Introdução
Referência para vídeo no Gemini Omni 1.1 Flash: entram de uma a sete imagens de referência e um prompt, sai um clipe de 4-10 segundos com som.
| Campo | Valor |
|---|---|
| Entrada | Texto |
| Saída | Vídeo |
| Publicador | |
| Duração do clipe | 4, 6, 8 ou 10 segundos |
| Resolução | 720p nativo; 1080p e 4K ampliados pelo Google |
| Proporções | 16:9, 9:16 |
| Taxa de quadros | 24 fps |
| Som | Gerado em todo clipe |
| Entradas | Texto; primeiro quadro com último quadro opcional; até 7 imagens de referência |
Recursos e destaques
Sete espaços de referência, e todos contam
A Image 1 era um homem de jaqueta jeans, e a Image 2, uma foto de um observatório com uma mulher no telescópio. O prompt pedia que o homem caminhasse até o observatório e acenasse; ele fez isso, com rosto e jaqueta mantidos. A mulher da Image 2 também apareceu, no telescópio atrás dele. Recorte cada referência no que você quer no plano. Renderizado em 4K (3840x2160), mostrado aqui em 1080p.
Clipes mais longos, com cortes que ele escolhe
Um clipe de 8 segundos em 9:16 a partir do nosso prompt do observatório: as duas metades da cúpula deslizaram para revelar um telescópio de latão e uma mesa de controle iluminada; por volta do sexto segundo, o modelo cortou para um ângulo externo do telescópio contra as estrelas. Escreva “um plano contínuo” se não quiser cortes.
Chegue ao último quadro
Os mesmos primeiro e último quadros que enviamos às faixas do Veo 3.1. Em 4 segundos, em 720p, ela se virou do telescópio para encarar a câmera, cruzou os braços e terminou recostada no corrimão, como no último quadro.
Um retrato vira cena
Um retrato de estúdio e o prompt “Ao entardecer, a mulher da referência caminha em direção à câmera e sorri.” O Omni a colocou numa rua tranquila ao entardecer, com cabelo, jaqueta de veludo cotelê e gola alta mantidos da foto, caminhando em nossa direção e sorrindo, em 4 segundos em 720p.
Parâmetros da requisição
| Parâmetro | Obrigatório | Descrição |
|---|---|---|
prompt | Sim | Obrigatório, até 20.000 caracteres. Diga o que de Image 1, Image 2 e das seguintes aparece, o que acontece e como a câmera se move. pelo menos 1 caracteres · no máximo 20000 caracteres |
reference_image_urls | Sim | Obrigatório, de 1 a 7 imagens (até 20 MB cada) das pessoas, produtos, lugares ou do estilo que você quer manter. pelo menos 1 itens · no máximo 7 itens |
aspect_ratio | Não | 16:9 (padrão) ou 9:16. Não muda o preço. |
resolution | Não | 720p (padrão) é a saída nativa do modelo; 1080p e 4K são ampliados pelo Google e custam mais. |
duration_seconds | Não | 4, 6, 8 ou 10 segundos (padrão 8). Clipes mais longos custam mais. |
seed | Não | Para comparar tomadas do Omni, escolha um inteiro de 0 a 2147483647 e mude um controle de cena por vez; a seed não promete quadros idênticos. |
Preços
Cobrança por clipe de acordo com a duração (4, 6, 8 ou 10 segundos) e a resolução; 1080p e 4K custam mais que 720p. A quantidade de imagens de referência, a proporção e o seed não mudam o preço. Solicitações que falham ou são recusadas não são cobradas.
| Resolução | Duração: 4 | Duração: 6 | Duração: 8 | Duração: 10 |
|---|---|---|---|---|
| $0.3648 / requisição | $0.5473 / requisição | $0.7297 / requisição | $0.9122 / requisição |
| $0.5473 / requisição | $0.821 / requisição | $1.0946 / requisição | $1.3683 / requisição |
| $1.0946 / requisição | $1.642 / requisição | $2.1893 / requisição | $2.7367 / requisição |
Casos de uso
Projetos novos no modelo de vídeo atual do Google
O Google recomenda o Gemini Omni Flash para novos trabalhos em vez do Veo 3.1. Os clipes chegam a 10 segundos, então uma única requisição cobre o que no Veo exigiria um clipe de 8 segundos mais uma extensão.
Anúncios e tomadas de produto com vários recursos
Envie o produto, a pessoa e o local como referências separadas, até 7, e chame-os de Image 1, Image 2 e assim por diante no prompt.
Entrega em 1080p ou 4K
Rascunhe em 720p e renderize a versão que você vai manter em 1080p ou 4K. Ambas são ampliadas pelo Google a partir da saída de 720p, então avalie o movimento primeiro em 720p.
Planos que precisam terminar numa imagem definida
Envie um primeiro quadro e um último quadro opcional na imagem para vídeo, de até 10 segundos por plano.
Guia de prompt e dicas práticas
Nomeie as referências pelo número
Escreva “o homem da Image 1” e “o observatório da Image 2”, na ordem de envio. Tudo o que aparecer numa referência pode aparecer no resultado, então recorte o que você não quer.
Diga se você quer cortes
Em clipes mais longos, o modelo pode mudar de ângulo sozinho. Acrescente “plano contínuo” para manter uma única tomada, ou descreva os planos que você quer.
Descreva o som
Termine o prompt com uma linha como “Som: passos no cascalho” e coloque as falas entre aspas. O som vem em todas as resoluções.
Rascunhe em 720p, entregue em 4K
Um rascunho de 4 segundos em 720p custa $0.3648; o mesmo clipe em 4K custa $1.0946. Ajuste o prompt primeiro e pague pela resolução uma vez só.
Introdução
Gemini Omni 1.1 Flash Referência para vídeo recebe até sete imagens de pessoas, produtos, lugares ou um estilo e constrói com elas um novo clipe de 4, 6, 8 ou 10 segundos, com som. O Google analisa prompts e imagens antes de gerar; as solicitações que ele recusa falham e não são cobradas.
Escolha um modo do Gemini Omni 1.1 Flash
| Com o que você começa | Modo |
|---|---|
| uma cena escrita | Gemini Omni 1.1 Flash Texto para vídeo |
| um primeiro quadro e, se quiser, um último quadro | Gemini Omni 1.1 Flash Imagem para vídeo |
| fotos de pessoas, produtos ou lugares que você quer manter | Gemini Omni 1.1 Flash Referência para vídeo (você está aqui) |
Dicas de prompt
- Chame suas imagens de Image 1, Image 2 e assim por diante, na ordem de envio.
- Diga qual papel cada imagem tem: um personagem, um objeto, o cenário ou o estilo.
- Use imagens nítidas e bem iluminadas; um assunto por imagem funciona melhor.
Início rápido da API
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${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"
Consulte a referência da API para autenticação, esquema completo, polling e tratamento de erros.
