Gemini API Video Generation: Guida Completa per Sviluppatori (2026)

La Gemini API supporta ora la generazione video e la modifica conversazionale dei video tramite la Interactions API — l’endpoint che alimenta gemini omni, il modello any-input-to-video di Google DeepMind. Dal 30 giugno 2026, il modello gemini-omni-flash-preview consente agli sviluppatori di generare video da testo, comporli a partire da un massimo di 7 immagini di riferimento, modificare clip esistenti ed eseguire modifiche conversazionali multi-turno — l’unica grande API per sviluppatori con modifica video multi-turno nativa al lancio.

Autenticazione ed Endpoint

Ottieni una chiave API da Google AI Studio e installa l’SDK (Python: pip install google-generativeai; Node: npm install @google/generative-ai). La generazione video non utilizza generateContent — si instrada attraverso un endpoint Interactions dedicato:

POST https://generativelanguage.googleapis.com/v1beta/interactions

Ogni risposta con esito positivo restituisce un ID di sessione; passalo nelle chiamate successive per continuare la modifica conversazionale all’interno dello stesso contesto video.

Quattro Parametri di Task

Task	Input	Caso d’uso
text_to_video	Prompt testuale	Genera video da una descrizione
image_to_video	Fino a 7 immagini + prompt	Componi video da immagini di riferimento
reference_to_video	Clip video esistente + istruzione	Modifica una clip esistente
edit	ID sessione + nuova istruzione	Continua la modifica conversazionale

Il task edit mantiene il contesto completo tra i turni — una modifica al turno 3 non annulla il contesto del turno 1 — il che rende questa API particolarmente adatta ai flussi di lavoro iterativi. Si noti che la modifica o la sostituzione del parlato/audio nei video esistenti è deliberatamente esclusa in attesa di test di sicurezza (rischio di clonazione vocale).

Output e Prezzi

Tutte le risposte restituiscono un MP4 720p codificato in base64, fino a 10 secondi, in formato 9:16 o 16:9, con una filigrana automatica SynthID (resistente alla compressione e alla ricodifica) più le C2PA Content Credentials. Il prezzo è di $0,10 al secondo di output ($0,50 per 5s, $1,00 per il massimo di 10s), fatturato al secondo generato, quindi le generazioni con errori non vengono addebitate. Gli utenti di YouTube Shorts accedono allo stesso modello gratuitamente; il livello API è riservato agli sviluppatori che creano applicazioni.

Come Funziona il Modello

gemini-omni-flash-preview fonde quattro sistemi Google AI: il motore di ragionamento Gemini (decide cosa modificare rispetto a cosa preservare), il rendering Veo (frame a 720p), la simulazione del mondo Genie (movimento consapevole della fisica) e la modifica a livello di frame Nano Banana. Il livello di ragionamento è ciò che abilita la modifica conversazionale — interpreta «rendi il cielo più drammatico» come una modifica mirata allo sfondo, non una rigenerazione completa, a differenza dei generatori one-shot come Sora o Seedance 2.0. Dettagli completi nella pagina Google DeepMind Gemini.

Per produzioni narrative più lunghe, Google Flow racchiude la stessa API in un’interfaccia da filmmaker. Consulta le guide correlate sulla Modifica Conversazionale e su Google Flow in questo cluster. Gli usi consentiti sono descritti nella Generative AI Use Policy di Google.

FAQ

Quale ID modello devo usare?

gemini-omni-flash-preview — il primo modello pubblico della famiglia Gemini Omni. È previsto un modello Omni Pro di livello superiore, senza una data confermata.

È lo stesso endpoint di generateContent?

No. La generazione video utilizza la Interactions API (/v1beta/interactions); le strutture di richiesta e risposta sono diverse.

Posso generare video più lunghi di 10 secondi?

Non attualmente. 10 secondi è il massimo per gemini-omni-flash-preview — una scelta a livello di deployment; clip più lunghe sono attese nelle versioni future.

Dove si trovano i documenti ufficiali?

ai.google.dev/gemini-api/docs/omni per i dettagli sul video, e ai.google.dev/gemini-api/docs per il riferimento completo all’API.