Introducción
Proporciona un cuadro inicial y un prompt obligatorios; un cuadro final opcional guía el cierre y limita el clip a 10 segundos.
| Campo | Valor |
|---|---|
| Entrada | Imagen |
| Salida | Video |
| Editor | |
| Disponibilidad en la API de Gemini | Disponibilidad general desde el 5 de noviembre de 2026, según Google |
| Código del modelo | gemini-omni-1.2-flash |
| Duración de la generación | 3–15 segundos enteros; 8 segundos por defecto |
| Duración con cuadro final | 3–10 segundos al proporcionar una imagen final |
| Duración de la edición | Sigue la duración del original; se recorta lo que exceda los 10 segundos |
| Resoluciones de salida | Google indica salida directa en 360p y 720p; escala 1080p y 4K |
| Formatos de generación | 16:9 o 9:16; 16:9 por defecto |
| Formato de video y audio | MP4 a 24 fps con una pista de audio AAC |
| Referencias de entrada | Hasta 6 imágenes; hasta 3 clips de video de un máximo de 3 segundos cada uno |
| Resultados largos con referencias | Google indica una referencia de video para resultados de 11–15 segundos |
| Marca de agua | Google incorpora una marca de agua invisible SynthID |
| Almacenamiento de videos generados | Se eliminan después de 14 días |
Funciones y aspectos destacados
Un instante de mercado con sonido propio
En nuestras pruebas, la escena de mercado de 6 segundos a 720p mostró a un cocinero salteando fideos en un wok en llamas y diciendo la frase solicitada. El chisporroteo del aceite, la lluvia y las conversaciones del mercado acompañaron la acción.
Pon en marcha la salida de una lancha
El ejemplo del muelle, de 5 segundos, parte de una imagen nocturna. En nuestras pruebas, la lancha de madera se alejó despacio del hotel mientras su pasajera saludaba, con el zumbido del motor, el agua y una banda a lo lejos.
Define dónde termina el movimiento
Una imagen inicial de estudio y una pose final guían esta animación de 5 segundos. En nuestras pruebas, la bailarina pasó de una pose a la otra con música suave de piano y cámara fija.
Lleva a dos personas a una escena de tren
En nuestras pruebas, dos retratos de referencia se convirtieron en una escena de 6 segundos en un vagón comedor. Una persona pasó una nota doblada por la mesa; la otra la leyó y sonrió, con el ritmo del tren y el sonido de los cubiertos.
Traslada la actuación a un escenario junto al lago
En nuestras pruebas, la edición reemplazó el estudio gris por un escenario iluminado por la luna junto al agua con neblina. La bailarina y sus movimientos se conservaron mientras cambiaba el entorno.
Parámetros de la solicitud
| Parámetro | Obligatorio | Descripción |
|---|---|---|
prompt | Sí | Instrucciones de movimiento obligatorias. Explica la acción posterior a la imagen inicial, el comportamiento de la cámara y los sonidos deseados. mínimo 1 caracteres · máximo 20000 caracteres |
image_url | Sí | URL obligatoria de la imagen que abre la escena generada. mínimo 1 caracteres |
last_image_url | No | URL opcional de la imagen final. Al incluirla, se requiere una duración de 3–10 segundos; las solicitudes más largas se rechazan antes de cobrar. mínimo 1 caracteres |
aspect_ratio | No | Usa 16:9 para formato horizontal, la opción predeterminada, o 9:16 para encuadre vertical. No se ofrece una opción automática; este ajuste no añade cargos. |
resolution | No | Las resoluciones disponibles son 360p, 720p por defecto, 1080p y 4K. Google escala tanto 1080p como 4K y ambas cuestan más; Google indica 360p/720p como salida directa. |
duration_seconds | No | Segundos enteros de 3 a 15, con 8 por defecto. Si incluyes |
Precios
La animación de imágenes se cobra por los segundos solicitados a la tarifa de la resolución elegida. Las imágenes inicial y final y la relación de aspecto no añaden cargos. Los envíos fallidos o rechazados no tienen costo, incluidas las solicitudes con cuadro final de más de 10 segundos.
| Especificación | Precio |
|---|---|
| $0.0276 / segundo |
| $0.084 / segundo |
| $0.126 / segundo |
| $0.252 / segundo |
Casos de uso
Una escena de mercado con diálogo
Describe a un cocinero, una acción y una frase breve entre comillas, y pide chisporroteo de aceite y ambiente de mercado bajo la lluvia.
Una llegada o salida de hotel
Anima una imagen inicial del muelle para mostrar la salida de una lancha, o añade una imagen final si ya tienes prevista la composición de cierre.
Una escena con personajes recurrentes
Usa retratos de referencia para situar a dos personas ya definidas en un entorno nuevo, como un vagón comedor al anochecer.
Otro escenario para una actuación
Pide al modo de edición de video que cambie un estudio por un entorno junto al lago y conserve el movimiento grabado.
Guía de prompts y consejos prácticos
Elige el endpoint según tu material de partida
Empieza con texto para una escena nueva, una imagen inicial para animarla, referencias para orientar el aspecto visual o un video para una modificación puntual.
Aclara la estructura de la escena
Google indica que el modelo puede crear varias tomas por defecto. Añade «sin cortes de escena» si quieres una sola toma y escribe entre comillas el diálogo solicitado.
Asigna una función a cada referencia
Escribe «usa el lugar de Image 2» o «muévete como en Video 1» para que el prompt indique la función de cada archivo subido.
Revisa un borrador pequeño antes de subir la resolución
Explora una idea en 360p con la tarifa más baja disponible. Google escala 1080p y 4K, y esas opciones tienen un costo mayor.
Centra la instrucción de edición en un cambio concreto
Google recomienda cambios sencillos seguidos de «Mantén todo lo demás igual». Comprueba la duración del original antes de enviarlo: la edición recorta el material a los 10 segundos.
Introducción
El modo imagen a video de Gemini Omni 1.2 Flash convierte una imagen inicial en movimiento. Proporciona image_url y un prompt que explique la acción posterior a esa imagen. El ejemplo del muelle usa una imagen nocturna de una lancha para iniciar una salida de 5 segundos con sonidos de motor y agua.
Añade last_image_url si la escena debe terminar de una forma definida. Con esa imagen final, la duración permitida es de 3–10 segundos; sin ella, puedes elegir 3–15 segundos. Una solicitud con cuadro final que supere los 10 segundos se rechaza antes de cualquier cobro. En nuestras pruebas, dos imágenes de estudio guiaron a una bailarina entre las poses inicial y final.
Funciones y aspectos destacados
- Usa la imagen que proporcionas como primer cuadro de la animación.
- Orienta la composición final con una segunda imagen opcional.
- Genera sonido durante la animación en lugar de subir una pista de audio.
- Elige formato horizontal 16:9 o vertical 9:16 para la escena solicitada.
- Trabaja en 360p o 720p por defecto, con 1080p y 4K escalados por Google a una tarifa mayor.
Casos de uso
- Anima una imagen nocturna para mostrar una lancha de madera que sale del muelle de un hotel.
- Conecta dos poses de estudio en una secuencia de 5 segundos con piano suave.
- Convierte una imagen de producto en un breve estudio de movimiento con una composición final definida.
Guía de prompts y consejos prácticos
- Describe lo que cambia después del inicio, como «la lancha se aleja despacio del muelle», en vez de repetir cada detalle visible.
- Si usas dos imágenes, explica la transición, como «pasa con suavidad a la pose final», y elige un máximo de 10 segundos.
- Indica un plan de cámara sencillo, como «cámara fija», cuando el movimiento dentro de la escena deba sostener la toma.
- Nombra el ambiente sonoro deseado, como «zumbido bajo del motor y agua que golpea suavemente», ya que la imagen no aporta sonido.
- Pide continuidad con una frase breve como «sin cortes de escena», siguiendo el consejo de Google para una sola toma.
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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "google/gemini-omni-1.2-flash/image-to-video",
"input": {
"aspect_ratio": "16:9",
"duration_seconds": 8,
"image_url": "https://example.com/reference.png",
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"resolution": "720p"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Consulta la referencia de la API para autenticación, el esquema completo, sondeo y gestión de errores.
