muapi Logomuapi Logo
muapi Logomuapi Logo

Gemini Omni 1.2 Flash 参考图转视频: 图像转视频

使用 Gemini Omni 1.2 Flash 生成由最多 6 张参考图像引导的视频。3-15 秒片段，带原生音频，最高 4K。免费试用。 Gemini Omni 1.2 Flash 参考图转视频可生成由 1-6 张参考图像引导的 3-15 秒视频，这些图像用于定义主体、场景、风格或分镜。与图像转视频不同，这些图像是条件参考而非字面意义上的首帧，因此模型可以围绕它们自由构建新的运动和镜头，并在同一过程中返回原生同步音频。可选择 16:9、9:16 或自动宽高比，并以 360p 至 4K 渲染。按输出秒数计费（360p 为 $0.023/秒，720p 为 $0.07/秒，1080p 为 $0.105/秒，4K 为 $0.21/秒）。若需要字面意义上的起始帧，请使用 Gemini Omni 1.2 Flash 图像转视频；其他 1.2 Flash 端点：Gemini Omni 1.2 Flash、Gemini Omni 1.2 Flash 图像转视频、Gemini Omni 1.2 Flash 视频编辑。

交互式模型控制

使用 Gemini Omni 1.2 Flash 生成由最多 6 张参考图像引导的视频。3-15 秒片段，带原生音频，最高 4K。免费试用。

📝

概览

关于此模型

Gemini Omni 1.2 Flash 参考图转视频可生成由 1-6 张参考图像引导的 3-15 秒视频，这些图像用于定义主体、场景、风格或分镜。与图像转视频不同，这些图像是条件参考而非字面意义上的首帧，因此模型可以围绕它们自由构建新的运动和镜头，并在同一过程中返回原生同步音频。可选择 16:9、9:16 或自动宽高比，并以 360p 至 4K 渲染。按输出秒数计费（360p 为 $0.023/秒，720p 为 $0.07/秒，1080p 为 $0.105/秒，4K 为 $0.21/秒）。若需要字面意义上的起始帧，请使用 Gemini Omni 1.2 Flash 图像转视频；其他 1.2 Flash 端点：Gemini Omni 1.2 Flash、Gemini Omni 1.2 Flash 图像转视频、Gemini Omni 1.2 Flash 视频编辑。

1角色一致性：在新场景中保持同一角色或产品。
2风格迁移：使用参考美术作品来确定生成片段的外观。
3分镜转视频：将分镜画面作为参考输入，引导场景。
4品牌内容：将参考图中的产品置入全新的环境。
5快速迭代：先以 360p 出草稿，再提升最终渲染。
💰

价格与价值

成本分析

muapi每秒 $0.023–$0.21（按分辨率）

按生成次数付费，无需订阅。按生成视频的秒数计费。

Fal.ai不可用

该模型未在 Fal.ai 上架。

Replicate不可用

该模型未在 Replicate 上架。

** 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

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

默认值The character from the first image walks through the city in the second image at sunset, ambient street sounds
参考图像array

1-6 参考图像 used for subject, scene, style, or storyboard reference (not a starting keyframe).

默认值-
时长integer

Video length （秒） (3-15).

默认值8
画面比例枚举（3 个选项）

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

默认值16:9
分辨率枚举（4 个选项）

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

默认值720p
种子integer

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

默认值-
📖

实施指南

开发者文档

如何使用 Gemini Omni 1.2 Flash 参考图转视频

  1. 准备参考图像 在 image_urls 中提供 1-6 个可公开访问的图像 URL（每张最大 20MB）。

  2. 编写提示词 描述参考图应如何出现：'第一张图中的角色在日落时分走过第二张图中的城市。'

  3. 选择时长、宽高比和分辨率 时长 3-15 秒。计费：360p 为 $0.023/秒，720p 为 $0.07/秒，1080p 为 $0.105/秒，4K 为 $0.21/秒。

  4. 提交并轮询

curl -X POST https://api.muapi.ai/api/v1/gemini-omni-flash-1-2-reference-to-video
-H "Authorization: Bearer YOUR_API_KEY"
-H "Content-Type: application/json"
-d '{"prompt": "The character from the first image walks through the city in the second image at sunset", "image_urls": ["https://example.com/ref1.png", "https://example.com/ref2.png"], "duration": 8, "resolution": "720p"}'

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

常见问题

常见问答

什么是 Gemini Omni 1.2 Flash 参考图转视频？

它根据 1-6 张关于主体、场景或风格的参考图像生成视频，并带原生音频。

可以使用多少张参考图像？

1 到 6 张，每张最大 20MB。

如何计费？

按生成视频的秒数计费：360p 为 $0.023/秒，720p 为 $0.07/秒，1080p 为 $0.105/秒，4K 为 $0.21/秒。

参考图像会被用作首帧吗？

不会。它们是条件参考。若需要字面意义上的首帧，请使用 [图像转视频](/playground/gemini-omni-flash-1-2-image-to-video)。

支持哪些时长？

3-15 秒。

它会生成音频吗？

会，对白、环境音和音乐均为原生生成。