muapi Logomuapi Logo
muapi Logomuapi Logo

Gemini Omni 1.2 Flash: Generator wideo AI

Generuj wideo z tekstu w Gemini Omni 1.2 Flash. Klipy 3-15 sekund z natywnym dźwiękiem od 360p do 4K, płatność za sekundę. Wypróbuj za darmo. Gemini Omni 1.2 Flash to szybki multimodalny model wideo Google, a to jest jego punkt końcowy tekst na wideo: napisz prompt opisujący scenę, akcję, kamerę i dźwięk, a otrzymasz klip 3-15 sekund z natywnie zsynchronizowanymi dialogami, dźwiękiem otoczenia i muzyką generowanymi w tym samym przebiegu. Wybierz proporcje 16:9, 9:16 lub auto i renderuj w 360p dla tanich szkiców albo do 4K dla finalnej dostawy. Cena naliczana jest za sekundę wyjścia ($0.023/s w 360p, $0.07/s w 720p, $0.105/s w 1080p, $0.21/s w 4K), więc koszt rośnie przewidywalnie wraz z długością klipu. Aby zacząć od obrazu, użyj Gemini Omni 1.2 Flash Image to Video; aby warunkować generowanie obrazami referencyjnymi, zobacz Gemini Omni 1.2 Flash Reference to Video; aby edytować istniejący klip, zobacz Gemini Omni 1.2 Flash Video Edit.

Interaktywne sterowanie modelem

Generuj wideo z tekstu w Gemini Omni 1.2 Flash. Klipy 3-15 sekund z natywnym dźwiękiem od 360p do 4K, płatność za sekundę. Wypróbuj za darmo.

📝

Przegląd

O tym modelu

Gemini Omni 1.2 Flash to szybki multimodalny model wideo Google, a to jest jego punkt końcowy tekst na wideo: napisz prompt opisujący scenę, akcję, kamerę i dźwięk, a otrzymasz klip 3-15 sekund z natywnie zsynchronizowanymi dialogami, dźwiękiem otoczenia i muzyką generowanymi w tym samym przebiegu. Wybierz proporcje 16:9, 9:16 lub auto i renderuj w 360p dla tanich szkiców albo do 4K dla finalnej dostawy. Cena naliczana jest za sekundę wyjścia ($0.023/s w 360p, $0.07/s w 720p, $0.105/s w 1080p, $0.21/s w 4K), więc koszt rośnie przewidywalnie wraz z długością klipu. Aby zacząć od obrazu, użyj Gemini Omni 1.2 Flash Image to Video; aby warunkować generowanie obrazami referencyjnymi, zobacz Gemini Omni 1.2 Flash Reference to Video; aby edytować istniejący klip, zobacz Gemini Omni 1.2 Flash Video Edit.

1Krótkie formy narracyjne: Steruj sceną, kamerą i dialogami za pomocą jednego rozbudowanego promptu tekstowego.
2Wideo do social mediów: Generuj klipy 9:16 z wbudowanym dźwiękiem do Reels, Shorts i TikToka.
3Koncepcje reklam: Prototypuj pomysły komercyjne w 360p, a zwycięski wariant wyrenderuj ponownie w 1080p lub 4K.
4Filmy objaśniające: Twórz krótkie sekwencje wizualne z narracją bez osobnego potoku audio.
5Szybkie iteracje: Używaj tanich szkiców 360p, by zweryfikować prompty przed przejściem do wysokiej rozdzielczości.
💰

Ceny i wartość

Analiza kosztów

muapi$0.023–$0.21 za sekundę (zależnie od rozdzielczości)

Płatność za generację, bez subskrypcji. Rozliczane za sekundę wygenerowanego wideo.

Fal.aiNiedostępne

Ten model nie jest dostępny w Fal.ai.

ReplicateNiedostępne

Ten model nie jest dostępny w Replicate.

** Ceny konkurencji są szacowane na podstawie podobnych architektur modeli i poziomów użytkowania.

⚙️

Szczegóły techniczne

Schemat konfiguracji

podpowiedźstring

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

Wartość domyślnaA cat plays piano in a jazz bar, one continuous shot, soft live jazz
Czas trwania (sekundy)integer

Video length in seconds (3-15).

Wartość domyślna8
współczynnik proporcjiWyliczenie (opcje 3)

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

Wartość domyślna16:9
RozdzielczośćWyliczenie (opcje 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.

Wartość domyślna720p
Nasionainteger

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

Wartość domyślna-
📖

Przewodnik wdrożeniowy

Dokumentacja deweloperska

Jak używać Gemini Omni 1.2 Flash

  1. Napisz multimodalny prompt Opisz razem obraz, kierunek kamery, dialogi i dźwięk otoczenia. Przykład: 'A cat plays piano in a jazz bar, one continuous shot, soft live jazz.'

  2. Wybierz czas trwania, proporcje i rozdzielczość Czas trwania to 3-15 sekund. Proporcje to 16:9, 9:16 lub auto (bez obrazu referencyjnego traktowane jako 16:9). Rozdzielczość to 360p, 720p, 1080p lub 4k. Rozliczenie: $0.023/s w 360p, $0.07/s w 720p, $0.105/s w 1080p, $0.21/s w 4K.

  3. Opcjonalnie ustaw seed Przekaż seed (10000-99999), aby renderowanie było powtarzalne.

  4. Wyślij i odpytuj

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"}'

Następnie odpytuj `GET /api/v1/predictions/{request_id}/result`, aż `status` przyjmie wartość `completed`.

5. **Wskazówki do promptów**
   - Opisuj dźwięk wprost: *'soft piano underscore'*, *'wind through trees'*.
   - Dialogi ujmij w cudzysłów i opisz mówiącego.
   - Nazywaj ruchy kamery, np. *'slow dolly in'* lub *'handheld tracking shot'*.
❓

Często zadawane pytania

Często zadawane pytania

Czym jest Gemini Omni 1.2 Flash?

To szybki multimodalny model wideo Google. Ten punkt końcowy zamienia prompt tekstowy w wideo 3-15 sekund z natywnie zsynchronizowanym dźwiękiem.

Jak jest wyceniany?

Za sekundę wygenerowanego wideo: $0.023/s w 360p, $0.07/s w 720p, $0.105/s w 1080p, $0.21/s w 4K. Klip 8 sekund w 720p kosztuje $0.56.

Jakie czasy trwania i rozdzielczości są obsługiwane?

Czas trwania 3-15 sekund oraz rozdzielczości 360p, 720p, 1080p i 4K.

Czy generuje dźwięk?

Tak. Dialogi, dźwięk otoczenia i muzyka są generowane natywnie w tym samym przebiegu; opisz dźwięk w prompcie, aby go kształtować.

Czy mogę użyć obrazów referencyjnych lub klatki początkowej?

Nie w tym punkcie końcowym. Użyj [Gemini Omni 1.2 Flash Image to Video](/playground/gemini-omni-flash-1-2-image-to-video) dla klatki początkowej lub [Gemini Omni 1.2 Flash Reference to Video](/playground/gemini-omni-flash-1-2-reference-to-video) dla obrazów referencyjnych.

Jak uzyskać powtarzalne wyniki?

Wyślij ten sam `seed` (10000-99999) z tym samym promptem i ustawieniami.