Erstellen Sie Videos aus Text mit Gemini Omni 1.2 Flash. Clips von 3-15 Sekunden mit nativem Audio in 360p bis 4K, Abrechnung pro Sekunde. Jetzt kostenlos testen.
Erstellen Sie Videos aus Text mit Gemini Omni 1.2 Flash. Clips von 3-15 Sekunden mit nativem Audio in 360p bis 4K, Abrechnung pro Sekunde. Jetzt kostenlos testen.
Über dieses Modell
Gemini Omni 1.2 Flash ist Googles schnelles multimodales Videomodell, und dies ist sein Text-zu-Video-Endpunkt: Beschreiben Sie in einem Prompt Szene, Handlung, Kamera und Ton und erhalten Sie einen 3-15 Sekunden langen Clip mit nativ synchronisierten Dialogen, Umgebungsgeräuschen und Musik, die im selben Durchgang erzeugt werden. Wählen Sie das Seitenverhältnis 16:9, 9:16 oder auto und rendern Sie in 360p für günstige Entwürfe oder bis zu 4K für die finale Auslieferung. Die Abrechnung erfolgt pro Sekunde Ausgabe ($0.023/s bei 360p, $0.07/s bei 720p, $0.105/s bei 1080p, $0.21/s bei 4K), sodass die Kosten planbar mit der Clip-Länge skalieren. Wenn Sie stattdessen von einem Bild ausgehen möchten, nutzen Sie Gemini Omni 1.2 Flash Image to Video; für die Steuerung über Referenzbilder siehe Gemini Omni 1.2 Flash Reference to Video; zum Bearbeiten eines vorhandenen Clips siehe Gemini Omni 1.2 Flash Video Edit.
Kostenanalyse
| Anbieter | Kosten | Notizen |
|---|---|---|
| muapi | $0.023–$0.21 pro Sekunde (je nach Auflösung) | Abrechnung pro Generierung, kein Abonnement. Abgerechnet wird pro Sekunde generiertes Video. |
| Fal.ai | Nicht verfügbar | Dieses Modell ist auf Fal.ai nicht gelistet. |
| Replicate | Nicht verfügbar | Dieses Modell ist auf Replicate nicht gelistet. |
Abrechnung pro Generierung, kein Abonnement. Abgerechnet wird pro Sekunde generiertes Video.
Dieses Modell ist auf Fal.ai nicht gelistet.
Dieses Modell ist auf Replicate nicht gelistet.
** Die Preise der Mitbewerber werden auf der Grundlage ähnlicher Modellarchitekturen und Nutzungsstufen geschätzt.
Konfigurationsschema
| Parameter | Typ | Beschreibung | Standard |
|---|---|---|---|
| Aufforderung | string | Describe the scene, action, camera movement, and sound. | A cat plays piano in a jazz bar, one continuous shot, soft live jazz |
| Dauer (Sekunden) | integer | Video length in seconds (3-15). | 8 |
| Seitenverhältnis | Enum (3 Optionen) | Output aspect ratio. `auto` follows the reference image and is treated as 16:9 when none is provided. | 16:9 |
| Auflösung | Enum (4 Optionen) | Output resolution. Output priced per second of generated video: $0.023/s at 360p, $0.07/s at 720p, $0.105/s at 1080p, $0.21/s at 4K. | 720p |
| Samen | integer | Random seed (10000-99999). Omit for a random seed. | - |
Describe the scene, action, camera movement, and sound.
A cat plays piano in a jazz bar, one continuous shot, soft live jazzVideo length in seconds (3-15).
8Output aspect ratio. `auto` follows the reference image and is treated as 16:9 when none is provided.
16:9Output resolution. Output priced per second of generated video: $0.023/s at 360p, $0.07/s at 720p, $0.105/s at 1080p, $0.21/s at 4K.
720pRandom seed (10000-99999). Omit for a random seed.
-Entwicklerdokumentation
Multimodalen Prompt schreiben Beschreiben Sie Bild, Kameraführung, Dialog und Umgebungsgeräusche gemeinsam. Beispiel: 'A cat plays piano in a jazz bar, one continuous shot, soft live jazz.'
Dauer, Seitenverhältnis und Auflösung wählen
Die Dauer beträgt 3-15 Sekunden. Das Seitenverhältnis ist 16:9, 9:16 oder auto (ohne Referenzbild wie 16:9 behandelt). Die Auflösung ist 360p, 720p, 1080p oder 4k. Abrechnung: $0.023/s bei 360p, $0.07/s bei 720p, $0.105/s bei 1080p, $0.21/s bei 4K.
Optional einen Seed setzen
Übergeben Sie seed (10000-99999), um Renderings reproduzierbar zu machen.
Absenden und abfragen
curl -X POST https://api.muapi.ai/api/v1/gemini-omni-flash-1-2-text-to-video
-H "Authorization: Bearer YOUR_API_KEY"
-H "Content-Type: application/json"
-d '{"prompt": "A cat plays piano in a jazz bar, one continuous shot, soft live jazz", "duration": 8, "resolution": "720p", "aspect_ratio": "16:9"}'
Fragen Sie anschließend `GET /api/v1/predictions/{request_id}/result` ab, bis `status` den Wert `completed` hat.
5. **Prompt-Tipps**
- Beschreiben Sie Ton explizit: *'soft piano underscore'*, *'wind through trees'*.
- Setzen Sie Dialog in Anführungszeichen und beschreiben Sie den Sprecher.
- Nennen Sie Kamerabewegungen wie *'slow dolly in'* oder *'handheld tracking shot'*.
Häufig gefragt
Es ist Googles schnelles multimodales Videomodell. Dieser Endpunkt wandelt einen Text-Prompt in ein 3-15 Sekunden langes Video mit nativ synchronisiertem Audio um.
Pro Sekunde generiertes Video: $0.023/s bei 360p, $0.07/s bei 720p, $0.105/s bei 1080p, $0.21/s bei 4K. Ein 8-Sekunden-Clip in 720p kostet $0.56.
Dauern von 3-15 Sekunden und die Auflösungen 360p, 720p, 1080p und 4K.
Ja. Dialoge, Umgebungsgeräusche und Musik werden nativ im selben Durchgang erzeugt; beschreiben Sie den Ton in Ihrem Prompt, um ihn zu steuern.
Nicht bei diesem Endpunkt. Nutzen Sie [Gemini Omni 1.2 Flash Image to Video](/playground/gemini-omni-flash-1-2-image-to-video) für ein Startbild oder [Gemini Omni 1.2 Flash Reference to Video](/playground/gemini-omni-flash-1-2-reference-to-video) für Referenzbilder.
Senden Sie denselben `seed` (10000-99999) mit demselben Prompt und denselben Einstellungen.