Gemini Omni Imagem para Vídeo: Image-to-Video

使用 Gemini Omni 将图像制作成视频,并生成原生同步音频、对白和音乐。免费试用——按次付费,无需订阅。

📝

Overview

About this model

Gemini Omni Imagem para Vídeo使用 Google 原生多模态 any-to-any 模型,通过文本提示为一张或多张参考图制作动画。模型会在各帧之间保持主体身份,同时在同一次前向传递中原生生成同步音频、对白、环境声和音乐。它支持 4、6、8 或 10 秒的视频片段,分辨率可选 360p、720p、1080p 或 4K,宽高比可选 16:9 或 9:16,并按Saída视频秒数计费。

1产品动画:让产品照片动起来,并添加环境声,用于社交媒体或广告。
2角色动画:通过描述动作和场景的Prompt,为角色参考图制作动画。
3分镜预演:将概念艺术转换为带旁白和声音设计的短视频预览。
4社交内容:将静态图像变成适合 TikTok、Reels 或 Shorts 的精彩竖屏或宽屏片段。
💰

Pricing & Value

Cost analysis

muapi$0.039–$0.39 per second of output (by resolution)

Billed per second of output video: $0.039/s at 360p, $0.13/s at 720p, $0.195/s at 1080p, $0.39/s at 4K. Synchronized audio included at no extra charge.

Fal.aiPreço comparável por segundo

相同的底层模型(google/gemini-omni-flash/v1.1/image-to-video)。

ReplicateNão disponível

Gemini Omni Image to Video is not currently available on Replicate.

** Competitor pricing is estimated based on similar model architectures and usage tiers.

⚙️

Technical Details

Configuration schema

Promptstring

所需运动和场景的文本描述。Gemini Omni Suportado丰富的多模态Prompt,包括镜头指令、对话和环境Áudio提示。

Default ValueThe suitcase opens by itself and tiny landscapes start unfolding out of it—mountains, forests, oceans, entire cities. Each world expands outward onto the platform, growing larger and larger while miniature weather systems form above them.
参考Imagemarray

Upload 1–7 reference images for the video. Maximum 20 MB each.

Default Valuehttps://cdn.muapi.ai/assets/gemini-omni-image-to-video.jpg
Duração (segundos)(秒)Enum (4 options)

生成Vídeo的Duração(秒)。

Default Value8
ResoluçãoEnum (4 options)

SaídaVídeoResolução。按Saída秒数计费:360p 为 $0.039/秒,720p 为 $0.13/秒,1080p 为 $0.195/秒,4K 为 $0.39/秒。

Default Value1080p
ProporçãoEnum (2 options)

SaídaVídeo的Proporção。

Default Value16:9
Áudio IDarray

Up to 3 voice profile IDs returned by the Gemini Omni Audio endpoint.

Default Value-
种子int

Seed aleatória(0–2147483647)。固定后可复现结果,但由于模型随机性,结果仍可能有所不同。

Default Value0
角色 IDarray

Up to 3 character IDs from Gemini Omni Character to feature in the video.

Default Value-
📖

Implementation Guide

Developer documentation

Como Usar Gemini Omni Imagem para Vídeo

  1. 上传参考图 通过 image_urls 提供 1–5 张图像。每张图像都会作为视觉锚点,模型会在各帧之间保持主体身份。

  2. 编写动作和场景Prompt 描述视频中发生的事情——动作、场景、光照和音频提示。例如:'The subject slowly turns to face the camera as golden-hour light sweeps across the scene, leaves rustling in the breeze.'

  3. 选择时长和分辨率 选择 4、6、8 或 10 秒。选择 360p 获得快速、低成本的草稿,选择 720p / 1080p 获得标准Saída,或选择 4K 获得更高分辨率。

  4. 选择宽高比

    • 16:9 — 宽屏、电影感
    • 9:16 — 竖屏、移动端优先
  5. 提交并轮询 POST 到 /api/v1/gemini-omni-image-to-video,并轮询 GET /api/v1/predictions/{request_id}/result,直到 statuscompleted

  6. 请求示例

    curl -X POST https://api.muapi.ai/api/v1/gemini-omni-image-to-video \
      -H "Authorization: Bearer YOUR_API_KEY" \
      -H "Content-Type: application/json" \
      -d '{
        "prompt": "The subject slowly turns to face the camera as golden-hour light sweeps across the scene.",
        "image_urls": ["https://example.com/reference.jpg"],
        "duration": 8,
        "resolution": "1080p"
      }'
    

Common Questions

Frequently asked

可以提供多少张参考图?

1 到 5 张。每张图像计为 7 单位容量中的 1 个单位(视频使用 2 个单位,角色 ID 使用 1 个单位)。

它会保持主体在各帧之间的外观吗?

会——Gemini Omni Imagem para Vídeo旨在让主体在整个生成片段中保持参考图中的身份和外观。

会自动生成音频吗?

会——同步对白、环境声和音乐会与视频在同一次前向传递中原生生成。

支持哪些视频时长和分辨率?

支持 4、6、8 或 10 秒,以及 360p、720p、1080p 或 4K——每种情况都按Saída视频秒数计费。

可以控制宽高比吗?

可以——选择 16:9 获得宽屏Saída,或选择 9:16 获得竖屏/移动端优先Saída。