muapi Logomuapi Logo
muapi Logomuapi Logo

Gemini Omni 1.2 Flash: AI動画生成

Gemini Omni 1.2 Flashでテキストから動画を生成。ネイティブ音声付きの3〜15秒クリップを360pから4Kで、秒単位の従量課金。無料で試せます。 Gemini Omni 1.2 FlashはGoogleの高速マルチモーダル動画モデルで、こちらはそのテキストから動画のエンドポイントです。シーン、アクション、カメラ、サウンドを記述したプロンプトを書くだけで、同じ処理で生成されるネイティブ同期のセリフ・環境音・音楽付きの3〜15秒クリップが得られます。アスペクト比は16:9、9:16、自動から選択でき、低コストなドラフトは360p、最終納品は最大4Kでレンダリングできます。料金は出力の秒数に応じた従量課金（360pは$0.023/秒、720pは$0.07/秒、1080pは$0.105/秒、4Kは$0.21/秒）で、クリップの長さに比例して予測しやすいコストになります。画像から始める場合はGemini Omni 1.2 Flash Image to Video、リファレンス画像で条件付けする場合はGemini Omni 1.2 Flash Reference to Video、既存クリップの編集はGemini Omni 1.2 Flash Video Editをご利用ください。

インタラクティブなモデルコントロール

Gemini Omni 1.2 Flashでテキストから動画を生成。ネイティブ音声付きの3〜15秒クリップを360pから4Kで、秒単位の従量課金。無料で試せます。

📝

概要

このモデルについて

Gemini Omni 1.2 FlashはGoogleの高速マルチモーダル動画モデルで、こちらはそのテキストから動画のエンドポイントです。シーン、アクション、カメラ、サウンドを記述したプロンプトを書くだけで、同じ処理で生成されるネイティブ同期のセリフ・環境音・音楽付きの3〜15秒クリップが得られます。アスペクト比は16:9、9:16、自動から選択でき、低コストなドラフトは360p、最終納品は最大4Kでレンダリングできます。料金は出力の秒数に応じた従量課金（360pは$0.023/秒、720pは$0.07/秒、1080pは$0.105/秒、4Kは$0.21/秒）で、クリップの長さに比例して予測しやすいコストになります。画像から始める場合はGemini Omni 1.2 Flash Image to Video、リファレンス画像で条件付けする場合はGemini Omni 1.2 Flash Reference to Video、既存クリップの編集はGemini Omni 1.2 Flash Video Editをご利用ください。

1ナラティブショート: 1つの豊富なテキストプロンプトで、シーン・カメラ・セリフを制御します。
2ソーシャル動画: Reels、Shorts、TikTok向けに、サウンド付きの9:16クリップを生成します。
3広告コンセプト: 360pで商業アイデアを試作し、採用案を1080pや4Kで再レンダリングします。
4解説動画: 別の音声パイプラインなしで、ナレーション付きの短いビジュアルシーケンスを制作します。
5高速イテレーション: 低コストの360pドラフトでプロンプトを検証してから、高解像度に進みます。
💰

料金と価値

コスト分析

muapi解像度により$0.023〜$0.21/秒

生成ごとの従量課金で、サブスクリプションは不要です。生成された動画の秒数に応じて課金されます。

Fal.ai利用不可

このモデルはFal.aiには掲載されていません。

Replicate利用不可

このモデルはReplicateには掲載されていません。

** 競合サービスの料金は類似のモデル構成および利用ティアに基づいて算出された推定値です。

⚙️

技術詳細

設定スキーマ

プロンプトstring

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

デフォルト値A cat plays piano in a jazz bar, one continuous shot, soft live jazz
長さ（秒）integer

Video length in seconds (3-15).

デフォルト値8
アスペクト比Enum（3個の選択肢）

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

デフォルト値16:9
解像度Enum（4個の選択肢）

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.

デフォルト値720p
シード値integer

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

デフォルト値-
📖

実装ガイド

開発者ドキュメント

Gemini Omni 1.2 Flashの使い方

  1. マルチモーダルなプロンプトを書く 映像、カメラワーク、セリフ、環境音をまとめて記述します。例: 'A cat plays piano in a jazz bar, one continuous shot, soft live jazz.'

  2. 長さ、アスペクト比、解像度を選ぶ durationは3〜15秒です。アスペクト比は 16:9、9:16、auto（リファレンス画像がない場合は16:9として扱われます）。解像度は 360p、720p、1080p、4k です。料金は360pが$0.023/秒、720pが$0.07/秒、1080pが$0.105/秒、4Kが$0.21/秒です。

  3. 必要に応じてシードを設定する seed（10000-99999）を渡すと、レンダリングを再現できます。

  4. 送信してポーリングする

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"}'

その後、`status` が `completed` になるまで `GET /api/v1/predictions/{request_id}/result` をポーリングします。

5. **プロンプトのコツ**
   - 音を明示的に記述しましょう: *'soft piano underscore'*、*'wind through trees'*。
   - セリフは引用符で囲み、話し手を説明します。
   - *'slow dolly in'* や *'handheld tracking shot'* のようにカメラの動きを指定します。
❓

よくある質問

FAQ

Gemini Omni 1.2 Flashとは？

Googleの高速マルチモーダル動画モデルです。このエンドポイントは、テキストプロンプトからネイティブ同期音声付きの3〜15秒の動画を生成します。

料金はどのくらいですか？

生成された動画の秒数に応じて課金されます：360pは$0.023/秒、720pは$0.07/秒、1080pは$0.105/秒、4Kは$0.21/秒。720pの8秒クリップは$0.56です。

対応している長さと解像度は？

長さは3〜15秒、解像度は360p、720p、1080p、4Kです。

音声も生成されますか？

はい。セリフ、環境音、音楽が同じ処理でネイティブ生成されます。プロンプトで音を記述すると、その方向性を指定できます。

リファレンス画像や開始フレームは使えますか？

このエンドポイントでは使えません。開始フレームには[Gemini Omni 1.2 Flash Image to Video](/playground/gemini-omni-flash-1-2-image-to-video)、リファレンス画像には[Gemini Omni 1.2 Flash Reference to Video](/playground/gemini-omni-flash-1-2-reference-to-video)をご利用ください。

再現可能な結果を得るには？

同じプロンプトと設定で、同じ `seed`（10000-99999）を送信してください。