Introduzione
Un prompt obbligatorio e almeno un riferimento immagine o video guidano 3–15 secondi di nuove riprese con audio generato da zero.
| Campo | Valore |
|---|---|
| Input | Testo |
| Output | Video |
| Editore | |
| Disponibilità nella Gemini API | Disponibile per tutti dal 5 novembre 2026, secondo Google |
| Codice del modello | gemini-omni-1.2-flash |
| Durata della generazione | 3–15 secondi interi; 8 secondi come valore predefinito |
| Durata con fotogramma finale | 3–10 secondi se fornisci un’immagine finale |
| Tempi della modifica | Segue la durata del video originale; le riprese oltre 10 secondi vengono tagliate |
| Risoluzioni di output | Google indica 360p e 720p diretti; 1080p e 4K sono ottenuti per upscaling da Google |
| Formati di generazione | 16:9 o 9:16; 16:9 come valore predefinito |
| Formato video e audio | MP4 a 24 fps con una traccia audio AAC |
| Riferimenti in ingresso | Fino a 6 immagini; fino a 3 clip video di non più di 3 secondi ciascuna |
| Output lunghi da riferimenti | Google indica un riferimento video per output da 11–15 secondi |
| Filigrana | Google inserisce una filigrana SynthID invisibile |
| Conservazione dei video generati | Eliminati dopo 14 giorni |
Caratteristiche principali
Un momento al mercato con il suo audio
Nei nostri test, la scena al mercato di 6 secondi a 720p mostrava un cuoco che saltava i noodles in un wok in fiamme e pronunciava la battuta richiesta. Lo sfrigolio dell’olio, la pioggia e il brusio del mercato accompagnavano l’azione.
Metti in moto la partenza di una barca
L’esempio al pontile dura 5 secondi e parte da una singola foto notturna. Nei nostri test, il motoscafo in legno si allontanava lentamente dall’hotel mentre la passeggera salutava, con il ronzio del motore, l’acqua e una band in lontananza.
Decidi dove termina il movimento
Un’immagine iniziale in studio e una posa finale guidano questa animazione di 5 secondi. Nei nostri test, la ballerina passava da una posa all’altra con un sottofondo di piano delicato e la camera fissa.
Porta due persone in una scena in treno
Nei nostri test, due ritratti di riferimento sono diventati una scena di 6 secondi in un vagone ristorante. Un viaggiatore passava un biglietto piegato sul tavolo; l’altra lo leggeva e sorrideva, con il ritmo del treno e i rumori delle posate.
Sposta l’esibizione su un palco in riva al lago
Nei nostri test, la modifica ha sostituito lo studio grigio con un palco illuminato dalla luna accanto all’acqua velata di foschia. La ballerina e i suoi movimenti sono rimasti nella scena mentre cambiava l’ambientazione.
Parametri della richiesta
| Parametro | Obbligatorio | Nota |
|---|---|---|
prompt | Sì | Obbligatorio. Spiega cosa usare da ogni immagine o video numerato, poi descrivi la nuova azione e l’audio. almeno 1 caratteri · al massimo 20000 caratteri |
reference_image_urls | No | Fino a 6 URL di immagini. Fornisci immagini, riferimenti video o entrambi. almeno 1 elementi · al massimo 6 elementi |
reference_video_urls | No | Fino a 3 URL video, con clip di 3 secondi al massimo ciascuna. Guidano aspetto e movimento; il loro audio viene ignorato. almeno 1 elementi · al massimo 3 elementi |
aspect_ratio | No | Il formato predefinito è 16:9 orizzontale; è disponibile anche il 9:16 verticale. L’inquadratura non aggiunge costi. |
resolution | No | Seleziona 360p o 720p predefinito come output diretto, oppure scegli 1080p/4K. Le opzioni 1080p e 4K sono ottenute per upscaling da Google e costano di più. |
duration_seconds | No | Scegli 3–15 secondi interi; il valore predefinito è 8. Per 11–15 secondi, segui l’indicazione di Google di usare un solo riferimento video. |
Prezzi
La generazione da riferimenti addebita i secondi di output richiesti alla tariffa della risoluzione selezionata. Numero di immagini, clip di riferimento e proporzioni non aggiungono costi. Non paghi nulla se la richiesta da riferimenti fallisce o Google la rifiuta.
| Specifiche | Prezzo |
|---|---|
| $0.0276 / secondo |
| $0.084 / secondo |
| $0.126 / secondo |
| $0.252 / secondo |
Casi d’uso
Una scena al mercato con una battuta
Delinea un cuoco, un’azione e una breve battuta tra virgolette, poi richiedi lo sfrigolio dell’olio e l’atmosfera piovosa del mercato.
Un arrivo o una partenza dall’hotel
Anima un’immagine iniziale del pontile con la partenza di una barca, oppure aggiungi un’immagine finale se hai già deciso la composizione conclusiva.
Una scena con personaggi ricorrenti
Usa ritratti di riferimento per inserire due persone già definite in una nuova ambientazione, come un vagone ristorante al crepuscolo.
Un palco diverso per un’esibizione
Chiedi alla modalità di modifica video di trasformare lo studio in un’ambientazione sul lago mantenendo il movimento registrato.
Consigli avanzati
Scegli l’endpoint in base al materiale di partenza
Parti dal testo per una scena nuova, da una foto iniziale per un’animazione, da riferimenti per una guida visiva o da un video per una modifica mirata.
Chiarisci la struttura della scena
Google segnala che il modello può creare più inquadrature per impostazione predefinita. Aggiungi «nessun taglio di scena» se vuoi una sola ripresa e metti tra virgolette le battute richieste.
Assegna un compito a ogni riferimento
Scrivi «usa il luogo in Image 2» o «muoviti come in Video 1», così il prompt spiega il ruolo di ogni file caricato.
Valuta una bozza prima di aumentare la risoluzione
Usa il 360p per esplorare un’idea alla tariffa più bassa disponibile. Google ottiene 1080p e 4K per upscaling e queste opzioni costano di più.
Concentra l’istruzione su una modifica
Google consiglia modifiche semplici seguite da «Mantieni tutto il resto uguale». Controlla la durata dell’originale prima di inviarlo: la modifica taglia le riprese a 10 secondi.
Introduzione
La modalità da riferimento a video di Gemini Omni 1.2 Flash costruisce una nuova scena a partire dai riferimenti visivi caricati. Fornisci un prompt e almeno uno tra reference_image_urls e reference_video_urls. Le immagini guidano persone, oggetti o luoghi; le clip brevi guidano aspetto e movimento. La traccia audio dei riferimenti viene ignorata.
Google dichiara che la versione 1.2 migliora la coerenza tra un massimo di sei immagini di riferimento e consiglia fino a tre foto per personaggio, per un massimo di due personaggi. I riferimenti video possono comprendere fino a tre clip di tre secondi al massimo ciascuna. Per un risultato di 11–15 secondi, Google indica una sola clip di riferimento; nei nostri test, è stato completato anche un output di 11 secondi con due clip. Segui le indicazioni riportate quando pianifichi una scena lunga.
Funzioni e caratteristiche principali
- Combina riferimenti immagine e video nella stessa richiesta di generazione.
- Assegna ruoli visivi a un massimo di sei immagini caricate.
- Guida movimento o aspetto con fino a tre clip di riferimento, rispettando le indicazioni di Google per gli output più lunghi.
- Nomina ogni file con parole comuni, usando Image 1 o Video 1 nell’ordine di caricamento.
- Genera una nuova traccia audio insieme alla scena; l’audio delle riprese di riferimento viene ignorato.
Casi d’uso
- Inserisci due viaggiatori dei riferimenti in un vagone ristorante per un breve scambio.
- Porta un prodotto dalla foto di riferimento in un luogo appena descritto.
- Usa un breve riferimento di movimento per guidare l’azione di una nuova scena al mercato.
Guida al prompt e consigli pratici
- Assegna a ogni persona una fonte chiara, come «il viaggiatore in Image 1», seguendo l’ordine di caricamento.
- Spiega cosa deve guidare ogni video, come «muoviti come in Video 1», senza lasciarne implicito il ruolo.
- Descrivi l’interazione separatamente dall’aspetto, come «fai scivolare un biglietto piegato sul tavolo», per definire il nuovo evento.
- Segui le indicazioni di Google sui personaggi con una frase come «usa le immagini 1–3 per il primo personaggio», restando entro sei immagini totali.
- Descrivi nuovi suoni, come «ritmo regolare del treno e tintinnio di posate», perché l’audio delle clip di riferimento viene ignorato.
Avvio rapido dell’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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "google/gemini-omni-1.2-flash/reference-to-video",
"input": {
"aspect_ratio": "16:9",
"duration_seconds": 8,
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"resolution": "720p"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Nel riferimento dell’API trovi autenticazione, schema completo, polling e gestione degli errori.
