Wprowadzenie
Referencje na wideo dla Gemini Omni 1.1 Flash: na wejściu od jednego do siedmiu obrazów referencyjnych i prompt, na wyjściu klip 4-10 sekund z dźwiękiem.
| Pole | Wartość |
|---|---|
| Wejście | Tekst |
| Wyjście | Wideo |
| Wydawca | |
| Długość klipu | 4, 6, 8 lub 10 sekund |
| Rozdzielczość | 720p natywnie; 1080p i 4K skalowane w górę przez Google |
| Proporcje | 16:9, 9:16 |
| Liczba klatek | 24 fps |
| Dźwięk | Generowany w każdym klipie |
| Wejścia | Tekst; pierwsza klatka z opcjonalną ostatnią klatką; do 7 obrazów referencyjnych |
Najważniejsze funkcje
Siedem slotów referencji i każdy się liczy
Obraz 1 to mężczyzna w dżinsowej kurtce, obraz 2 to zdjęcie obserwatorium z kobietą przy teleskopie. Prompt prosił, by mężczyzna podszedł do obserwatorium i pomachał; zrobił to, zachowując twarz i kurtkę. Kobieta z obrazu 2 też się pojawiła, przy teleskopie za nim. Przytnij każdą referencję do tego, co chcesz widzieć w kadrze. Wyrenderowano w 4K (3840x2160), tutaj pokazano w 1080p.
Dłuższe klipy z cięciami, które model wybiera sam
8-sekundowy klip 9:16 z naszego promptu o obserwatorium: dwie połowy kopuły rozsunęły się, odsłaniając mosiężny teleskop i oświetlone stanowisko sterowania, a po około 6 sekundach model przeciął na zewnętrzne ujęcie teleskopu na tle gwiazd. Dopisz "one continuous shot", jeśli nie chcesz cięć.
Trafienie w ostatnią klatkę
Te same pierwsza i ostatnia klatka, które wysłaliśmy do wariantów Veo 3.1. W 4 sekundy w 720p odwróciła się od teleskopu do kamery, założyła ramiona i skończyła, opierając się o barierkę, tak jak na ostatniej klatce.
Portret staje się sceną
Jeden studyjny portret i prompt „O zmierzchu kobieta z referencji idzie w stronę kamery i się uśmiecha.” Omni umieściło ją na cichej ulicy o zmierzchu, z włosami, sztruksową kurtką i golfem zachowanymi ze zdjęcia; szła w naszą stronę i się uśmiechała, w 4 sekundy w 720p.
Parametry żądania
| Parametr | Wymagane | Uwaga |
|---|---|---|
prompt | Tak | Wymagane, do 20 000 znaków. Napisz, co z Image 1, Image 2 i kolejnych pojawia się w klipie, co się dzieje i jak porusza się kamera. od 1 znaków · do 20000 znaków |
reference_image_urls | Tak | Wymagane, od 1 do 7 obrazów (do 20 MB każdy) osób, produktów, miejsc lub stylu do zachowania. W prompcie nazywaj je Image 1, Image 2 i tak dalej, w kolejności przesyłania. od 1 elementów · do 7 elementów |
aspect_ratio | Nie | 16:9 (domyślnie) lub 9:16. Nie zmienia ceny. |
resolution | Nie | 720p (domyślnie) to natywne wyjście modelu; 1080p i 4K są skalowane przez Google i kosztują więcej. |
duration_seconds | Nie | 4, 6, 8 lub 10 sekund (domyślnie 8). Dłuższe klipy kosztują więcej. |
seed | Nie | Aby porównać ujęcia Omni, wybierz liczbę całkowitą od 0 do 2147483647 i zmieniaj jeden parametr sceny naraz; seed nie gwarantuje identycznych klatek. |
Cennik
Rozliczenie za klip według długości (4, 6, 8 lub 10 sekund) i rozdzielczości; 1080p i 4K kosztują więcej niż 720p. Liczba obrazów referencyjnych, proporcje i seed nie zmieniają ceny. Żądania nieudane lub odrzucone nie są rozliczane.
| Rozdzielczość | Czas trwania: 4 | Czas trwania: 6 | Czas trwania: 8 | Czas trwania: 10 |
|---|---|---|---|---|
| $0.3648 / żądanie | $0.5473 / żądanie | $0.7297 / żądanie | $0.9122 / żądanie |
| $0.5473 / żądanie | $0.821 / żądanie | $1.0946 / żądanie | $1.3683 / żądanie |
| $1.0946 / żądanie | $1.642 / żądanie | $2.1893 / żądanie | $2.7367 / żądanie |
Zastosowania
Nowe projekty na aktualnym modelu wideo Google
Google poleca do nowych projektów Gemini Omni Flash zamiast Veo 3.1. Klipy sięgają 10 sekund, więc jedno żądanie obejmuje to, co na Veo wymaga klipu 8-sekundowego i przedłużenia.
Reklamy i zdjęcia produktowe z wieloma materiałami
Wyślij produkt, osobę i miejsce jako osobne referencje, do 7, i nazwij je w prompcie Image 1, Image 2 i tak dalej.
Dostarczanie w 1080p lub 4K
Szkicuj w 720p, a wersję, którą zachowasz, renderuj w 1080p lub 4K. Obie rozdzielczości skaluje w górę Google z wyjścia 720p, więc najpierw oceń ruch w 720p.
Ujęcia, które muszą kończyć się na wybranym zdjęciu
Podaj pierwszą klatkę i opcjonalnie ostatnią na wideo z obrazu, do 10 sekund na ujęcie.
Wskazówki
Nazywaj referencje numerem
Pisz „mężczyzna z obrazu 1” i „obserwatorium z obrazu 2”, w kolejności wysyłania. Wszystko widoczne w referencji może się pojawić, więc przytnij to, czego nie chcesz.
Powiedz, czy chcesz cięcia
W dłuższych klipach model może sam przeciąć na nowy kąt. Dopisz "one continuous shot", by zachować jedno ujęcie, albo opisz ujęcia, które chcesz.
Opisz dźwięk
Zakończ prompt linią w rodzaju „Sound: kroki na żwirze” i wypowiadane słowa wpisz w cudzysłów. Dźwięk jest w każdej rozdzielczości.
Szkicuj w 720p, dostarczaj w 4K
Szkic 4-sekundowy w 720p kosztuje $0.3648; ten sam klip w 4K kosztuje $1.0946. Najpierw popraw prompt, a rozdzielczość opłać raz.
Wprowadzenie
Gemini Omni 1.1 Flash Referencje na wideo przyjmuje do siedmiu obrazów osób, produktów, miejsc lub stylu i buduje wokół nich nowy klip o długości 4, 6, 8 lub 10 sekund, z dźwiękiem. Google sprawdza prompty i obrazy przed generowaniem; odrzucone żądania kończą się błędem i nie są rozliczane.
Wybierz tryb Gemini Omni 1.1 Flash
| Od czego zaczynasz | Tryb |
|---|---|
| opisana scena | Gemini Omni 1.1 Flash Tekst na wideo |
| pierwsza klatka i opcjonalnie ostatnia klatka | Gemini Omni 1.1 Flash Obraz na wideo |
| zdjęcia osób, produktów lub miejsc do zachowania | Gemini Omni 1.1 Flash Referencje na wideo (jesteś tutaj) |
Wskazówki do promptu
- Nazywaj obrazy Image 1, Image 2 i tak dalej, w kolejności przesyłania.
- Napisz, jaką rolę pełni każdy obraz: postać, przedmiot, miejsce akcji czy styl.
- Używaj ostrych, dobrze oświetlonych obrazów; najlepiej działa jeden obiekt na obraz.
Szybki start z API
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "google/gemini-omni-1.1-flash/reference-to-video",
"input": {
"aspect_ratio": "16:9",
"duration_seconds": 8,
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"reference_image_urls": [
"https://example.com/reference.png"
],
"resolution": "720p"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Uwierzytelnianie, pełny schemat, odpytywanie i obsługę błędów opisuje dokumentacja API.
