muapi Logomuapi Logo
muapi Logomuapi Logo

Gemini Omni 1.2 Flash: Trình tạo video AI

Tạo video từ văn bản với Gemini Omni 1.2 Flash. Clip 3-15 giây có âm thanh gốc ở 360p đến 4K, trả phí theo giây. Dùng thử miễn phí. Gemini Omni 1.2 Flash là mô hình video đa phương thức nhanh của Google, và đây là điểm cuối chuyển văn bản thành video: hãy viết lời nhắc mô tả cảnh, hành động, máy quay và âm thanh, rồi nhận về clip 3-15 giây với lời thoại, âm thanh môi trường và nhạc được đồng bộ gốc, tạo cùng lúc trong một lần xử lý. Chọn tỷ lệ khung hình 16:9, 9:16 hoặc tự động và kết xuất ở 360p cho bản nháp rẻ hoặc đến 4K cho bản giao cuối. Giá tính theo giây đầu ra ($0.023/giây ở 360p, $0.07/giây ở 720p, $0.105/giây ở 1080p, $0.21/giây ở 4K), nên chi phí tăng dự đoán được theo độ dài clip. Để bắt đầu từ hình ảnh, hãy dùng Gemini Omni 1.2 Flash Chuyển hình ảnh thành video; để điều kiện hóa bằng hình ảnh tham chiếu, xem Gemini Omni 1.2 Flash Chuyển tham chiếu thành video; để chỉnh sửa một clip có sẵn, xem Gemini Omni 1.2 Flash Chỉnh sửa video.

Điều khiển mô hình tương tác

Tạo video từ văn bản với Gemini Omni 1.2 Flash. Clip 3-15 giây có âm thanh gốc ở 360p đến 4K, trả phí theo giây. Dùng thử miễn phí.

📝

Tổng quan

Về mô hình này

Gemini Omni 1.2 Flash là mô hình video đa phương thức nhanh của Google, và đây là điểm cuối chuyển văn bản thành video: hãy viết lời nhắc mô tả cảnh, hành động, máy quay và âm thanh, rồi nhận về clip 3-15 giây với lời thoại, âm thanh môi trường và nhạc được đồng bộ gốc, tạo cùng lúc trong một lần xử lý. Chọn tỷ lệ khung hình 16:9, 9:16 hoặc tự động và kết xuất ở 360p cho bản nháp rẻ hoặc đến 4K cho bản giao cuối. Giá tính theo giây đầu ra ($0.023/giây ở 360p, $0.07/giây ở 720p, $0.105/giây ở 1080p, $0.21/giây ở 4K), nên chi phí tăng dự đoán được theo độ dài clip. Để bắt đầu từ hình ảnh, hãy dùng Gemini Omni 1.2 Flash Chuyển hình ảnh thành video; để điều kiện hóa bằng hình ảnh tham chiếu, xem Gemini Omni 1.2 Flash Chuyển tham chiếu thành video; để chỉnh sửa một clip có sẵn, xem Gemini Omni 1.2 Flash Chỉnh sửa video.

1Phim ngắn tự sự: Điều khiển cảnh, máy quay và lời thoại chỉ từ một lời nhắc văn bản phong phú.
2Video mạng xã hội: Tạo clip 9:16 có âm thanh tích hợp cho Reels, Shorts và TikTok.
3Ý tưởng quảng cáo: Làm nguyên mẫu ý tưởng thương mại ở 360p, sau đó kết xuất lại bản tốt nhất ở 1080p hoặc 4K.
4Video giải thích: Tạo chuỗi hình ảnh ngắn có lời dẫn mà không cần quy trình âm thanh riêng.
5Lặp nhanh: Dùng bản nháp 360p chi phí thấp để kiểm tra lời nhắc trước khi chuyển sang độ phân giải cao.
💰

Giá cả & Giá trị

Phân tích chi phí

muapi$0.023–$0.21 mỗi giây (theo độ phân giải)

Trả tiền theo lượt tạo, không cần đăng ký gói. Tính phí theo từng giây video được tạo.

Fal.aiKhông có

Mô hình này không được niêm yết trên Fal.ai.

ReplicateKhông có

Mô hình này không được niêm yết trên Replicate.

** Giá của đối thủ cạnh tranh được ước tính dựa trên kiến ​​trúc mô hình và cấp độ sử dụng tương tự.

⚙️

Chi tiết kỹ thuật

Lược đồ cấu hình

Câu lệnh (Prompt)string

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

Giá trị mặc địnhA cat plays piano in a jazz bar, one continuous shot, soft live jazz
Thời lượng (giây)integer

Video length （） (3-15).

Giá trị mặc định8
Tỷ lệ khung hìnhEnum (tùy chọn 3)

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

Giá trị mặc định16:9
Độ phân giảiEnum (tùy chọn 4)

Output resolution. Output priced per second of : $0.023/s at 360p, $0.07/s at 720p, $0.105/s at 1080p, $0.21/s at 4K.

Giá trị mặc định720p
seedinteger

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

Giá trị mặc định-
📖

Hướng dẫn thực hiện

Tài liệu dành cho nhà phát triển

Cách sử dụng Gemini Omni 1.2 Flash

  1. Viết lời nhắc đa phương thức Mô tả hình ảnh, hướng máy quay, lời thoại và âm thanh môi trường cùng nhau. Ví dụ: 'Một chú mèo chơi piano trong quán bar nhạc jazz, một cú máy liên tục, nhạc jazz sống động nhẹ nhàng.'

  2. Chọn thời lượng, tỷ lệ khung hình và độ phân giải Thời lượng từ 3-15 giây. Tỷ lệ khung hình là 16:9, 9:16 hoặc auto (được xử lý như 16:9 khi không có hình ảnh tham chiếu). Độ phân giải là 360p, 720p, 1080p hoặc 4k. Giá: $0.023/giây ở 360p, $0.07/giây ở 720p, $0.105/giây ở 1080p, $0.21/giây ở 4K.

  3. Có thể đặt seed tùy chọn Truyền seed (10000-99999) để kết quả kết xuất có thể tái lập.

  4. Gửi và truy vấn

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"}'

Sau đó truy vấn `GET /api/v1/predictions/{request_id}/result` cho đến khi `status` là `completed`.

5. **Mẹo viết lời nhắc**
   - Mô tả âm thanh một cách rõ ràng: *'nhạc nền piano nhẹ nhàng'*, *'gió thổi qua hàng cây'*.
   - Đặt lời thoại trong ngoặc kép và mô tả người nói.
   - Nêu tên các chuyển động máy quay như *'dolly in chậm'* hoặc *'cú máy cầm tay bám theo'*.
❓

Câu hỏi thường gặp

Thường xuyên hỏi

Gemini Omni 1.2 Flash là gì?

Đây là mô hình video đa phương thức nhanh của Google. Điểm cuối này biến lời nhắc văn bản thành video dài 3-15 giây với âm thanh được đồng bộ gốc.

Giá được tính như thế nào?

Theo mỗi giây video được tạo: $0.023/giây ở 360p, $0.07/giây ở 720p, $0.105/giây ở 1080p, $0.21/giây ở 4K. Một clip 8 giây ở 720p có giá $0.56.

Hỗ trợ những thời lượng và độ phân giải nào?

Thời lượng 3-15 giây và độ phân giải 360p, 720p, 1080p và 4K.

Mô hình có tạo âm thanh không?

Có. Lời thoại, âm thanh môi trường và nhạc được tạo gốc trong cùng một lần xử lý; hãy mô tả âm thanh trong lời nhắc để định hướng.

Tôi có thể dùng hình ảnh tham chiếu hoặc khung hình khởi đầu không?

Không trên điểm cuối này. Hãy dùng [Gemini Omni 1.2 Flash Chuyển hình ảnh thành video](/playground/gemini-omni-flash-1-2-image-to-video) cho khung hình khởi đầu hoặc [Gemini Omni 1.2 Flash Chuyển tham chiếu thành video](/playground/gemini-omni-flash-1-2-reference-to-video) cho hình ảnh tham chiếu.

Làm thế nào để có kết quả tái lập?

Gửi cùng `seed` (10000-99999) với cùng lời nhắc và cài đặt.