Modele/Sztuczna inteligencja Google’a/API Gemini

Na żywoPolecane punkty końcowe: 6

Google Gemini API — wideo, obrazy i zamiana tekstu na mowę AI

Używaj modeli multimediów Google Gemini w Muapi do generowania obrazów AI, kinowych filmów wideo i syntezy mowy przez wiele głośników. Jeden klucz Muapi API zapewnia Twojej aplikacji spójny przepływ pracy związany z przesyłaniem i ankietowaniem w tych punktach końcowych.Ta strona skupia się na przepływach pracy związanych z generowaniem multimediów. Rodziny modeli Gemini korzystają z różnych pól żądań i cen; kliknij link do każdej rodziny, aby zapoznać się z pełną ofertą, dokładnymi parametrami i aktualną dostępnością.

Zdobądź klucz API Google AI Poznaj Gemini Omni Google Gemini API examples on GitHub

W połowie podróży

Rodzina generowania i edytowania obrazów Google. Przeglądaj centrum pod kątem wszystkich wariantów.Polecane punkty końcowe: 1

AI LipsyncNowyFeatured

W połowie podróży

Nano Banan 2

Punkt końcowy generowania obrazu Google; centrum rodzinne zawiera dodatkowe warianty generowania i edycji.

Image generation

$0.06/request

Wypróbuj model

Obraz 4

Modele Google umożliwiające zamianę tekstu na obraz w warstwach Standard, Fast i Ultra.Polecane punkty końcowe: 1

AI LipsyncNa żywo

Obraz 4

Zdjęcie 4 Szybko

Szybkie generowanie tekstu na obraz w rodzinie Google Imagen 4.

Image generationSzybko

$0.02/generation

Wypróbuj model

Veo 3.1

Generowanie wideo, przetwarzanie obrazu na wideo, wersje referencyjne, rozszerzenia, szybkie i lekkie.Polecane punkty końcowe: 2

Głos AINa żywo

Veo 3.1

Veo 3.1 Tekst na wideo

Wygeneruj wideo z podpowiedzi za pomocą rodziny Veo 3.1.

Video generation

$2.50/request

Wypróbuj model

Głos AINa żywo

Veo 3.1

Veo 3.1 Szybki tekst na wideo

Szybsze generowanie podpowiedzi do wideo w Veo 3.1.

Video generationSzybko

$0.60/request

Wypróbuj model

Bliźnięta Omni

Procesy generowania i edycji wideo ze zsynchronizowanym dźwiękiem.Polecane punkty końcowe: 1

Głos AINa żywo

Bliźnięta Omni

Gemini Omni Tekst na wideo

Generuj wideo ze zsynchronizowanym dźwiękiem za pomocą Gemini Omni.

Video + synchronized audio

From $0.16

Wypróbuj model

Gemini zamiana tekstu na mowę

Generuj wyrazisty dźwięk dialogów z wieloma głośnikami z tekstu.Polecane punkty końcowe: 1

Tekst na mowęNowy

Bliźnięta TTS

Gemini 3.8 Flash TTS

Twórz wyrazisty dźwięk dialogów z wieloma głośnikami na podstawie tekstu strukturalnego.

Dialogue to audioSzybko

$0.015/1,000 chars

Wypróbuj model

Rodziny interfejsów API multimediów Google Gemini

Oferta multimediów generatywnych Google w Muapi obejmuje generowanie i edytowanie obrazów, tworzenie filmów i zamianę tekstu na mowę. Zdjęcia okładek Nano Banana i Imagen; Film z okładki Veo i Gemini Omni; Gemini TTS generuje dialog mówiony.

Ta strona docelowa wyróżnia reprezentatywne punkty końcowe, dzięki czemu można porównywać rodziny bez powtarzania każdego wiersza modelu z ich dedykowanych centrów. Skorzystaj ze stron rodziny, aby uzyskać pełne katalogi, szczegóły parametrów i aktualną dostępność.

Co możesz zbudować

Twórz i edytuj obrazy

Użyj Nano Banana do szybkiego generowania obrazów i edycji w oparciu o odniesienia, lub Imagen 4 do wysokiej jakości konwersji tekstu na obraz.

Wygeneruj wideo

Zadzwoń do Veo 3.1 lub Gemini Omni, aby uzyskać wskazówki dotyczące wideo, ruchu sterowanego obrazem i powiązanych procesów wideo.

Syntetyzuj mowę

Wysyłaj głośniki strukturalne i dialogi do Gemini TTS, aby wygenerować dźwięk wielogłośnikowy.

Punkty końcowe API Google AI

Rodzina	Wejście	Wyjście	Cena początkowa	Pełny skład
				/nano-banana-api
				/imagen-4
				/veo-3.1
				/gemini-omni
				/gemini-tts

Ceny różnią się w zależności od modelu, czasu trwania, rozdzielczości i punktu końcowego. Przed przesłaniem potwierdź dokładne koszty na każdej stronie rodziny.

Jak wywołać API Google Gemini

Prześlij żądanie JSON specyficzne dla modelu, używając klucza API Muapi, zapisz identyfikator żądania i odpytuj udostępniony punkt końcowy wyniku. Punkty końcowe obrazu, wideo i mowy korzystają z różnych pól żądań.

1. Wygeneruj obraz za pomocą Nano Banana

Wyślij monit do punktu końcowego obrazu Nano Banana.

2. Wygeneruj obraz za pomocą Imagen 4

Prześlij monit i proporcje do Imagen 4.

3. Wygeneruj wideo za pomocą Veo 3.1

Zadzwoń do Veo, podając monit i czas trwania.

4. Wygeneruj wideo za pomocą Gemini Omni

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"}

Twórz wideo ze zsynchronizowanym dźwiękiem.

5. Generuj mowę za pomocą Gemini TTS

Zapewnij uporządkowany głośnik i zwroty dialogów.

6. Odpytaj o ukończony wynik

Użyj zwróconego identyfikatora żądania z udostępnionym punktem końcowym wyniku.

Często zadawane pytania dotyczące interfejsu API Google Gemini

Do jakich modeli Google AI mogę dzwonić przez Muapi?

Prezentowane rodziny mediów obejmują Nano Banana, Imagen 4, Veo, Gemini Omni i Gemini Text-to-Speech. Śledź każdą stronę rodziny, aby zapoznać się z pełnym zestawem punktów końcowych.

Czy ta strona obejmuje modele czatów tekstowych Gemini?

Ten katalog skupia się na punktach końcowych generowania multimediów Google: obrazach, wideo i mowie. Sprawdź schemat API na żywo Muapi pod kątem aktualnie dostępnych modeli generowania tekstu i formatów żądań.

Jak zdobyć klucz API Google Gemini?

Utwórz klucz Muapi API z Access Keys, a następnie wyślij go w nagłówku x-api-key do punktu końcowego modelu.

Czy wszystkie modele Google używają tego samego formatu żądań?

Nie. Punkty końcowe obrazu, wideo i mowy zajmują różne pola. Użyj stron rodziny specyficznych dla modelu i przykładów API, aby uzyskać dokładne schematy żądań.

API Nano BananaPoznaj punkty końcowe generowania i edytowania obrazów Google.Obraz 4 APIPorównaj generowanie obrazu standardowego, szybkiego i ultra.API Veo 3.1Przeglądaj pełną ofertę wideo Veo.API VeoZobacz wcześniejsze punkty końcowe wideo Veo.API Veo 4Sprawdź stronę Veo 4, aby sprawdzić aktualny stan dostępności.API Gemini OmniPoznaj przepływy pracy związane z generowaniem, edycją i dźwiękiem wideo.Gemini Omni 1.1 Flash APIPrzeglądaj punkty końcowe wideo Flash i edytuj.API Gemini TTSPorównaj modele syntezy mowy wielogłośnikowej.Interfejs API mowy na tekstPoznaj punkty końcowe rozpoznawania mowy Google.

Twórz modele multimedialne Google AI

Użyj jednego klucza Muapi API, aby zintegrować modele obrazów, wideo i zamiany tekstu na mowę Google ze swoją aplikacją.

Zdobądź klucz API Poznaj Gemini Omni