muapi Logomuapi Logo
muapi Logomuapi Logo

Gemini Omni 1.1 Flash 参考图生视频: 图像转视频

使用 Gemini Omni 1.1 Flash 生成视频，并在提示词中通过标签引用多张图像和短视频片段。免费试用——按次生成付费。 Gemini Omni 1.1 Flash 参考图生视频会根据提示词生成新视频，提示词可直接通过标签引用参考媒体——最多 7 张参考图像和最多 3 个短参考视频片段（每个最长 3 秒），并按照 URL 列出的顺序在提示词中使用 <IMAGEREF0>、<VIDEOREF0> 等标签。这样，单条提示词就能组合多个不同的视觉和运动参考，而无需僵化的配额系统。若要使用单视频编辑流程，请参阅 Gemini Omni 1.1 Flash 视频编辑。若要使用参考图像、语音和 character IDs 进行文生视频，请参阅 Gemini Omni 1.1 Flash。若要进行关键帧驱动的图生视频，请参阅 Gemini Omni 1.1 Flash 图生视频。

交互式模型控制

使用 Gemini Omni 1.1 Flash 生成视频，并在提示词中通过标签引用多张图像和短视频片段。免费试用——按次生成付费。

📝

概览

关于此模型

Gemini Omni 1.1 Flash 参考图生视频会根据提示词生成新视频，提示词可直接通过标签引用参考媒体——最多 7 张参考图像和最多 3 个短参考视频片段（每个最长 3 秒），并按照 URL 列出的顺序在提示词中使用 <IMAGE_REF_0>、<VIDEO_REF_0> 等标签。这样，单条提示词就能组合多个不同的视觉和运动参考，而无需僵化的配额系统。若要使用单视频编辑流程，请参阅 Gemini Omni 1.1 Flash 视频编辑。若要使用参考图像、语音和 character IDs 进行文生视频，请参阅 Gemini Omni 1.1 Flash。若要进行关键帧驱动的图生视频，请参阅 Gemini Omni 1.1 Flash 图生视频。

1多参考合成：将多张参考图像和片段组合到一个新场景中，并在提示词中逐一引用。
2风格与运动迁移：在参考静态图像的主体或风格的同时，借鉴短片段的运动。
3重复元素一致性：在多次生成中重复使用同一组参考图像和片段，保持视觉连续性。
4快速概念探索：测试不同参考组合如何影响生成场景。
54K 最终交付：确定参考组合后，以更高分辨率渲染已批准的概念。
💰

价格与价值

成本分析

muapi$0.048–$0.48 per second of output (by resolution)

Pay-per-generation, no subscription. Combine up to 7 reference images and 3 short reference video clips in one call.

Fal.ai可比的按秒定价

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

Replicate暂不可用

Gemini Omni 1.1 Flash Reference to Video is not listed on Replicate.

** 竞品价格根据相似模型架构和使用层级估算。

⚙️

技术详情

配置参数

提示词string

描述视频的文本提示词。参考媒体按列表顺序在提示词中引用，例如 <IMAGE_REF_0>、<VIDEO_REF_0>。

默认值A cat inspired by <IMAGE_REF_0> walks through the setting in <VIDEO_REF_0>.
参考图像array

URLs of 参考图像 to incorporate into the video, referenced in the prompt as <IMAGE_REF_0>, <IMAGE_REF_1>, etc.

默认值-
参考视频array

最多 3 reference video clips, each at most 3 seconds long, referenced in the prompt as <VIDEO_REF_0>, <VIDEO_REF_1>, etc.

默认值-
画面比例枚举（2 个选项）

输出视频的画面比例。

默认值16:9
分辨率枚举（4 个选项）

Output resolution. Billed per second of 生成的视频: $0.048/s at 360p, $0.16/s at 720p, $0.24/s at 1080p, $0.48/s at 4K.

默认值720p
时长（秒）int

Duration of the 生成的视频, （秒）.

默认值8
📖

实施指南

开发者文档

如何使用 Gemini Omni 1.1 Flash 参考图生视频

  1. 收集参考媒体 最多提供 7 张参考图像（image_urls）和最多 3 个参考视频片段（reference_video_urls，每个最长 3 秒）。

  2. 编写通过标签引用每个参考的提示词 参考媒体在提示词中的引用顺序与列表顺序一致：第一张图像是 <IMAGE_REF_0>，第二张是 <IMAGE_REF_1>，依此类推；第一个视频是 <VIDEO_REF_0>，以此类推。示例：'A cat inspired by <IMAGE_REF_0> walks through the setting in <VIDEO_REF_0>.'

  3. 选择时长、分辨率和宽高比 时长为 3–10 秒（默认为 8）。分辨率按秒计费：360p 为 $0.048/s，720p 为 $0.16/s，1080p 为 $0.24/s，4K 为 $0.48/s。

  4. 提交并轮询

    curl -X POST https://api.muapi.ai/api/v1/gemini-omni-flash-1-1-reference-to-video \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "prompt": "A cat inspired by <IMAGE_REF_0> walks through the setting in <VIDEO_REF_0>.",
    "image_urls": ["https://example.com/cat.jpg"],
    "reference_video_urls": ["https://example.com/setting.mp4"],
    "resolution": "1080p"
  }'

    然后轮询 GET /api/v1/predictions/{request_id}/result，直到 status 为 completed。

  5. 提示词技巧

    • 确保标签顺序与 URL 列表顺序一致——<IMAGE_REF_0> 始终对应 image_urls 中的第一项。
    • 描述每个参考应如何使用（主体、场景或运动），而不只是写出标签名称。
    • 提交前应将超过 3 秒的参考视频裁剪到更短。
❓

常见问题

常见问答

Gemini Omni 1.1 Flash 参考图生视频是什么？

它会根据提示词生成新视频；提示词通过标签——`<IMAGE_REF_0>`、`<VIDEO_REF_0>` 等——引用参考图像和短参考视频片段，并在一次请求中组合最多 7 张图像和 3 个视频片段。

参考标签如何工作？

参考媒体按 URL 列出的顺序进行引用：第一个 `image_urls` 项是 `<IMAGE_REF_0>`，第二个是 `<IMAGE_REF_1>`，依此类推；第一个 `reference_video_urls` 项是 `<VIDEO_REF_0>`，以此类推。请直接在 `prompt` 文本中使用这些标签。

参考视频可以有多长？

每个参考视频片段最长为 3 秒，每次请求最多可提供 3 个参考视频。

如何计费？

根据生成视频的分辨率按秒计费：360p 为 $0.048/s，720p 为 $0.16/s，1080p 为 $0.24/s，4K 为 $0.48/s。10 秒的 1080p 片段费用为 $2.40。

它与 Gemini Omni 1.1 Flash 视频编辑有何不同？

视频编辑使用一个源视频和一条编辑指令，返回同一片段的重新设计版本。参考图生视频则根据提示词生成新视频，并利用按标签引用的多张参考图像和片段。