जेमिनी ओमनी टेक्स्ट टू वीडियो
एक टेक्स्ट प्रॉम्प्ट से एक ही पास में समकालिक संवाद, परिवेशीय ध्वनि और संगीत के साथ वीडियो बनाएं।
जेमिनी ओमनी Google का मूल मल्टीमॉडल एनी-टू-एनी वीडियो परिवार है। पाठ, चित्र, वीडियो, ध्वनि प्रोफ़ाइल और चरित्र प्रोफ़ाइल एक ही पीढ़ी के प्रवाह में एक साथ काम कर सकते हैं।मुआपी जेमिनी ओमनी और जेमिनी ओमनी 1.1 फ्लैश को एक एसिंक्रोनस एपीआई के माध्यम से उजागर करता है, जिसमें सिंक्रोनाइज्ड संवाद, परिवेश ध्वनि, संगीत, वीडियो संपादन, पुन: प्रयोज्य आवाज और सुसंगत वर्ण शामिल हैं।
एक टेक्स्ट प्रॉम्प्ट से एक ही पास में समकालिक संवाद, परिवेशीय ध्वनि और संगीत के साथ वीडियो बनाएं।
मूल सिंक्रनाइज़ ऑडियो के साथ एक दृश्य में अधिकतम पांच संदर्भ छवियों को एनिमेट करें।
इसकी गति और समय को संरक्षित करते हुए स्रोत फ़ुटेज में संवाद को संपादित करें, पुनः स्टाइल करें, पुनः प्रकाशित करें, स्वैप करें या फिर से लिखें।
30 पूर्व निर्धारित आवाज़ों में से एक से पुन: प्रयोज्य वॉयस प्रोफ़ाइल बनाएं और बाद की पीढ़ियों के लिए एक ऑडियो आईडी प्राप्त करें।
एक संदर्भ छवि से पुन: प्रयोज्य चरित्र प्रोफ़ाइल बनाएं और एक चरित्र आईडी प्राप्त करें।
टेक्स्ट को संदर्भ छवियों, एक संक्षिप्त संदर्भ वीडियो, वॉयस प्रोफाइल, या चरित्र प्रोफाइल और मूल ऑडियो के साथ संयोजित करें।
नियंत्रित ट्रांज़िशन के लिए एक वैकल्पिक अंतिम कीफ़्रेम के साथ आरंभिक कीफ़्रेम से उत्पन्न करें।
किसी स्रोत वीडियो को पुनः स्टाइल करने, प्रकाश में लाने, रूपांतरित करने या फिर से लिखने के लिए टेक्स्ट निर्देश लागू करें।
अधिकतम सात छवियों और तीन लघु संदर्भ-वीडियो क्लिप के साथ एक दृश्य का मार्गदर्शन करें।
जेमिनी ओमनी Google का मूल मल्टीमॉडल एनी-टू-एनी वीडियो मॉडल परिवार है। पहले वीडियो बनाने और बाद में ध्वनि जोड़ने के बजाय, यह समकालिक संवाद, परिवेश ध्वनि और संगीत का उत्पादन करते हुए पाठ, छवियों, वीडियो और ऑडियो पर एक साथ विचार कर सकता है।
मुआपी मूल जेमिनी ओमनी एंडपॉइंट प्लस प्रदान करता है जेमिनी ओमनी 1.1 फ्लैश कीफ़्रेम नियंत्रण, लघु वीडियो संदर्भ और 4K डिलीवरी के लिए। प्रत्येक वर्कफ़्लो समान सबमिट-एंड-पोल REST अनुबंध का उपयोग करता है।
अलग-अलग मॉडलों को एक साथ जोड़ने के बजाय एक मल्टीमॉडल वर्कफ़्लो में टेक्स्ट, छवियों, वीडियो और ऑडियो के बीच जाएँ।
साझा फॉरवर्ड पास में वीडियो के साथ संवाद, परिवेशीय ध्वनि और संगीत उत्पन्न करें।
नए दृश्य बनाएं, संदर्भ छवियों को चेतन करें, या मौजूदा फ़ुटेज को केंद्रित समापन बिंदुओं के साथ रूपांतरित करें।
30 पूर्व निर्धारित आवाज़ों में से चुनें, लौटाई गई ऑडियो आईडी सहेजें, और बाद की कॉलों में एक सुसंगत आवाज़ का पुन: उपयोग करें।
एक संदर्भ छवि से एक चरित्र आईडी बनाएं और उत्पन्न दृश्यों में इसका पुन: उपयोग करें।
अतुल्यकालिक Muapi अनुरोधों, मानक पूर्वानुमान मतदान और सदस्यता के बिना भुगतान-प्रति-पीढ़ी पहुंच का उपयोग करें।
देशी ऑडियो के साथ एक समृद्ध प्रॉम्प्ट से एक दृश्य, कैमरा, चरित्र और संवाद को निर्देशित करें।
स्पष्ट प्रदर्शन के लिए उत्पाद इमेजरी, वॉयस प्रोफाइल और नियंत्रित वीडियो संपादन को मिलाएं।
एपिसोड में आवर्ती प्रतिभा को लगातार बनाए रखने के लिए चरित्र और आवाज प्रोफाइल का पुन: उपयोग करें।
टेक्स्ट निर्देशों के साथ मौजूदा फ़ुटेज में संवाद को पुनर्स्थापित करें, पुनः प्रकाशित करें, बदलें या फिर से लिखें।
अलमारी, संरचना, गति और टोन का मार्गदर्शन करने के लिए छवियों और लघु वीडियो संदर्भों का उपयोग करें।
जब सामान्य वीडियो एंडपॉइंट पर्याप्त न हो तो एक एपीआई सतह के माध्यम से मूल ऑडियो और मल्टीमॉडल इनपुट जोड़ें।
| कार्यप्रवाह | इनपुट | आउटपुट | शुरुआती कीमत |
|---|---|---|---|
मेल खाने वाले जेमिनी ओमनी एंडपॉइंट पर एक मल्टीमॉडल प्रॉम्प्ट सबमिट करें, अनुरोध आईडी सहेजें, और वीडियो और ऑडियो आउटपुट के लिए मानक परिणाम एंडपॉइंट का सर्वेक्षण करें।
टेक्स्ट-टू-वीडियो एंडपॉइंट से शुरू करें, फिर अपने वर्कफ़्लो की आवश्यकता के अनुसार संदर्भ इनपुट, वॉयस आईडी या कैरेक्टर आईडी जोड़ें।
पूरा होने तक मतदान करें और प्रतिक्रिया से उत्पन्न वीडियो और सिंक्रनाइज़ ऑडियो यूआरएल पढ़ें।
जेमिनी ओमनी एक मूल रूप से मल्टीमॉडल हर-से-किसी भी वीडियो परिवार है। Muapi टेक्स्ट-टू-वीडियो, इमेज-टू-वीडियो और वीडियो-एडिट वर्कफ़्लोज़ को उजागर करता है जो एक ही पास में सिंक्रोनाइज़्ड ऑडियो उत्पन्न कर सकता है।
जेमिनी ओमनी को मूल ऑडियो और केंद्रित स्रोत-वीडियो संपादन समापन बिंदुओं के साथ एक वर्कफ़्लो में टेक्स्ट, छवि, ऑडियो और वीडियो इनपुट के आसपास डिज़ाइन किया गया है। सबसे अच्छा विकल्प आपके प्रोजेक्ट के लिए आवश्यक नियंत्रणों और शैली पर निर्भर करता है।
टेक्स्ट-टू-वीडियो और इमेज-टू-वीडियो प्रति पीढ़ी $0.16 से शुरू होती है। वीडियो संपादन $2.40 से शुरू होता है, जबकि 1.1 फ्लैश वीडियो वर्कफ़्लो की कीमत समापन बिंदु और आउटपुट विकल्प के आधार पर $0.048 या $0.10 प्रति सेकंड है।
टेक्स्ट प्रॉम्प्ट का उपयोग करें, छवि-से-वीडियो के लिए अधिकतम पांच संदर्भ छवियां, या स्रोत वीडियो और संपादन के लिए एक निर्देश का उपयोग करें। जेनरेट किए गए वीडियो में सिंक्रनाइज़ ऑडियो शामिल हो सकता है, और कॉल में तीन सहेजी गई वॉयस आईडी और तीन कैरेक्टर आईडी का उपयोग किया जा सकता है।
जेमिनी ओमनी ऑडियो 30 प्रीसेट आवाज़ों से एक पुन: प्रयोज्य वॉयस प्रोफ़ाइल बनाता है। Muapi एक ऑडियो आईडी लौटाता है जिसे बाद की वीडियो पीढ़ियों तक भेजा जा सकता है, प्रति अनुरोध अधिकतम तीन ऑडियो आईडी के साथ।
जेमिनी ओमनी कैरेक्टर एक संदर्भ छवि से पुन: प्रयोज्य चरित्र प्रोफ़ाइल बनाता है। लौटाई गई कैरेक्टर आईडी का उपयोग बाद की पीढ़ियों में किया जा सकता है, प्रति अनुरोध अधिकतम तीन कैरेक्टर आईडी के साथ।
हाँ। चयनित समापन बिंदु द्वारा समर्थित पहलू अनुपात का उपयोग करें, जिसमें लैंडस्केप और वर्टिकल डिलीवरी के लिए 16:9 और 9:16 रचनाएँ शामिल हैं।
नहीं, जेमिनी ओमनी मुआपी के भुगतान-प्रति-पीढ़ी एपीआई के माध्यम से उपलब्ध है। एक Muapi API कुंजी बनाएं और सीधे एंडपॉइंट पर कॉल करें।
मल्टीमॉडल वीडियो, देशी ऑडियो, वॉयस प्रोफाइल और सुसंगत पात्रों के लिए एक एसिंक्रोनस एपीआई का उपयोग करें।