Введение
Обязательный промпт и хотя бы одно референсное изображение или видео направляют создание нового ролика на 3–15 секунд с новым звуком.
| Характеристика | Значение |
|---|---|
| Ввод | Текст |
| Вывод | Видео |
| Издатель | |
| Доступность в Gemini API | Общедоступна с 5 ноября 2026 года, по данным Google |
| Код модели | gemini-omni-1.2-flash |
| Длительность генерации | 3–15 целых секунд; по умолчанию 8 секунд |
| Длительность с последним кадром | 3–10 секунд, если задано конечное изображение |
| Длительность редактирования | Соответствует исходнику; всё после 10 секунд обрезается |
| Выходные разрешения | Google указывает нативные 360p и 720p; 1080p и 4K масштабирует Google |
| Форматы генерации | 16:9 или 9:16; по умолчанию 16:9 |
| Формат видео и звука | MP4, 24 кадра/с, со звуковой дорожкой AAC |
| Референсы на входе | До 6 изображений; до 3 видеоклипов длиной не более 3 секунд каждый |
| Длинные видео по референсам | Для результата длиной 11–15 секунд Google указывает один видеореференс |
| Водяной знак | Google добавляет невидимый водяной знак SynthID |
| Хранение созданных видео | Удаляются через 14 дней |
Ключевые возможности и особенности
Эпизод на рынке со своим звучанием
В нашем тесте 6-секундная сцена в 720p показала повара, который подбрасывает лапшу над пламенем вока и произносит заданную реплику. Действие сопровождалось шипением масла, дождём и гулом рынка.
Оживите отплытие катера
Пример у причала длиной 5 секунд начинается с одного ночного снимка. В нашем тесте деревянный катер плавно отошёл от отеля, пассажир махал на прощание, а в звуке слышались мотор, вода и музыка далёкого оркестра.
Заранее задайте завершение движения
Первый студийный снимок и конечная поза направляют эту анимацию длиной 5 секунд. В нашем тесте танцовщица перешла из одной позы в другую под тихое фортепиано при неподвижной камере.
Перенесите двух людей в сцену в поезде
В нашем тесте два референсных портрета стали основой 6-секундной сцены в вагоне-ресторане. Один пассажир передал через стол сложенную записку, другой прочитал её и улыбнулся; слышались стук поезда и звон столовых приборов.
Перенесите выступление на сцену у озера
В нашем тесте редактирование заменило серую студию сценой у озера в лунном свете над подёрнутой туманом водой. Танцовщица и её движения сохранились, а окружение изменилось.
Параметры запроса
| Параметр | Обязательно | Описание |
|---|---|---|
prompt | Да | Обязательно. Объясните, что взять из каждого пронумерованного изображения или видео, затем опишите новое действие и звук. Не менее 1 символов · Не более 20000 символов |
reference_image_urls | Нет | До 6 URL изображений. Передайте изображения, видеореференсы или оба типа. Не менее 1 элементов · Не более 6 элементов |
reference_video_urls | Нет | До 3 URL видео, каждый клип — до 3 секунд. Они задают стиль и движение; звук не учитывается. Не менее 1 элементов · Не более 3 элементов |
aspect_ratio | Нет | Стандартный формат — горизонтальные 16:9; также доступны вертикальные 9:16. Композиционный формат доплаты не требует. |
resolution | Нет | Выберите нативные 360p или 720p (по умолчанию) либо 1080p/4K. Google масштабирует 1080p и 4K, и эти варианты дороже. |
duration_seconds | Нет | Выберите 3–15 целых секунд; стандартно 8. Для 11–15 секунд следуйте рекомендации Google об одном видеореференсе. |
Стоимость
Генерация по референсам оплачивается за запрошенные секунды результата по тарифу выбранного разрешения. Число изображений, видеореференсы и соотношение сторон не увеличивают цену. При ошибке или отклонении запроса Google платить не нужно.
| Спецификация | Стоимость |
|---|---|
| $0.0276 / секунду |
| $0.084 / секунду |
| $0.126 / секунду |
| $0.252 / секунду |
Сценарии использования
Рыночная зарисовка с репликой
Опишите повара, одно действие и короткую реплику в кавычках, затем задайте шипение масла и звуковой фон рынка под дождём.
Прибытие в отель или отплытие
Превратите первый снимок причала в отплытие катера или добавьте последний кадр, если финальная композиция уже определена.
Новая сцена со знакомыми персонажами
По референсным портретам поместите двух заданных людей в новое окружение, например в вагон-ресторан в сумерках.
Другая сцена для выступления
Попросите режим редактирования видео заменить студию пейзажем у озера, сохранив движения из исходной записи.
Руководство по промптам и практические советы
Выберите эндпоинт под исходный материал
Начните с текста для новой сцены, первого кадра для анимации, референсов для визуальных ориентиров или видео для конкретной правки.
Ясно задайте структуру сцены
По данным Google, модель по умолчанию может создавать несколько планов. Добавьте «без монтажных склеек», если нужен один непрерывный план, а нужные реплики заключите в кавычки.
Укажите назначение каждого референса
Напишите «используй локацию с Image 2» или «двигайся как в Video 1», чтобы промпт объяснял роль каждого загруженного файла.
Оцените черновик перед повышением разрешения
Проверяйте идею в 360p по самому низкому из доступных тарифов. Google масштабирует 1080p и 4K, и эти варианты стоят дороже.
Ограничьте инструкцию конкретной правкой
Google рекомендует простые изменения с фразой «Всё остальное оставь без изменений» в конце. До отправки проверьте длину исходника: редактирование обрезает видео на 10 секундах.
Введение
Режим «референсы в видео» Gemini Omni 1.2 Flash строит новую сцену по загруженным визуальным ориентирам. Передайте prompt и хотя бы одно из полей reference_image_urls или reference_video_urls. Изображения задают людей, предметы или места, короткие клипы — визуальный стиль и движение. Звуковая дорожка референсов не учитывается.
Google сообщает, что версия 1.2 лучше сохраняет образы по набору до шести референсных изображений, и рекомендует до трёх снимков на персонажа, всего до двух персонажей. Можно передать до трёх видеореференсов длиной до трёх секунд каждый. Для результата длиной 11–15 секунд Google указывает один референсный клип; в нашем тесте результат на 11 секунд с двумя клипами тоже был получен. Планируя длинную сцену, ориентируйтесь на опубликованные ограничения.
Основные возможности и особенности
- Объединяйте референсные изображения и видео в одном запросе генерации.
- Задавайте визуальную роль каждому из шести загруженных изображений максимум.
- Направляйте движение или стиль с помощью до трёх клипов с учётом указаний Google для длинных результатов.
- Называйте файлы обычными словами в порядке загрузки, используя Image 1 или Video 1.
- Создавайте новую звуковую дорожку вместе со сценой; звук исходных референсов не используется.
Сценарии использования
- Поместите двух пассажиров с референсов в вагон-ресторан для короткого взаимодействия.
- Перенесите товар с референсного фото в новую описанную локацию.
- Направьте движение в новой рыночной сцене с помощью короткого видеореференса.
Рекомендации по промптам
- Чётко укажите источник для каждого человека, например «пассажир на Image 1», следуя порядку загрузки.
- Объясните, что задаёт каждое видео, например «двигаться как в Video 1», чтобы его роль была понятна.
- Описывайте взаимодействие отдельно от внешнего вида, например «передай сложенную записку через стол», чтобы задать новое событие.
- Следуйте рекомендациям Google для персонажей, например «используй изображения 1–3 для первого персонажа», не превышая шесть изображений суммарно.
- Опишите новый звук, например «ровный стук поезда и звон столовых приборов», поскольку аудио референсных клипов не учитывается.
Быстрый старт 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"
Аутентификация, полная схема, опрос статуса и обработка ошибок описаны в справочнике API.
