Google hiện đang cung cấp hai mô hình video tạo sinh (generative video models) dưới cùng một khóa API, và chúng không phải là các phiên bản của nhau. Veo 3.1 là công cụ kết xuất điện ảnh (cinematic renderer) với âm thanh gốc. Gemini Omni 1.1 Flash, ra mắt rộng rãi từ ngày 27 tháng 8 năm 2026, là mô hình đối thoại cho phép bạn chỉnh sửa qua nhiều lượt.
Việc lựa chọn giữa chúng phụ thuộc vào ba câu hỏi: bạn có cần âm thanh không, bạn có cần lặp lại chỉnh sửa một clip sau khi đã xem nó không, và video hoàn chỉnh cần dài bao nhiêu. Dưới đây là cách mỗi mô hình trả lời.
Bảng so sánh
| Gemini Omni 1.1 Flash | Veo 3.1 | |
|---|---|---|
| Mã mô hình | gemini-omni-1.1-flash |
veo-3.1-generate-preview (cùng với các biến thể nhanh và nhẹ) |
| Giao diện API | Interactions API (/v1beta/interactions) |
generateContent, hoạt động dài hạn |
| Âm thanh gốc | Không | Có, luôn bật |
| Độ dài clip cơ bản | 10 giây | 4, 6, hoặc 8 giây |
| Độ dài tối đa qua mở rộng | 40 giây, theo từng bước 10 giây | 148 giây, 7 giây mỗi lần, tối đa 20 lần mở rộng |
| Ngữ cảnh đọc khi mở rộng | Tối đa 10 giây cảnh quay trước đó | Không nêu rõ |
| Chỉnh sửa đối thoại | Có, qua previous_interaction_id |
Không |
| Khung hình đầu và cuối | Có | Có, qua lastFrame |
| Phương tiện tham chiếu | Tối đa 3 clip video, mỗi clip 3 giây | Tối đa 3 hình ảnh tham chiếu |
| Độ phân giải | 360p, 720p, 1080p, 4K | 720p, 1080p, 4K (chỉ 720p khi mở rộng) |
| Tỷ lệ khung hình | 16:9, 9:16 | 16:9, 9:16 |
| Chi phí 720p mỗi giây | ~$0.10 | $0.40 tiêu chuẩn, $0.10 nhanh, $0.05 nhẹ |
| Gói miễn phí | Không | Không |
| Dấu bản quyền | SynthID | SynthID |
Ưu điểm của Omni 1.1 Flash
Bạn cần thay đổi nội dung sau khi đã xem. Đây là điểm khác biệt thực sự. Omni chạy trên Interactions API, vì vậy bạn tạo một clip, xem nó, và gửi một lượt tiếp theo để chỉnh sửa:
res1 = client.interactions.create(
model="gemini-omni-1.1-flash",
input="A woman playing violin outdoors.",
)
res2 = client.interactions.create(
model="gemini-omni-1.1-flash",
previous_interaction_id=res1.id,
input="Make the violin invisible.",
)
Không cần tải lên lại, không cần mô tả lại cảnh. Veo không có tính năng tương đương: mỗi yêu cầu của Veo là một lần tạo mới, và một thay đổi có nghĩa là một prompt mới và một lần "quay số" mới.
Bạn muốn tạo bản nháp với chi phí thấp. Gói 360p của Omni tạo ra nhanh hơn tới 60% với chi phí bằng một phần ba so với 720p. Độ phân giải thấp nhất của Veo là 720p. Khi bạn đã thử tới mười hai lần với một prompt, sự khác biệt đó sẽ tăng lên; bảng phân tích giá sẽ cho bạn thấy rõ các con số.
Bạn đang cung cấp video, không phải ảnh tĩnh. Omni chấp nhận tối đa ba clip tham chiếu, mỗi clip dài ba giây và ánh xạ chuyển động của chúng vào cảnh mới. Các tham chiếu của Veo là hình ảnh. Nếu bạn muốn khớp một chuyển động hoặc một nhân vật qua các cảnh quay, tham chiếu chuyển động sẽ thực hiện công việc mà ảnh tĩnh không thể.
Bạn cần một cảnh quay liền mạch khi mở rộng. Omni đọc tới 10 giây cảnh quay trước đó trước khi tiếp tục, so với chỉ một giây cuối cùng mà mô hình xem trước đã sử dụng. Hướng dẫn mở rộng cảnh sẽ giải thích lợi ích này.
Ưu điểm của Veo 3.1
Bạn cần âm thanh. Veo tạo âm thanh gốc cùng với video. Tài liệu của Omni chỉ đề cập đến đầu ra video và bỏ qua âm thanh trên các clip tham chiếu. Nếu sản phẩm của bạn có âm thanh, đây là yếu tố quyết định, và hướng dẫn API Veo 3.1 là tài liệu tích hợp cần đọc.
Bạn cần video dài hơn 40 giây. Veo mở rộng 7 giây mỗi lần, tối đa 20 lần, đạt tới 148 giây. Omni giới hạn ở 40 giây. Lưu ý hạn chế: đầu ra Veo mở rộng chỉ có độ phân giải 720p, vì vậy một clip dài và một clip 4K là hai tác vụ khác nhau.
Bạn muốn mỗi giây video có chi phí thấp nhất có thể. Veo 3.1 Lite có giá 0.05 đô la mỗi giây ở độ phân giải 720p, bằng một nửa so với mức giá của Omni. Đổi lại, nó không hỗ trợ 4K. Đối với việc tạo video số lượng lớn, ít rủi ro, Lite là lựa chọn tiết kiệm nhất trong cả hai dòng sản phẩm.
Bạn muốn một clip ngắn hơn. Veo tạo video dài 4 giây và 6 giây. Omni tạo 10 giây. Nếu bạn cần một đoạn cắt 4 giây, Veo tính phí cho 4 giây còn Omni tính phí cho 10 giây.
Quyết định trong bốn dòng
- Cần âm thanh? Veo 3.1.
- Cần dài hơn 40 giây? Veo 3.1.
- Cần chỉnh sửa sau khi đã xem, hoặc tạo bản nháp với ngân sách hạn chế? Omni 1.1 Flash.
- Cần giây video rẻ nhất và không gì khác? Veo 3.1 Lite.
Rất nhiều quy trình cuối cùng sử dụng cả hai: Omni để khám phá và chốt cảnh quay một cách tương tác, Veo để kết xuất sản phẩm cuối cùng với âm thanh. Chúng dùng chung một khóa API, vì vậy việc chạy cả hai không tốn thêm chi phí thiết lập nào.
Hai tích hợp, không phải một
Dù bạn chọn cách nào, hãy nhớ rằng chúng là các điểm cuối có cấu trúc khác nhau. Omni là một POST đến /v1beta/interactions với mô hình trong body, và nó trả về video trực tiếp dưới dạng base64 trừ khi tệp vượt quá 4MB, trong trường hợp đó bạn nhận được một URI. Veo hoạt động như một tác vụ dài hạn mà bạn phải thăm dò, và các tệp được tạo ra sẽ nằm trên máy chủ của Google trong 2 ngày trước khi bị xóa.
Sự khác biệt đó quan trọng nếu bạn dự định thay đổi mô hình sau này. Mã được viết cho một mô hình sẽ không thể chuyển sang mô hình khác chỉ bằng cách thay đổi chuỗi tên mô hình, và bất kỳ lớp trừu tượng nào bạn xây dựng đều cần xử lý cả hoạt động thăm dò và phản hồi với hai dạng cấu trúc. Hướng dẫn chi tiết API Omni bao gồm cách xử lý phản hồi đó.
Cả hai đều đáng được cố định bằng các yêu cầu đã lưu trước khi bạn xây dựng dựa trên chúng. Thiết lập một yêu cầu cho mỗi mô hình trong Apidog, giữ khóa API trong một biến môi trường, xác nhận định dạng phản hồi và tăng thời gian chờ vượt xa giá trị mặc định. Khi bạn so sánh chất lượng đầu ra, chạy cùng một prompt qua cả hai yêu cầu đã lưu chỉ mất hai cú nhấp chuột thay vì hai lệnh curl bạn sẽ phải viết lại từ trí nhớ vào tháng tới.
Câu hỏi thường gặp
Gemini Omni có phải là sự thay thế cho Veo không? Không. Google cung cấp cả hai, và Veo 3.1 không bị ngừng phát triển. Chúng là những công cụ khác nhau mà đều có khả năng tạo video.
Cái nào rẻ hơn? Ở độ phân giải 720p, Omni (~$0.10/giây) và Veo 3.1 Fast ($0.10/giây) có giá tương đương. Veo 3.1 Lite rẻ hơn với $0.05. Veo 3.1 tiêu chuẩn là đắt nhất với $0.40.
Cả hai có thể tạo video có đối thoại không? Veo tạo âm thanh gốc. Đầu ra video của Omni không bao gồm tạo âm thanh, và nó không thể thêm đối thoại khi mở rộng một video đã tải lên.
Cả hai có đóng dấu bản quyền vào đầu ra không? Có, cả hai đều áp dụng SynthID, vốn vô hình với người xem và có thể phát hiện bằng lập trình.
Còn về Sora hay các API video khác thì sao? Các nhà cung cấp khác nhau, những sự đánh đổi khác nhau. OpenAI Sora 2 và Seedance 1.0 đáng để xem xét nếu bạn đang đánh giá các lựa chọn ngoài danh mục của Google.
Tôi nên bắt đầu với cái nào? Nếu bạn đang tạo mẫu thử nghiệm và không cần âm thanh, hãy bắt đầu với Omni ở độ phân giải 360p. Đó là cách rẻ nhất để tìm hiểu xem video được tạo có giải quyết được vấn đề của bạn hay không. Tải Apidog và lưu yêu cầu đầu tiên đó để việc so sánh có thể lặp lại.
Tóm tắt thẳng thắn: Veo kết xuất, Omni trò chuyện. Tài liệu tạo video của Google bao gồm cả hai, và không mô hình nào sẽ bị loại bỏ, vì vậy hãy chọn dựa trên từng công việc cụ thể thay vì theo đội nhóm.