Gere vídeo a partir de texto com o Gemini Omni 1.2 Flash. Clipes de 3 a 15 segundos com áudio nativo de 360p a 4K, pagamento por segundo. Experimente grátis.
Gere vídeo a partir de texto com o Gemini Omni 1.2 Flash. Clipes de 3 a 15 segundos com áudio nativo de 360p a 4K, pagamento por segundo. Experimente grátis.
Sobre este modelo
O Gemini Omni 1.2 Flash é o modelo de vídeo multimodal rápido do Google, e este é o seu endpoint de texto para vídeo: escreva um prompt descrevendo a cena, a ação, a câmera e o som e receba um clipe de 3 a 15 segundos com diálogo, áudio ambiente e música sincronizados nativamente, gerados na mesma passada. Escolha a proporção 16:9, 9:16 ou automática e renderize em 360p para rascunhos baratos ou até 4K para a entrega final. O preço é por segundo de saída ($0.023/s em 360p, $0.07/s em 720p, $0.105/s em 1080p, $0.21/s em 4K), então o custo escala de forma previsível com a duração do clipe. Para começar a partir de uma imagem, use Gemini Omni 1.2 Flash Image to Video; para condicionar com imagens de referência, veja Gemini Omni 1.2 Flash Reference to Video; para editar um clipe existente, veja Gemini Omni 1.2 Flash Video Edit.
Análise de custos
| Provedor | Custo | Notas |
|---|---|---|
| muapi | $0.023–$0.21 por segundo (conforme a resolução) | Pagamento por geração, sem assinatura. Cobrado por segundo de vídeo gerado. |
| Fal.ai | Indisponível | Este modelo não está listado na Fal.ai. |
| Replicate | Indisponível | Este modelo não está listado na Replicate. |
Pagamento por geração, sem assinatura. Cobrado por segundo de vídeo gerado.
Este modelo não está listado na Fal.ai.
Este modelo não está listado na Replicate.
** Os preços dos concorrentes são estimados com base em arquiteturas de modelos e níveis de uso semelhantes.
Esquema de configuração
| Parâmetro | Tipo | Descrição | Padrão |
|---|---|---|---|
| alerta | string | Describe the scene, action, camera movement, and sound. | A cat plays piano in a jazz bar, one continuous shot, soft live jazz |
| Duração (segundos) | integer | Video length in seconds (3-15). | 8 |
| proporção | Enum (3 opções) | Output aspect ratio. `auto` follows the reference image and is treated as 16:9 when none is provided. | 16:9 |
| Resolução | Enum (4 opções) | 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. | 720p |
| Semente | integer | Random seed (10000-99999). Omit for a random seed. | - |
Describe the scene, action, camera movement, and sound.
A cat plays piano in a jazz bar, one continuous shot, soft live jazzVideo length in seconds (3-15).
8Output aspect ratio. `auto` follows the reference image and is treated as 16:9 when none is provided.
16:9Output 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.
720pRandom seed (10000-99999). Omit for a random seed.
-Documentação do desenvolvedor
Escreva um prompt multimodal Descreva imagens, direção de câmera, diálogo e som ambiente juntos. Exemplo: 'Um gato toca piano em um bar de jazz, um plano contínuo, jazz suave ao vivo.'
Escolha duração, proporção e resolução
A duração é de 3 a 15 segundos. A proporção é 16:9, 9:16 ou auto (tratada como 16:9 sem imagem de referência). A resolução é 360p, 720p, 1080p ou 4k. A cobrança é de $0.023/s em 360p, $0.07/s em 720p, $0.105/s em 1080p, $0.21/s em 4K.
Opcionalmente, defina uma seed
Passe seed (10000-99999) para tornar as renderizações reproduzíveis.
Envie e consulte
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"}'
Depois consulte `GET /api/v1/predictions/{request_id}/result` até que `status` seja `completed`.
5. **Dicas de prompt**
- Descreva o som explicitamente: *'trilha suave de piano'*, *'vento entre as árvores'*.
- Coloque o diálogo entre aspas e descreva quem fala.
- Nomeie movimentos de câmera como *'dolly lento para frente'* ou *'plano de acompanhamento com câmera na mão'*.
Perguntas frequentes
É o modelo de vídeo multimodal rápido do Google. Este endpoint transforma um prompt de texto em um vídeo de 3 a 15 segundos com áudio sincronizado nativamente.
Por segundo de vídeo gerado: $0.023/s em 360p, $0.07/s em 720p, $0.105/s em 1080p, $0.21/s em 4K. Um clipe de 8 segundos em 720p custa $0.56.
Durações de 3 a 15 segundos e resoluções de 360p, 720p, 1080p e 4K.
Sim. Diálogo, som ambiente e música são gerados nativamente na mesma passada; descreva o som no prompt para direcioná-lo.
Não neste endpoint. Use [Gemini Omni 1.2 Flash Image to Video](/playground/gemini-omni-flash-1-2-image-to-video) para um quadro inicial ou [Gemini Omni 1.2 Flash Reference to Video](/playground/gemini-omni-flash-1-2-reference-to-video) para imagens de referência.
Envie a mesma `seed` (10000-99999) com o mesmo prompt e as mesmas configurações.