テキストから動画生成利用可能
FlashGemini Omni テキストから動画生成
テキストプロンプトから、同期した対話音声、環境音、BGMを伴う動画を同一パスで生成。
360p–4K
From $0.16
利用可能9 個のバリアント
Gemini Omni API
Gemini Omniは、Googleによるネイティブマルチモーダルなany-to-any動画生成モデルファミリーです。テキスト、画像、動画、音声プロファイル、キャラクタープロファイルを単一の生成フロー内で統合して処理できます。Muapiは、同期対話音声、環境音、BGM、動画編集、再利用可能な音声、一貫性のあるキャラクターを含むGemini OmniおよびGemini Omni 1.1 Flashを、単一の非同期API経由で提供します。
Gemini Omni Flash
ネイティブマルチモーダル動画、音声、ボイス、キャラクターワークフロー9 個のモデルPlaygroundで試す
画像から動画生成利用可能
FlashGemini Omni 画像から動画生成
最大5枚のリファレンス画像から、ネイティブ同期音声を伴うシーンを動画化。
360p–4K
From $0.16
動画から動画変換利用可能
FlashGemini Omni 動画編集
元動画の動きやタイミングを維持しながら、スタイルの変更、ライティングの再調整、要素の置換、セリフの書き換えを実行。
Up to 4K
From $2.40
音频利用可能
FlashGemini Omni 语音档案
30種類のプリセット音声から再利用可能な音声プロファイルを作成し、後続の生成で使用できるaudio IDを取得。
Voice profile快速
Free
人物利用可能
FlashGemini Omni 人物档案
根据一枚参考図像創建可复用的人物档案，并获得 character ID。
Character profile快速
Free
テキストから動画生成利用可能
FlashGemini Omni 1.1 Flash テキストから動画生成
テキストにリファレンス画像、ショート動画リファレンス、音声プロファイル、またはキャラクタープロファイルを組み合わせ、ネイティブ音声付き動画を生成。
Up to 4K
From $0.10/sec
画像から動画生成利用可能
FlashGemini Omni 1.1 Flash 画像から動画生成
開始キーフレームから動画を生成。オプションで終了キーフレームを指定して制御されたトランジションを実現。
Up to 4K
From $0.10/sec
動画から動画変換利用可能
FlashGemini Omni 1.1 Flash 動画編集
テキスト指示を適用して、元動画のスタイル変更、リライティング、トランスフォーム、またはセリフの書き換えを実行。
360p–4K
From $0.048/sec
画像から動画生成利用可能
FlashGemini Omni 1.1 Flash リファレンス動画生成
最大7枚の画像と3本のショートリファレンス動画クリップを用いてシーンの生成を誘導。
360p–4K
From $0.048/sec
条件に一致するバリアントはありません。
Gemini Omni とは？
Gemini Omniは、Googleのネイティブマルチモーダルany-to-any動画モデルファミリーです。動画を生成した後に音声を後付けするのではなく、テキスト、画像、動画、音声を同時に理解・推論し、完全に同期したセリフ、環境音、音楽を生成します。
MuapiはオリジナルのGemini Omniエンドポイントに加え、キーフレーム制御、ショート動画リファレンス、4K出力を可能にするGemini Omni 1.1 Flashを提供します。各ワークフローは同一の送信・ポーリングREST仕様を採用しています。
Gemini Omni API 主要能力
任意到任意生成
複数の個別モデルを組み合わせることなく、単一のマルチモーダルワークフロー内でテキスト、画像、動画、音声をシームレスに連携。
原生同步音频
動画生成と同一の処理パス内で、セリフ、環境音、BGMを同時に生成。
文本、画像から動画生成および動画編集
創建新场景、制作参考図像動画，或通过专用端点变换已有素材。
可复用语音档案
30種類のプリセット音声から選択して返されたaudio IDを保存し、以降のAPI呼び出しで一貫したキャラクター音声を再利用。
一致的人物档案
1枚の参照画像からcharacter IDを作成し、生成される複数シーン間で一貫した人物描写を維持。
适合生产的 API
Muapiの非同期リクエスト、標準ポーリングフロー、サブスクリプション不要の生成ごと従量課金で利用可能。
Gemini Omni ユースケース
叙事短片
ネイティブ音声を含むリッチなプロンプト1つで、シーン演出、カメラワーク、キャラクター、セリフを総合的に指示。
产品讲解視频
结合产品図像、语音档案和受控動画編集，制作清晰的演示内容。
系列化人物内容
キャラクターや音声のプロファイルを再利用し、複数エピソードにわたって登場人物の一貫性を保持。
源視频变换
テキスト指示により、既存動画のスタイル変更、照明調整、被写体の入れ替え、セリフの書き換えを柔軟に実行。
参考素材引导场景
画像やショート動画のリファレンスを活用し、衣装、構図、動き、全体のトーンを厳密に制御。
Veo 或 Sora 替代方案
一般的な動画エンドポイントでは対応できない複雑な演出に、ネイティブ音声とマルチモーダル入力を単一APIで提供。
Gemini Omni 工作流
| 工作流 | 输入 | 输出 | 起始价格 |
|---|---|---|---|
| テキストから動画生成 | 提示词、可選参考素材、语音、人物 | 視频 + 同步音频 | 起价 $0.16 |
| 画像から動画生成 | 最多 5 枚参考図像 | 視频 + 同步音频 | 起价 $0.16 |
| 動画編集 | 源視频 + 指令 | 编辑后的視频 | 起价 $2.40 |
| 语音档案 | 预設声音選择 | 可复用 audio ID | 免费 |
| 人物档案 | 一枚参考図像 | 可复用 character ID | 免费 |
| 1.1 Flash 参考素材 | 最大7枚の画像 + 3本のショートクリップ | 参考素材引导視频 | 起价 $0.048/秒 |
クイックスタート — Gemini Omni API
目的のGemini Omniエンドポイントにマルチモーダルプロンプトを送信してリクエストIDを受け取り、標準結果エンドポイントをポーリングして動画および音声出力を取得。
提交 Gemini Omni 任务
curl -X POST https://api.muapi.ai/api/v1/gemini-omni-text-to-video \
-H "x-api-key: YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{"prompt":"A chef explains a recipe in a warm studio kitchen","resolution":"1080p","duration":8,"aspect_ratio":"16:9"}'
# Response: {"request_id":"REQUEST_ID"}まずはテキストから動画生成エンドポイントから開始し、ワークフローに応じて参照素材、voice ID、character IDを追加可能。
获取視频および音频
curl https://api.muapi.ai/api/v1/predictions/REQUEST_ID/result \ -H "x-api-key: YOUR_API_KEY" # The completed response contains the generated video and synchronized audio.
タスク完了までポーリングを行い、生成された動画および同期音声URLをレスポンスから取得。
Gemini Omni API よくある質問
Gemini Omni API とは？
Gemini Omniは、Googleのネイティブマルチモーダルany-to-any動画ファミリーです。Muapiは、同一パスで同期音声を生成できるテキストから動画、画像から動画、動画編集の各ワークフローを提供しています。
Gemini Omni および Veo 或 Sora 有什么不同 とは？
Gemini Omniは、テキスト、画像、音声、動画を単一ワークフロー内で統合処理するように設計されており、ネイティブ音声生成や元動画編集エンドポイントに強みがあります。プロジェクトに必要な演出制御やスタイルに応じて最適なモデルを選択してください。
Gemini Omniの料金体系はどのようになっていますか？
テキストから動画および画像から動画は1生成あたり$0.16から利用可能です。動画編集は$2.40から、1.1 Flashの動画ワークフローはエンドポイントと出力設定に応じて1秒あたり$0.048または$0.10からの従量課金となります。
支持哪些输入和输出 とは？
テキストプロンプト、画像から動画向けの最大5枚のリファレンス画像、または元動画と編集指示を使用できます。生成動画には同期音声を含めることができ、リクエストごとに最大3つの保存済みvoice IDと3つのcharacter IDを適用可能です。
Gemini Omni Audio 是什么 とは？
Gemini Omni Audioは、30種類のプリセット音声から再利用可能な音声プロファイルを作成します。Muapiは返されたaudio IDを後続の動画生成に渡すことができ、1リクエストあたり最大3つのaudio IDを指定可能です。
Gemini Omni Character 是什么 とは？
Gemini Omni Characterは、1枚のリファレンス画像から再利用可能なキャラクタープロファイルを作成します。返されたcharacter IDは後続の動画生成で利用でき、1リクエストあたり最大3つのIDを指定可能です。
Gemini Omniは縦型や正方形の動画を生成できますか？
可以。根据所選端点使用支持的宽高比，包括适合横屏和竖屏交付的 16:9 および 9:16。
需要 Gemini 订阅吗 とは？
いいえ、不要です。Gemini OmniはMuapiの従量課金制API経由で提供されています。Muapi APIキーを作成すれば、直接エンドポイントを呼び出すことができます。
探索 Gemini Omni 1.1 →キーフレーム制御、動画リファレンス、4K出力をワークフローに追加。浏览視频模型 →Gemini Omniと他の提供中AI動画APIを比較検討。創建 API 密钥 →Muapi経由でGemini Omniの呼び出しを即座に開始。
Gemini Omniを使った開発を始めましょう
単一の非同期APIで、マルチモーダル動画生成、ネイティブ音声、音声プロファイル、一貫性のあるキャラクター描写を実現。