Gemini Omni テキストから動画生成: AI動画生成

使用方法 Gemini Omni テキストから動画生成

1. 编写丰富的多模态プロンプト Gemini Omni 更适合同时描述画面和音频的プロンプト。请包含主体、动作、场景、光照、镜头方向、对白和环境声音提示。例如：'A street musician plays a violin on a rainy Paris evening, raindrops tap the cobblestones, a slow melancholic melody, distant café chatter.'

2. 选择时长 选择 4、6、8 或 10 秒。较长的时长适合叙事场景；较短的片段适合循环、转场和社交媒体帖子。

3. 选择分辨率

   • 360p — 快速、低成本的草稿模式
   • 720p / 1080p — 标准质量
   • 4K — 更高分辨率和更高成本

4. 选择宽高比

   • 16:9 — 宽屏、シネマティック
   • 9:16 — 竖屏、移动端优先

5. 提交并轮询 POST 到 /api/v1/gemini-omni-text-to-video，并轮询 GET /api/v1/predictions/{request_id}/result，直到 status 为 completed。

6. プロンプト技巧

   • 明确描述声音：'soft piano underscore'、'wind through trees'、'whispered narration'。
   • 对于对白，将说出的句子放在引号中并描述说话者。
   • 指定镜头运动——'slow dolly in'、'handheld tracking shot'、'crane reveal'——以获得电影般的结果。

7. 请求示例

   curl -X POST https://api.muapi.ai/api/v1/gemini-omni-text-to-video \
     -H "Authorization: Bearer YOUR_API_KEY" \
     -H "Content-Type: application/json" \
     -d '{
       "prompt": "A street musician plays a violin on a rainy Paris evening, raindrops tap the cobblestones.",
       "duration": 8,
       "resolution": "1080p",
       "aspect_ratio": "16:9"
     }'
   

   然后继续轮询 GET /api/v1/predictions/{request_id}/result，直到 status 为 completed。