Gemini Omni 1.2 Flash, doğal sesli metinden videoya özelliğini Vercel AI Gateway'e getiriyor

Google'ın doğal ses çıktısına sahip video üretim modeli Gemini Omni 1.2 Flash, artık Vercel'in AI Gateway'i üzerinden erişilebilir. Vercel'in changelog kayıtlarına göre geliştiriciler tek bir API anahtarıyla video üretebilir ve düzenleyebilir; ayrı bir Google hesabı ya da sağlayıcıya özel bir kurulum gerekmez.

Model ne yapıyor

Vercel'in aktardığına göre Gemini Omni 1.2 Flash, metin prompt'larından üç ila on beş saniyelik klipler üretiyor ve sesi ayrı bir adım olarak değil, çıktının doğal bir parçası olarak veriyor. Üretimin ötesinde model aynı uzunluktaki kaynak klipleri düzenleyebiliyor ve bir istekle birlikte en fazla altı referans görsel kabul ediyor.

Üretilen klipler her çağrıda üç ila on saniyelik artışlarla, toplamda en fazla otuz saniyeye kadar uzatılabiliyor. Vercel ayrıca yinelemeli bir iş akışı belgeliyor: previousInteractionId ile yapılan sonraki çağrılar önceki çıktıya referans verebiliyor; böylece geliştiriciler her şeyi sıfırdan yeniden göndermeden bir klibi rafine edebiliyor.

Çıktı çözünürlükleri 360p'den 4K'ya kadar değişiyor; 16:9 yatay ya da 9:16 dikey formatında üretim yapılabiliyor.

AI SDK ile nasıl uyum sağlıyor

Model, google/gemini-omni-1.2-flash adresiyle kullanılıyor. Vercel'in örnek uygulaması üç saniyelik, 360p bir klip üretiyor ve video.mp4 olarak kaydediyor. Geliştiriciler AI SDK'daki standart generateText veya streamText fonksiyonlarını kullanıyor; video bir dosya olarak döndürülüyor. Streaming modunda Vercel, üretilen dosyaları geldikçe işlemek için fullStream'i okumayı öneriyor; ancak videonun kendisi artımlı parçalar halinde değil, tamamlanmış bir dosya olarak geliyor.

Gateway özellikleri ve fiyatlandırma

AI Gateway, tek bir API'nin arkasında çok sayıda model sağlayıcısını barındırıyor; kullanım ve maliyet takibi, yeniden denemeler, failover ve Vercel'in doğrudan sağlayıcıyı çağırmaktan daha yüksek çalışma süresi sunduğunu iddia ettiği performans ayarlamalarını üstleniyor. Changelog'da listelenen diğer yetenekler arasında yerleşik özel raporlama, Zero Data Retention desteği, API anahtarlarına göre kapsamlandırılmış bütçeler ve yönlendirme kuralları yer alıyor.

Maliyet konusunda Vercel, AI Gateway'in sağlayıcı fiyatlandırmasını hiçbir ek kâr marjı ve çıkarım üzerinde platform ücreti olmadan yansıttığını belirtiyor. Bu politika, müşterilerin zaten ödeme yaptıkları bir sağlayıcının kimlik bilgilerini kullandığı Bring Your Own Key isteklerini de kapsıyor.

Neden önemli

Video üretimi genellikle her sağlayıcı için yeni bir API yüzeyi, yeni kimlik bilgileri ve ayrı bir faturalandırma ilişkisi anlamına geliyordu. Bir video modelini, zaten metin modellerine hizmet veren aynı gateway üzerinden yönlendirmek bu yükü ortadan kaldırıyor: AI SDK üzerine kurulmuş bir uygulama, yeni bir entegrasyon yazmak yerine büyük ölçüde yalnızca model adını değiştirerek video çıktısı ekleyebiliyor.

Doğal ses detayı da önemli. Sessiz görüntü üreten modeller ekstra işi geliştiricilerin üzerine yıkıyor; geliştiriciler ayrı ayrı üretilmiş ses parçalarını senkronize etmek, ses lisanslamak ya da sessiz klipler yayınlamak zorunda kalıyor. Sesin model çıktısının bir parçası olarak gelmesi bu adımı ortadan kaldırıyor; bu da 9:16 dikey format desteğiyle örtüşen kısa içerik kullanım senaryoları için dikkat çekici.

Son olarak, uzatma ve rafine etme mekanizmaları — artımlı uzunluk eklemeleri ve previousInteractionId döngüsü — Vercel'in geliştiricilerin video üretimini yinelemeli bir süreç olarak görmesini beklediğini gösteriyor; bu da bugün metnin taslaklanıp revize edilmesine daha yakın bir yaklaşım. BYOK trafiği dahil ek kâr marjı olmamasıyla birleşince gateway, tek bir API anahtarının neler yapabileceğini genişletirken aradan çekilen bir altyapı olarak konumlanıyor.