Générez de la vidéo à partir de texte avec Gemini Omni 1.2 Flash. Clips de 3 à 15 secondes avec audio natif de 360p à la 4K, paiement à la seconde. Essayez gratuitement.
Générez de la vidéo à partir de texte avec Gemini Omni 1.2 Flash. Clips de 3 à 15 secondes avec audio natif de 360p à la 4K, paiement à la seconde. Essayez gratuitement.
À propos de ce modèle
Gemini Omni 1.2 Flash est le modèle vidéo multimodal rapide de Google, et voici son point de terminaison texte en vidéo : rédigez un prompt décrivant la scène, l'action, la caméra et le son, et recevez un clip de 3 à 15 secondes avec dialogues, audio d'ambiance et musique synchronisés nativement, générés en une seule passe. Choisissez le format 16:9, 9:16 ou auto et générez en 360p pour des brouillons économiques ou jusqu'en 4K pour la livraison finale. La tarification se fait à la seconde de sortie ($0.023/s en 360p, $0.07/s en 720p, $0.105/s en 1080p, $0.21/s en 4K), de sorte que le coût évolue de façon prévisible avec la durée du clip. Pour partir d'une image, utilisez Gemini Omni 1.2 Flash Image to Video ; pour conditionner avec des images de référence, voir Gemini Omni 1.2 Flash Reference to Video ; pour monter un clip existant, voir Gemini Omni 1.2 Flash Video Edit.
Analyse des coûts
| Fournisseur | Coût | Remarques |
|---|---|---|
| muapi | $0.023–$0.21 par seconde (selon la résolution) | Paiement à la génération, sans abonnement. Facturé à la seconde de vidéo générée. |
| Fal.ai | Non disponible | Ce modèle n'est pas répertorié sur Fal.ai. |
| Replicate | Non disponible | Ce modèle n'est pas répertorié sur Replicate. |
Paiement à la génération, sans abonnement. Facturé à la seconde de vidéo générée.
Ce modèle n'est pas répertorié sur Fal.ai.
Ce modèle n'est pas répertorié sur Replicate.
** Les prix des concurrents sont estimés sur la base d'architectures de modèles et de niveaux d'utilisation similaires.
Schéma de configuration
| Paramètre | Taper | Description | Par défaut |
|---|---|---|---|
| invite | string | Describe the scene, action, camera movement, and sound. | A cat plays piano in a jazz bar, one continuous shot, soft live jazz |
| Durée (secondes) | integer | Video length in seconds (3-15). | 8 |
| rapport hauteur/largeur | Énumération (options 3) | Output aspect ratio. `auto` follows the reference image and is treated as 16:9 when none is provided. | 16:9 |
| Résolution | Énumération (options 4) | 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 |
| Semence | 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.
-Documentation du développeur
Rédigez un prompt multimodal Décrivez ensemble les visuels, la direction de la caméra, les dialogues et le son d'ambiance. Exemple : 'Un chat joue du piano dans un bar de jazz, un seul plan continu, jazz live doux.'
Choisissez la durée, le format d'image et la résolution
La durée est de 3 à 15 secondes. Le format d'image est 16:9, 9:16 ou auto (traité comme du 16:9 sans image de référence). La résolution est 360p, 720p, 1080p ou 4k. Facturation : $0.023/s en 360p, $0.07/s en 720p, $0.105/s en 1080p, $0.21/s en 4K.
Définissez éventuellement un seed
Passez seed (10000-99999) pour rendre les rendus reproductibles.
Soumettez et interrogez
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"}'
Interrogez ensuite `GET /api/v1/predictions/{request_id}/result` jusqu'à ce que `status` vaille `completed`.
5. **Conseils de prompt**
- Décrivez explicitement le son : *'fond de piano doux'*, *'vent dans les arbres'*.
- Mettez les dialogues entre guillemets et décrivez le locuteur.
- Nommez les mouvements de caméra, par exemple *'lent travelling avant'* ou *'plan de suivi à la main'*.
Foire aux questions
Il s'agit du modèle vidéo multimodal rapide de Google. Ce point de terminaison transforme un prompt texte en une vidéo de 3 à 15 secondes avec audio synchronisé nativement.
À la seconde de vidéo générée : $0.023/s en 360p, $0.07/s en 720p, $0.105/s en 1080p, $0.21/s en 4K. Un clip de 8 secondes en 720p coûte $0.56.
Durées de 3 à 15 secondes et résolutions 360p, 720p, 1080p et 4K.
Oui. Dialogues, sons d'ambiance et musique sont générés nativement en une seule passe ; décrivez le son dans votre prompt pour l'orienter.
Pas sur ce point de terminaison. Utilisez [Gemini Omni 1.2 Flash Image to Video](/playground/gemini-omni-flash-1-2-image-to-video) pour une image de départ ou [Gemini Omni 1.2 Flash Reference to Video](/playground/gemini-omni-flash-1-2-reference-to-video) pour des images de référence.
Envoyez le même `seed` (10000-99999) avec le même prompt et les mêmes paramètres.