muapi Logomuapi Logo
muapi Logomuapi Logo

Gemini Omni 1.2 Flash: AI ویدیو

با Gemini Omni 1.2 Flash از متن ویدیو بسازید. کلیپ‌های 3 تا 15 ثانیه‌ای با صدای بومی از 360p تا 4K، پرداخت به‌ازای هر ثانیه. رایگان امتحان کنید. Gemini Omni 1.2 Flash مدل ویدیوی چندوجهی و سریع Google است و این، نقطه پایانی متن به ویدیوی آن است: پرامپتی بنویسید که صحنه، حرکت، دوربین و صدا را توصیف کند و کلیپی 3 تا 15 ثانیه‌ای با دیالوگ، صدای محیط و موسیقی همگام‌سازی‌شده‌ی بومی دریافت کنید که همگی در همان یک مرحله تولید می‌شوند. نسبت تصویر 16:9، 9:16 یا auto را انتخاب کنید و برای پیش‌نویس‌های ارزان با 360p یا برای تحویل نهایی تا 4K رندر بگیرید. قیمت‌گذاری به‌ازای هر ثانیه خروجی است ($0.023/s در 360p، $0.07/s در 720p، $0.105/s در 1080p، $0.21/s در 4K)، بنابراین هزینه به‌صورت قابل‌پیش‌بینی با طول کلیپ افزایش می‌یابد. برای شروع از یک تصویر از Gemini Omni 1.2 Flash Image to Video استفاده کنید؛ برای شرطی‌سازی با تصاویر مرجع به Gemini Omni 1.2 Flash Reference to Video و برای ویرایش یک کلیپ موجود به Gemini Omni 1.2 Flash Video Edit مراجعه کنید.

کنترل‌های تعاملی مدل

با Gemini Omni 1.2 Flash از متن ویدیو بسازید. کلیپ‌های 3 تا 15 ثانیه‌ای با صدای بومی از 360p تا 4K، پرداخت به‌ازای هر ثانیه. رایگان امتحان کنید.

📝

نمای کلی

مدل‌ها

Gemini Omni 1.2 Flash مدل ویدیوی چندوجهی و سریع Google است و این، نقطه پایانی متن به ویدیوی آن است: پرامپتی بنویسید که صحنه، حرکت، دوربین و صدا را توصیف کند و کلیپی 3 تا 15 ثانیه‌ای با دیالوگ، صدای محیط و موسیقی همگام‌سازی‌شده‌ی بومی دریافت کنید که همگی در همان یک مرحله تولید می‌شوند. نسبت تصویر 16:9، 9:16 یا auto را انتخاب کنید و برای پیش‌نویس‌های ارزان با 360p یا برای تحویل نهایی تا 4K رندر بگیرید. قیمت‌گذاری به‌ازای هر ثانیه خروجی است ($0.023/s در 360p، $0.07/s در 720p، $0.105/s در 1080p، $0.21/s در 4K)، بنابراین هزینه به‌صورت قابل‌پیش‌بینی با طول کلیپ افزایش می‌یابد. برای شروع از یک تصویر از Gemini Omni 1.2 Flash Image to Video استفاده کنید؛ برای شرطی‌سازی با تصاویر مرجع به Gemini Omni 1.2 Flash Reference to Video و برای ویرایش یک کلیپ موجود به Gemini Omni 1.2 Flash Video Edit مراجعه کنید.

1فیلم‌های کوتاه روایی: صحنه، دوربین و دیالوگ را با یک پرامپت متنی غنی هدایت کنید.
2ویدیوی شبکه‌های اجتماعی: کلیپ‌های 9:16 با صدای داخلی برای Reels، Shorts و TikTok تولید کنید.
3ایده‌های تبلیغاتی: ایده‌های تجاری را با 360p نمونه‌سازی کنید و برنده را با 1080p یا 4K دوباره رندر بگیرید.
4ویدیوهای توضیحی: توالی‌های تصویری کوتاه و روایت‌شده را بدون خط لوله صوتی جداگانه تولید کنید.
5تکرار سریع: پیش از رفتن به وضوح بالا، پرامپت‌ها را با پیش‌نویس‌های ارزان 360p اعتبارسنجی کنید.
💰

قیمت‌گذاری و ارزش

تحلیل هزینه

muapi$0.023–$0.21 به‌ازای هر ثانیه (بر اساس وضوح)

پرداخت به‌ازای هر تولید، بدون اشتراک. به‌ازای هر ثانیه ویدیوی تولیدشده محاسبه می‌شود.

Fal.aiدر دسترس نیست

این مدل در Fal.ai فهرست نشده است.

Replicateدر دسترس نیست

این مدل در Replicate فهرست نشده است.

** مدل‌ها。

⚙️

مشخصات فنی

طرح پیکربندی

پرامپت (دستور متنی)string

Describe the scene, action, camera movement, and sound.

مقدار پیش‌فرضA cat plays piano in a jazz bar, one continuous shot, soft live jazz
مدت زمانinteger

Video length به ثانیه (3-15).

مقدار پیش‌فرض8
نسبت ابعاد（3 ）

Output aspect ratio. `auto` follows the reference image and is treated as 16:9 when none is provided.

مقدار پیش‌فرض16:9
وضوح تصویر（4 ）

Output resolution. Output priced per second of ویدیوی تولید شده: $0.023/s at 360p, $0.07/s at 720p, $0.105/s at 1080p, $0.21/s at 4K.

مقدار پیش‌فرض720p
مقدار سید تصادفی (Seed)integer

Random seed (10000-99999). Omit for a random seed.

مقدار پیش‌فرض-
📖

راهنمای پیاده‌سازی

مستندات توسعه‌دهندگان

نحوه استفاده از Gemini Omni 1.2 Flash

  1. یک پرامپت چندوجهی بنویسید تصویر، جهت دوربین، دیالوگ و صدای محیط را با هم توصیف کنید. مثال: 'A cat plays piano in a jazz bar, one continuous shot, soft live jazz.'

  2. مدت، نسبت تصویر و وضوح را انتخاب کنید مدت 3 تا 15 ثانیه است. نسبت تصویر 16:9، 9:16 یا auto است (بدون تصویر مرجع مانند 16:9 در نظر گرفته می‌شود). وضوح 360p، 720p، 1080p یا 4k است. صورت‌حساب: $0.023/s در 360p، $0.07/s در 720p، $0.105/s در 1080p، $0.21/s در 4K.

  3. در صورت تمایل seed تعیین کنید برای تکرارپذیر کردن رندرها seed (از 10000 تا 99999) را ارسال کنید.

  4. ارسال و پیگیری نتیجه

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"}'

سپس `GET /api/v1/predictions/{request_id}/result` را پیگیری کنید تا `status` برابر `completed` شود.

5. **نکات پرامپت‌نویسی**
   - صدا را صریح توصیف کنید: *'soft piano underscore'*، *'wind through trees'*.
   - دیالوگ را داخل گیومه بیاورید و گوینده را توصیف کنید.
   - حرکات دوربین را نام ببرید، مانند *'slow dolly in'* یا *'handheld tracking shot'*.
❓

پرسش‌های متداول

سوالات پرتکرار

Gemini Omni 1.2 Flash چیست؟

مدل ویدیوی چندوجهی و سریع Google است. این نقطه پایانی یک پرامپت متنی را به ویدیویی 3 تا 15 ثانیه‌ای با صدای همگام‌سازی‌شده‌ی بومی تبدیل می‌کند.

قیمت‌گذاری آن چگونه است؟

به‌ازای هر ثانیه ویدیوی تولیدشده: $0.023/s در 360p، $0.07/s در 720p، $0.105/s در 1080p، $0.21/s در 4K. یک کلیپ 8 ثانیه‌ای با 720p برابر با $0.56 هزینه دارد.

چه مدت‌ها و وضوح‌هایی پشتیبانی می‌شود؟

مدت 3 تا 15 ثانیه و وضوح‌های 360p، 720p، 1080p و 4K.

آیا صدا تولید می‌کند؟

بله. دیالوگ، صدای محیط و موسیقی به‌صورت بومی در همان یک مرحله تولید می‌شوند؛ برای هدایت صدا، آن را در پرامپت خود توصیف کنید.

آیا می‌توانم از تصاویر مرجع یا فریم شروع استفاده کنم؟

در این نقطه پایانی خیر. برای فریم شروع از [Gemini Omni 1.2 Flash Image to Video](/playground/gemini-omni-flash-1-2-image-to-video) و برای تصاویر مرجع از [Gemini Omni 1.2 Flash Reference to Video](/playground/gemini-omni-flash-1-2-reference-to-video) استفاده کنید.

چگونه نتایج تکرارپذیر بگیرم؟

همان `seed` (از 10000 تا 99999) را با همان پرامپت و تنظیمات ارسال کنید.