Introduzione
Parti da un prompt obbligatorio e scegli durata, risoluzione e formato orizzontale o verticale; il risultato include audio generato.
| 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 | Descrizione obbligatoria della scena. Includi luogo, azione e indicazioni audio; racchiudi tra virgolette il parlato richiesto. almeno 1 caratteri · al massimo 20000 caratteri |
aspect_ratio | No | Scegli 16:9 orizzontale o 9:16 verticale; il valore predefinito è 16:9. La scelta non aggiunge costi. |
resolution | No | Scegli 360p, 720p predefinito, 1080p o 4K. Google indica 360p/720p come output diretti; 1080p e 4K sono ottenuti per upscaling da Google e costano di più. |
duration_seconds | No | Richiedi un numero intero da 3 a 15; se ometti il valore, vengono selezionati 8 secondi. L’addebito usa la durata richiesta. |
Prezzi
Per la generazione si addebitano i secondi richiesti alla tariffa della risoluzione scelta. Le proporzioni non aggiungono costi. Tentativi falliti e richieste rifiutate non vengono addebitati.
| 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 testo a video di Gemini Omni 1.2 Flash parte da un’idea scritta. Indica luogo, azione e suoni, poi scegli 3–15 secondi interi. Se non imposti la durata, la scena dura 8 secondi. Usa 16:9 per una composizione orizzontale o 9:16 per una verticale.
Questa modalità è adatta alle idee senza un’immagine di partenza. Nei nostri test, un prompt su un mercato piovoso ha prodotto un cuoco che saltava i noodles e pronunciava la battuta richiesta, con olio che sfrigolava e brusio di sottofondo. Google segnala che Omni può costruire una breve storia in più inquadrature, a meno che tu non richieda una ripresa continua.
Funzioni e caratteristiche principali
- Genera insieme la scena visiva e il suo audio da un prompt di testo obbligatorio.
- Imposta la durata in secondi interi, dalle bozze brevi di 3 secondi alle scene fino a 15 secondi.
- Scegli 360p o 720p diretti, oppure richiedi 1080p/4K con upscaling di Google a una tariffa superiore.
- Ottieni video MP4 a 24 fps con una traccia audio AAC.
- Descrivi battute, musica o effetti ambientali nello stesso prompt.
Casi d’uso
- Progetta una scena a un banco di cibo con una breve battuta e rumori di cucina.
- Crea una scena verticale in una strada piovosa per un post social senza preparare una foto.
- Esplora a 360p un mercato illuminato da lanterne prima di scegliere la risoluzione di consegna.
Guida al prompt e consigli pratici
- Definisci prima un’ambientazione precisa, come «un mercato illuminato da lanterne dopo la pioggia», per dare all’azione un luogo chiaro.
- Assegna al soggetto un compito riconoscibile, come «il cuoco salta i noodles», prima di aggiungere un altro evento.
- Per una ripresa senza interruzioni, segui il consiglio di Google e aggiungi «in un’unica ripresa continua».
- Metti tra virgolette una breve battuta, come “Ready in a minute”, e descrivi separatamente i suoni circostanti.
- Per una scena senza parlato, usa la formula suggerita da Google «Nessun dialogo»; non esiste un campo separato per il prompt negativo.
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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "google/gemini-omni-1.2-flash/text-to-video",
"input": {
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"resolution": "720p",
"aspect_ratio": "16:9",
"duration_seconds": 8
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Nel riferimento dell’API trovi autenticazione, schema completo, polling e gestione degli errori.
