Introducción
Imagen a video para Gemini Omni 1.1 Flash: entra un primer fotograma, y si quieres un último; sale un clip de 4-10 segundos con sonido.
| Campo | Valor |
|---|---|
| Entrada | Imagen |
| Salida | Video |
| Editor | |
| Duración del clip | 4, 6, 8 o 10 segundos |
| Resolución | 720p nativo; 1080p y 4K escalados por Google |
| Relaciones de aspecto | 16:9, 9:16 |
| Velocidad de cuadros | 24 fps |
| Audio | Generado con cada clip |
| Entradas | Texto; primer cuadro con último cuadro opcional; hasta 7 imágenes de referencia |
Funciones y aspectos destacados
Siete ranuras de referencia, y todas cuentan
La imagen 1 era un hombre con chaqueta de mezclilla, y la imagen 2, una foto de un observatorio con una mujer junto al telescopio. El prompt pedía que el hombre caminara hacia el observatorio y saludara; lo hizo, con su rostro y su chaqueta conservados. La mujer de la imagen 2 también apareció, junto al telescopio detrás de él. Recorta cada referencia a lo que quieres en el plano. Renderizado en 4K (3840x2160), mostrado aquí en 1080p.
Clips más largos, con cortes que elige el modelo
Un clip de 8 segundos en 9:16 con nuestro prompt del observatorio: las dos mitades de la cúpula se separaron para mostrar un telescopio de latón y un panel de control iluminado, y luego, hacia los 6 segundos, el modelo cortó a un ángulo exterior del telescopio contra las estrellas. Escribe "one continuous shot" si no quieres cortes.
Llega al último cuadro
Los mismos primer y último cuadro que enviamos a los niveles de Veo 3.1. En 4 segundos a 720p, ella se giró desde el telescopio para mirar a la cámara, cruzó los brazos y terminó apoyada en la barandilla, como en el último cuadro.
Un retrato se convierte en escena
Un retrato de estudio y el prompt "At dusk the woman from the reference walks toward the camera and smiles." Omni la puso en una calle tranquila al atardecer, con su pelo, su chaqueta de pana y su cuello alto conservados de la foto, caminando hacia nosotros y sonriendo, en 4 segundos a 720p.
Parámetros de la solicitud
| Parámetro | Obligatorio | Descripción |
|---|---|---|
prompt | Sí | Obligatorio, hasta 20 000 caracteres. Describe el movimiento, la cámara y el sonido desde el primer fotograma hasta el final del clip. mínimo 1 caracteres · máximo 20000 caracteres |
image_url | Sí | Obligatorio. El fotograma inicial (JPEG, PNG o WebP, hasta 20 MB). mínimo 1 caracteres |
last_image_url | No | Fotograma final opcional. El clip pasa del primer fotograma a este. mínimo 1 caracteres |
aspect_ratio | No | 16:9 (por defecto) o 9:16. No cambia el precio. |
resolution | No | 720p (por defecto) es la salida nativa del modelo; 1080p y 4K los escala Google y cuestan más. |
duration_seconds | No | 4, 6, 8 o 10 segundos (8 por defecto). Los clips más largos cuestan más. |
seed | No | Para comparar tomas de Omni, elige un entero de 0 a 2147483647 y cambia un control de escena a la vez; la semilla no promete fotogramas idénticos. |
Precios
Se cobra por clip según la duración (4, 6, 8 o 10 segundos) y la resolución; 1080p y 4K cuestan más que 720p. La relación de aspecto y la semilla no cambian el precio. Las solicitudes que fallan o se rechazan no se cobran.
| Resolución | Duración: 4 | Duración: 6 | Duración: 8 | Duración: 10 |
|---|---|---|---|---|
| $0.3648 / solicitud | $0.5473 / solicitud | $0.7297 / solicitud | $0.9122 / solicitud |
| $0.5473 / solicitud | $0.821 / solicitud | $1.0946 / solicitud | $1.3683 / solicitud |
| $1.0946 / solicitud | $1.642 / solicitud | $2.1893 / solicitud | $2.7367 / solicitud |
Casos de uso
Proyectos nuevos en el modelo de video actual de Google
Google recomienda Gemini Omni Flash para trabajos nuevos en lugar de Veo 3.1. Los clips llegan a 10 segundos, así que una sola solicitud cubre lo que en Veo requiere un clip de 8 segundos más una extensión.
Anuncios y tomas de producto con varios recursos
Envía el producto, la persona y el lugar como referencias separadas, hasta 7, y llámalas Image 1, Image 2 y así sucesivamente en el prompt.
Entregar en 1080p o 4K
Haz un borrador a 720p y luego renderiza la versión que te quedas en 1080p o 4K. Google escala ambas desde la salida de 720p, así que juzga primero el movimiento a 720p.
Tomas que deben terminar en una imagen fijada
Da un primer cuadro y un último cuadro opcional en imagen a video, hasta 10 segundos por toma.
Guía de prompts y consejos prácticos
Nombra tus referencias por número
Escribe "the man in Image 1" y "the observatory in Image 2", en el orden de subida. Cualquier cosa visible en una referencia puede aparecer, así que recorta lo que no quieras.
Indica si quieres cortes
En clips largos, el modelo puede cambiar a un nuevo ángulo por su cuenta. Añade "one continuous shot" para mantener una sola toma, o describe las tomas que quieres.
Describe el sonido
Termina el prompt con una línea como "Sound: footsteps on gravel" y pon las palabras habladas entre comillas. El sonido está incluido en todas las resoluciones.
Borrador a 720p, entrega en 4K
Un borrador de 4 segundos a 720p cuesta $0.3648; el mismo clip en 4K cuesta $1.0946. Corrige primero el prompt y paga la resolución una sola vez.
Introducción
Gemini Omni 1.1 Flash Imagen a video empieza un clip con tu imagen y la anima durante 4, 6, 8 o 10 segundos, con sonido. Añade un último fotograma y el clip pasa de una imagen a la otra. Google revisa los prompts y las imágenes antes de generar; las solicitudes que rechaza fallan y no se cobran.
Elige un modo de Gemini Omni 1.1 Flash
| Con qué empiezas | Modo |
|---|---|
| una escena escrita | Gemini Omni 1.1 Flash Texto a video |
| un primer fotograma y, si quieres, un último fotograma | Gemini Omni 1.1 Flash Imagen a video (estás aquí) |
| fotos de personas, productos o lugares que quieres conservar | Gemini Omni 1.1 Flash Referencia a video |
Consejos para el prompt
- Describe el movimiento y la cámara, no lo que la imagen ya muestra.
- Con último fotograma, cuenta cómo llega la escena de una imagen a la otra.
- Elige la relación de aspecto que coincida con tu primer fotograma.
Inicio rápido de la API
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "google/gemini-omni-1.1-flash/image-to-video",
"input": {
"aspect_ratio": "16:9",
"duration_seconds": 8,
"image_url": "https://example.com/reference.png",
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"resolution": "720p"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Consulta la referencia de la API para autenticación, el esquema completo, sondeo y gestión de errores.
