Einführung
Referenz zu Video für Gemini Omni 1.1 Flash: ein bis sieben Referenzbilder und ein Prompt hinein, ein Clip mit 4-10 Sekunden mit Ton heraus.
| Feld | Wert |
|---|---|
| Eingabe | Text |
| Ausgabe | Video |
| Hersteller | |
| Clip-Länge | 4, 6, 8 oder 10 Sekunden |
| Auflösung | 720p nativ; 1080p und 4K von Google hochskaliert |
| Seitenverhältnisse | 16:9, 9:16 |
| Bildrate | 24 fps |
| Ton | Bei jedem Clip erzeugt |
| Eingaben | Text; erstes Bild mit optionalem letztem Bild; bis zu 7 Referenzbilder |
Wichtige Funktionen und Highlights
Sieben Referenzplätze, und alle zählen
Bild 1 zeigte einen Mann in einer Jeansjacke, Bild 2 ein Foto eines Observatoriums mit einer Frau am Teleskop. Der Prompt verlangte, dass der Mann zum Observatorium geht und winkt; das tat er, und Gesicht und Jacke blieben erhalten. Auch die Frau aus Bild 2 erschien, am Teleskop hinter ihm. Schneiden Sie jede Referenz auf das zu, was im Bild sein soll. Gerendert in 4K (3840x2160), hier in 1080p gezeigt.
Längere Clips, mit Schnitten, die das Modell selbst wählt
Ein 8-Sekunden-Clip im Format 9:16 aus unserem Observatorium-Prompt: Die beiden Hälften der Kuppel glitten auseinander und gaben ein Messing-Teleskop und ein beleuchtetes Steuerpult frei; etwa 6 Sekunden später schnitt das Modell auf eine Außenansicht des Teleskops vor dem Sternenhimmel. Schreiben Sie „eine durchgehende Einstellung“, wenn Sie keine Schnitte wollen.
Das Schlussbild treffen
Dieselben ersten und letzten Bilder, die wir an die Stufen von Veo 3.1 geschickt haben. In 4 Sekunden bei 720p drehte sie sich vom Teleskop zur Kamera, verschränkte die Arme und endete am Geländer, wie im letzten Bild.
Aus einem Porträt wird eine Szene
Ein Studioporträt und der Prompt „Am Abend geht die Frau aus der Referenz auf die Kamera zu und lächelt.“ Omni setzte sie in eine ruhige Straße am Abend, mit Haaren, Cordjacke und Rollkragenpullover aus dem Foto, wie sie auf uns zugeht und lächelt, in 4 Sekunden bei 720p.
Request-Parameter
| Parameter | Pflicht | Beschreibung |
|---|---|---|
prompt | Ja | Pflichtfeld, bis zu 20.000 Zeichen. Sagen Sie, was aus Image 1, Image 2 und so weiter vorkommt, was passiert und wie sich die Kamera bewegt. mindestens 1 Zeichen · höchstens 20000 Zeichen |
reference_image_urls | Ja | Pflichtfeld, 1 bis 7 Bilder (je bis 20 MB) der Personen, Produkte, Orte oder des Looks, die erhalten bleiben sollen. mindestens 1 Einträge · höchstens 7 Einträge |
aspect_ratio | Nein | 16:9 (Standard) oder 9:16. Ändert den Preis nicht. |
resolution | Nein | 720p (Standard) ist die native Ausgabe des Modells; 1080p und 4K werden von Google hochskaliert und kosten mehr. |
duration_seconds | Nein | 4, 6, 8 oder 10 Sekunden (Standard 8). Längere Clips kosten mehr. |
seed | Nein | Wählen Sie für Omni-Vergleiche eine ganze Zahl von 0 bis 2147483647 und verändern Sie jeweils eine Szeneneinstellung; der Seed verspricht keine identischen Bilder. |
Preis
Abrechnung pro Clip nach Länge (4, 6, 8 oder 10 Sekunden) und Auflösung; 1080p und 4K kosten mehr als 720p. Anzahl der Referenzbilder, Seitenverhältnis und Seed ändern den Preis nicht. Fehlgeschlagene oder abgelehnte Anfragen werden nicht berechnet.
| Auflösung | Dauer: 4 | Dauer: 6 | Dauer: 8 | Dauer: 10 |
|---|---|---|---|---|
| $0.3648 / Anfrage | $0.5473 / Anfrage | $0.7297 / Anfrage | $0.9122 / Anfrage |
| $0.5473 / Anfrage | $0.821 / Anfrage | $1.0946 / Anfrage | $1.3683 / Anfrage |
| $1.0946 / Anfrage | $1.642 / Anfrage | $2.1893 / Anfrage | $2.7367 / Anfrage |
Anwendungsfälle
Neue Projekte auf Googles aktuellem Videomodell
Google empfiehlt für neue Projekte Gemini Omni Flash statt Veo 3.1. Clips reichen bis 10 Sekunden, sodass eine Anfrage abdeckt, wofür Veo einen 8-Sekunden-Clip plus eine Verlängerung braucht.
Werbung und Produktaufnahmen mit mehreren Assets
Senden Sie das Produkt, die Person und den Ort als getrennte Referenzen, bis zu 7, und nennen Sie sie im Prompt Bild 1, Bild 2 und so weiter.
Auslieferung in 1080p oder 4K
Entwerfen Sie bei 720p und rendern Sie die Fassung, die Sie behalten, in 1080p oder 4K. Beide skaliert Google aus der 720p-Ausgabe hoch, beurteilen Sie die Bewegung daher zuerst bei 720p.
Einstellungen, die auf einem festen Bild enden müssen
Geben Sie bei Bild zu Video ein erstes und optional ein letztes Bild vor, bis zu 10 Sekunden pro Shot.
Prompt-Leitfaden und Praxistipps
Referenzen mit Nummer benennen
Schreiben Sie „der Mann in Bild 1“ und „das Observatorium in Bild 2“, in der Reihenfolge des Uploads. Alles, was in einer Referenz sichtbar ist, kann im Ergebnis auftauchen, schneiden Sie also aus, was Sie nicht wollen.
Sagen, ob Schnitte gewünscht sind
Bei längeren Clips kann das Modell von sich aus auf einen neuen Winkel schneiden. Ergänzen Sie „eine durchgehende Einstellung“, um eine einzige Aufnahme zu behalten, oder beschreiben Sie die gewünschten Einstellungen.
Den Ton beschreiben
Beenden Sie den Prompt mit einer Zeile wie „Sound: Schritte auf Kies“ und setzen Sie gesprochene Worte in Anführungszeichen. Ton ist bei jeder Auflösung enthalten.
Bei 720p entwerfen, in 4K ausliefern
Ein 4-Sekunden-Entwurf bei 720p kostet $0.3648; derselbe Clip in 4K kostet $1.0946. Legen Sie zuerst den Prompt fest und zahlen Sie die Auflösung dann einmal.
Einführung
Gemini Omni 1.1 Flash Referenz zu Video nimmt bis zu sieben Bilder von Personen, Produkten, Orten oder einem Look und baut daraus einen neuen Clip mit 4, 6, 8 oder 10 Sekunden, mit Ton. Google prüft Prompts und Bilder vor der Erzeugung; abgelehnte Anfragen schlagen fehl und werden nicht berechnet.
Gemini Omni 1.1 Flash: den passenden Modus wählen
| Womit Sie anfangen | Modus |
|---|---|
| eine geschriebene Szene | Gemini Omni 1.1 Flash Text zu Video |
| ein erstes Bild, optional ein letztes Bild | Gemini Omni 1.1 Flash Bild zu Video |
| Fotos von Personen, Produkten oder Orten, die erhalten bleiben sollen | Gemini Omni 1.1 Flash Referenz zu Video (Sie sind hier) |
Prompt-Tipps
- Nennen Sie Ihre Bilder Image 1, Image 2 und so weiter, in der Reihenfolge des Hochladens.
- Sagen Sie, welche Rolle jedes Bild hat: Figur, Gegenstand, Schauplatz oder Stil.
- Verwenden Sie klare, gut ausgeleuchtete Bilder; ein Motiv pro Bild funktioniert am besten.
API-Schnellstart
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${SPICY_IDEMPOTENCY_KEY:-$(uuidgen)}"
curl -X POST https://api.spicyapi.ai/api/v1/jobs/createTask \
-H "Authorization: Bearer $SPICY_API_KEY" \
-H "Content-Type: application/json" \
-H "Idempotency-Key: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "google/gemini-omni-1.1-flash/reference-to-video",
"input": {
"aspect_ratio": "16:9",
"duration_seconds": 8,
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"reference_image_urls": [
"https://example.com/reference.png"
],
"resolution": "720p"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Authentifizierung, vollständiges Schema, Polling und Fehlerbehandlung stehen in der API-Referenz.
