Einführung
Beginnen Sie mit dem erforderlichen prompt und wählen Sie Dauer, Auflösung sowie Quer- oder Hochformat; das Ergebnis enthält erzeugten Ton.
| Feld | Wert |
|---|---|
| Eingabe | Text |
| Ausgabe | Video |
| Hersteller | |
| Verfügbarkeit in der Gemini API | Laut Google seit dem 5. November 2026 allgemein verfügbar |
| Modellkennung | gemini-omni-1.2-flash |
| Länge erzeugter Videos | 3–15 ganze Sekunden; standardmäßig 8 Sekunden |
| Länge mit Schlussbild | 3–10 Sekunden bei vorgegebenem letztem Bild |
| Dauer bei der Bearbeitung | Entspricht der Quelle; Aufnahmen werden nach 10 Sekunden abgeschnitten |
| Ausgabeauflösungen | Google nennt 360p und 720p als direkte Ausgabe; 1080p und 4K skaliert Google hoch |
| Formate bei der Erzeugung | 16:9 oder 9:16; standardmäßig 16:9 |
| Video- und Audioformat | MP4 mit 24 fps und einer AAC-Tonspur |
| Referenzeingaben | Bis zu 6 Bilder; bis zu 3 Videoclips mit jeweils höchstens 3 Sekunden |
| Lange Videos aus Referenzen | Für Ausgaben mit 11–15 Sekunden nennt Google eine Videoreferenz |
| Wasserzeichen | Google fügt ein unsichtbares SynthID-Wasserzeichen hinzu |
| Speicherung erzeugter Videos | Löschung nach 14 Tagen |
Wichtige Funktionen und Highlights
Ein Marktmoment mit eigener Geräuschkulisse
In unseren Tests zeigte die 6 Sekunden lange Marktszene bei 720p einen Koch, der Nudeln über einem flammenden Wok schwenkte und den gewünschten Satz sprach. Zischendes Öl, Regen und Marktstimmen begleiteten das Geschehen.
Eine Bootsabfahrt in Bewegung bringen
Das 5 Sekunden lange Beispiel am Anleger beginnt mit einem einzigen Nachtfoto. In unseren Tests legte das hölzerne Schnellboot langsam vom Hotel ab, während sein Passagier winkte. Dazu waren Motorbrummen, Wasser und eine entfernte Band zu hören.
Das Ende einer Bewegung vorgeben
Ein erstes Studiobild und eine abschließende Pose geben dieser 5 Sekunden langen Animation die Richtung. In unseren Tests wechselte die Tänzerin bei feststehender Kamera und leisem Klavier zwischen den beiden Posen.
Zwei Personen in eine Zugszene versetzen
Aus zwei Referenzporträts entstand in unseren Tests eine 6 Sekunden lange Szene im Speisewagen. Eine reisende Person reichte einen gefalteten Zettel über den Tisch; die andere las ihn und lächelte. Zugrhythmus und Besteckgeräusche begleiteten den Austausch.
Den Auftritt auf eine Bühne am See verlegen
In unseren Tests ersetzte die Bearbeitung das graue Studio durch eine Bühne im Mondlicht neben nebligem Wasser. Die Tänzerin und ihre Bewegungen blieben erhalten, während sich der Schauplatz änderte.
Request-Parameter
| Parameter | Pflicht | Beschreibung |
|---|---|---|
prompt | Ja | Erforderliche Szenenbeschreibung. Nennen Sie Ort, Handlung und Tonvorgaben; setzen Sie gewünschte Sprache in Anführungszeichen. mindestens 1 Zeichen · höchstens 20000 Zeichen |
aspect_ratio | Nein | Wählen Sie Querformat 16:9 oder Hochformat 9:16; voreingestellt ist 16:9. Diese Wahl verursacht keinen Aufpreis. |
resolution | Nein | Wählen Sie 360p, 720p (Standard), 1080p oder 4K. Google nennt 360p/720p als direkte Ausgaben; 1080p und 4K werden von Google hochskaliert und kosten mehr. |
duration_seconds | Nein | Jede ganze Zahl von 3 bis 15 ist möglich; ohne Angabe werden 8 Sekunden gewählt. Diese angeforderte Länge wird abgerechnet. |
Preis
Bei der Erzeugung werden die angeforderten Sekunden zum Tarif der gewählten Auflösung berechnet. Das Seitenverhältnis verursacht keinen Aufpreis. Fehlgeschlagene Versuche und abgelehnte Anfragen bleiben kostenfrei.
| Spezifikation | Preis |
|---|---|
| $0.0276 / Sekunde |
| $0.084 / Sekunde |
| $0.126 / Sekunde |
| $0.252 / Sekunde |
Anwendungsfälle
Eine kurze Marktszene mit Sprache
Skizzieren Sie einen Koch, eine Handlung und einen kurzen Satz in Anführungszeichen. Ergänzen Sie zischendes Öl und die Atmosphäre eines regnerischen Marktes.
Ankunft oder Abfahrt am Hotel
Animieren Sie ein erstes Bild vom Anleger zu einer Bootsabfahrt, oder ergänzen Sie ein letztes Bild, wenn die abschließende Komposition feststeht.
Eine Szene mit wiederkehrenden Figuren
Versetzen Sie zwei bekannte Personen anhand von Referenzporträts in eine neue Umgebung, etwa einen Speisewagen in der Dämmerung.
Eine andere Bühne für einen Auftritt
Lassen Sie die Videobearbeitung ein Studio in eine Umgebung am See verwandeln und dabei die aufgezeichnete Bewegung erhalten.
Prompt-Leitfaden und Praxistipps
Den Endpunkt passend zum Ausgangsmaterial wählen
Beginnen Sie für eine neue Szene mit Text, für eine Animation mit einem ersten Standbild, für visuelle Vorgaben mit Referenzen oder für eine gezielte Änderung mit einem Video.
Den Aufbau der Szene klar beschreiben
Laut Google kann das Modell standardmäßig mehrere Einstellungen erzeugen. Ergänzen Sie „keine Szenenschnitte“, wenn Sie eine durchgehende Aufnahme wünschen, und setzen Sie gewünschte Sprache in Anführungszeichen.
Jeder Referenz eine Aufgabe geben
Schreiben Sie „verwende den Ort aus Image 2“ oder „Bewegung wie in Video 1“, damit der prompt die Rolle jedes Uploads erläutert.
Einen kleinen Entwurf prüfen, dann die Auflösung erhöhen
Erkunden Sie eine Idee mit 360p zum niedrigsten angebotenen Tarif. 1080p und 4K skaliert Google hoch; diese Optionen kosten mehr.
Eine Bearbeitungsanweisung gezielt formulieren
Google empfiehlt einfache Änderungen mit dem anschließenden Hinweis „Alles andere unverändert lassen.“ Prüfen Sie vor dem Absenden die Länge der Quelle: Bei der Bearbeitung werden Aufnahmen nach 10 Sekunden abgeschnitten.
Einführung
Gemini Omni 1.2 Flash Text zu Video beginnt mit einer schriftlichen Idee. Nennen Sie den Ort, die Handlung und die gewünschten Geräusche und wählen Sie anschließend 3–15 ganze Sekunden. Ohne Dauerangabe entsteht eine 8 Sekunden lange Szene. Verwenden Sie 16:9 für eine Komposition im Querformat oder 9:16 für Hochformat.
Dieser Weg eignet sich für Ideen ohne Ausgangsbild. In unseren Tests entstand aus einem Prompt für einen regnerischen Markt ein Koch, der Nudeln schwenkte und den gewünschten Satz sprach, begleitet von zischendem Öl und Stimmen im Hintergrund. Laut Google kann Omni eine kurze Geschichte über mehrere Einstellungen aufbauen, sofern Sie keine durchgehende Aufnahme verlangen.
Wichtige Funktionen und Merkmale
- Erzeugen Sie die Bildszene und ihren Ton gemeinsam aus einem erforderlichen Text-Prompt.
- Geben Sie die Dauer in ganzen Sekunden an, von kurzen 3-Sekunden-Entwürfen bis zu Szenen mit 15 Sekunden.
- Wählen Sie direkte 360p oder 720p oder lassen Sie Google zu einem höheren Tarif auf 1080p/4K hochskalieren.
- Sie erhalten MP4-Videos mit 24 fps und einer AAC-Tonspur.
- Beschreiben Sie gesprochene Sätze, Musik oder Umgebungsgeräusche im selben prompt.
Einsatzmöglichkeiten
- Entwerfen Sie eine Szene am Imbissstand mit einem kurzen Dialogsatz und Kochgeräuschen.
- Erstellen Sie für einen Social-Media-Beitrag eine regnerische Straßenszene im Hochformat, ohne zuvor ein Standbild vorzubereiten.
- Erkunden Sie ein Marktkonzept mit Laternenlicht in 360p, bevor Sie die Auflösung für die Auslieferung wählen.
Prompt-Leitfaden und Praxistipps
- Legen Sie zunächst einen konkreten Schauplatz fest, etwa „ein von Laternen beleuchteter Markt nach dem Regen“, damit die Handlung klar verortet ist.
- Geben Sie dem Motiv zuerst eine gut erkennbare Aufgabe, etwa „der Koch schwenkt Nudeln“, bevor Sie ein weiteres Ereignis ergänzen.
- Für eine Aufnahme ohne Unterbrechung folgen Sie Googles Empfehlung und ergänzen Sie „in einer einzigen durchgehenden Einstellung“.
- Setzen Sie einen kurzen gesprochenen Satz wie „Ready in a minute“ in Anführungszeichen und beschreiben Sie die umgebenden Geräusche separat.
- Für eine Szene ohne Sprache verwenden Sie die von Google empfohlene Formulierung „Kein Dialog“; ein separates Feld für negative Prompts gibt es nicht.
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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "google/gemini-omni-1.2-flash/text-to-video",
"input": {
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"resolution": "720p",
"aspect_ratio": "16:9",
"duration_seconds": 8
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Authentifizierung, vollständiges Schema, Polling und Fehlerbehandlung stehen in der API-Referenz.
