Vercel integra Gemini Omni 1.2 Flash ao AI Gateway para gerar vídeo por API

O AI↳Inteligência artificial440 conteúdosUX e IA: Transformando Experiências Digitais com Inteligência ArtificialProduto & UX · jan 2025MCP: O que é e por que você vai ouvir falar disso em breve?AI · jul 2025IA generativa e a urgência de reconstruir nossa relação com a verdadeAI · jun 2025Ver tudo em AI → Gateway da Vercel passou a listar o Gemini Omni 1.2 Flash, modelo de geração de vídeo da Google, segundo changelog publicado pela própria Vercel. A novidade não é o modelo em si, mas o canal: dá para chamá-lo com google/gemini-omni-1.2-flash usando a mesma chave de API que já autentica outras chamadas no gateway, sem abrir uma conta separada no Google Cloud↳Google Cloud13 conteúdosPrograma da Google Cloud no Brasil projeta formar de forma gratuita 30 mil universitáriosDev (Back & Front) · mar 2026Google Cloud OnBoard capacita estudantes e desenvolvedores de TIGestão Dev & TI · mai 2019Desenvolvedores poderão participar de treinamento gratuito do Google CloudGestão Dev & TI · mai 2019Ver tudo em DevSecOps → ou no Google AI Studio.

Para quem desenvolve front-end↳Front-end60 conteúdosFront-end em larga escala: quando seu projeto vira um Frankenstein (e como evitar)Dev (Back & Front) · mar 2026Build e bundling no front-end: 7 decisões que impactam performance de verdadeDev (Back & Front) · abr 2026Como modelar APIs pensando no front-end: 8 práticas para evitar retrabalho entre timesDev (Back & Front) · abr 2026Ver tudo em Dev (Back & Front) → e já usa o AI SDK da Vercel para texto, chat ou embeddings, isso elimina uma fricção conhecida: gerenciar duas credenciais, dois painéis de billing e duas formas de medir custo só porque um recurso de vídeo mora num provedor diferente do resto da stack de IA do produto.

Como a chamada funciona na prática

A geração de vídeo usa as mesmas funções generateText ou streamText do pacote ai, com providerOptions.google carregando os parâmetros específicos do modelo. O exemplo do changelog gera um clipe de três segundos em 360p a partir de um prompt de texto:

import { writeFile } from 'node:fs/promises';
import { generateText } from 'ai';

const { files } = await generateText({
  model: 'google/gemini-omni-1.2-flash',
  prompt: 'A red ball rolls across a white table.',
  providerOptions: {
    google: {
      responseModalities: ['text', 'video'],
      responseFormat: [
        { type: 'video', resolution: '360p', duration: '3s' },
      ],
    },
  },
});

const video = files.find(file => file.mediaType === 'video/mp4');
if (!video) throw new Error('No MP4 video returned');

await writeFile('video.mp4', video.uint8Array);

O vídeo volta dentro do array files, filtrado pelo mediaType igual a video/mp4. A partir daí é código de servidor comum: gravar em disco (como no exemplo), subir para um bucket de objeto ou devolver direto como resposta binária para o cliente. O modelo aceita resolução em 360p, 720p, 1080p ou 4K, em formato 16:9 ou 9:16, o que já cobre tanto vídeo horizontal de produto quanto vertical para stories e reels.

streamText não entrega vídeo em pedaços

Vale um cuidado de expectativa aqui. Quem já usa streamText para texto está acostumado a receber token por token, atualizando a UI em tempo real. Com vídeo isso não acontece: o changelog é explícito ao dizer que o arquivo "é entregue como um arquivo completo", mesmo passando por fullStream.

import { writeFile } from 'node:fs/promises';
import { streamText } from 'ai';

const result = streamText({
  model: 'google/gemini-omni-1.2-flash',
  prompt: 'A red ball rolls across a white table.',
  providerOptions: {
    google: {
      responseModalities: ['text', 'video'],
      responseFormat: [
        { type: 'video', resolution: '360p', duration: '3s' },
      ],
    },
  },
});

for await (const part of result.fullStream) {
  if (part.type === 'file' && part.file.mediaType === 'video/mp4') {
    await writeFile('video.mp4', part.file.uint8Array);
  } else if (part.type === 'error') {
    throw part.error;
  }
}

Na prática, isso significa que a UI não pode mostrar o vídeo tocando progressivamente enquanto ele é gerado. O que dá para fazer é usar o fullStream para reagir assim que o arquivo fica pronto, em vez de ficar bloqueado esperando uma Promise única resolver, o que ajuda em fluxos com múltiplas saídas (texto explicando o vídeo e o vídeo em si chegando por partes diferentes do stream), mas não resolve a latência de gerar o clipe.

Editar clipes e encadear chamadas

Além de gerar vídeo do zero, o Gemini Omni 1.2 Flash edita clipes de origem de 3 a 15 segundos usando até seis imagens de referência para guiar estilo ou composição. É possível também estender um vídeo já gerado em incrementos de 3 a 10 segundos por chamada, até um teto de 30 segundos totais, reaproveitando o contexto da geração anterior via previousInteractionId.

Esse encadeamento muda a forma de desenhar a aplicação: gerar um vídeo de 30 segundos não é uma chamada única, são várias, e o previousInteractionId de cada resposta precisa ser guardado em algum lugar (banco, cache, sessão) para a próxima chamada referenciar. É mais estado para gerenciar do que o fluxo stateless ao qual quem trabalha com chamadas de texto costuma estar acostumado.

Preço e o que o AI Gateway resolve por baixo

Segundo a Vercel, o AI Gateway reflete o preço do provedor sem markup e não cobra taxa de plataforma sobre inferência, inclusive em requisições que usam chave própria (BYOK). O ganho de usar o gateway em vez de chamar a API da Google direto não é preço mais baixo: é tudo que vem junto da camada de orquestração.

• Rastreamento unificado de uso e custo entre múltiplos provedores de modelo, não só Google.
• Retries, failover e otimizações de performance configuráveis, com a promessa de uptime maior do que o provedor isolado entrega.
• Relatórios customizados, suporte a Zero Data Retention, orçamentos (budgets) por chave de API e regras de roteamento entre modelos.

Em resumo: quem já roda a aplicação sobre o AI Gateway ganha um modelo de vídeo a mais no mesmo painel de billing e observabilidade; quem não usa o gateway ainda paga o mesmo preço da Google chamando direto, só sem essa camada de gestão.

Quando não vale a pena

O teto de 30 segundos totais por vídeo, mesmo com extensões encadeadas, deixa esse modelo fora de cogitação para qualquer coisa que exija vídeo mais longo, como um anúncio completo ou uma cena narrativa maior. Para esses casos, a integração direta com Vertex AI, com acesso a parâmetros e modelos de vídeo mais específicos da Google, ainda pode fazer mais sentido do que a abstração do AI SDK.

Também vale desconfiar se o projeto não usa (nem pretende usar) a AI SDK ou o restante do ecossistema Vercel: adotar o AI Gateway só para ganhar essa chave única de vídeo introduz uma dependência de infraestrutura que pode não compensar o ganho de conveniência, especialmente em times que já têm pipeline de credenciais da Google maduro e integrado a outras partes do produto. E como a geração de vídeo tende a levar mais tempo do que uma resposta de texto, quem for colocar essa chamada dentro de uma função serverless precisa confirmar o limite de duração da função antes de assumir que o fluxo completo roda sem timeout.

Fonte: Vercel Changelog