đều làm hỏng tính liên tục của vật thể.
Hãy chọn theo công việc và theo thứ bạn truy cập được hôm nay. Nếu bạn đã thử Omni với cảnh vật lý kèm ảnh tham chiếu, tôi muốn biết số lượng vật thể có được giữ nguyên không.
Nguồn tham khảo
- Google, 5/11/2026: "Gemini Omni 1.2 Flash: Fast and cost-effective with longer clips".
- Treza Labs, Alex Daro, 10/11/2026: "One Character, Four Angles: Gemini Omni 1.2 Flash With Reference Images". Treza cũng cung cấp dịch vụ mô hình; kết quả được ghi nhận theo bài công bố của họ.
- DataCamp, Khalid Abdelaty, 6/11/2026: "Gemini Omni 1.2 Flash: New 15-Second Clips and Lower Pricing".
All rights reserved