muapi Logomuapi Logo
muapi Logomuapi Logo

Gemini Omni 1.2 Flash: AI 视频生成器

使用 Gemini Omni 1.2 Flash 根据文本生成视频。360p 至 4K 的 3-15 秒片段，带原生音频，按秒付费。免费试用。 Gemini Omni 1.2 Flash 是 Google 的快速多模态视频模型，这里是它的文本转视频端点：编写描述场景、动作、镜头和声音的提示词，即可获得 3-15 秒的片段，对白、环境音和音乐在同一过程中原生同步生成。可选择 16:9、9:16 或自动宽高比，以 360p 低成本出草稿，或最高以 4K 交付成片。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），因此成本随片段时长可预期地变化。若要从图像开始，请使用 Gemini Omni 1.2 Flash 图像转视频；若要以参考图像作为条件，请参阅 Gemini Omni 1.2 Flash 参考图转视频；若要编辑现有片段，请参阅 Gemini Omni 1.2 Flash 视频编辑。

交互式模型控制

使用 Gemini Omni 1.2 Flash 根据文本生成视频。360p 至 4K 的 3-15 秒片段，带原生音频，按秒付费。免费试用。

📝

概览

关于此模型

Gemini Omni 1.2 Flash 是 Google 的快速多模态视频模型，这里是它的文本转视频端点：编写描述场景、动作、镜头和声音的提示词，即可获得 3-15 秒的片段，对白、环境音和音乐在同一过程中原生同步生成。可选择 16:9、9:16 或自动宽高比，以 360p 低成本出草稿，或最高以 4K 交付成片。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），因此成本随片段时长可预期地变化。若要从图像开始，请使用 Gemini Omni 1.2 Flash 图像转视频；若要以参考图像作为条件，请参阅 Gemini Omni 1.2 Flash 参考图转视频；若要编辑现有片段，请参阅 Gemini Omni 1.2 Flash 视频编辑。

1叙事短片：通过一条丰富的文本提示词驱动场景、镜头和对白。
2社交视频：为 Reels、Shorts 和 TikTok 生成自带声音的 9:16 片段。
3广告创意：以 360p 为商业创意做原型，再以 1080p 或 4K 重新渲染最佳版本。
4讲解视频：无需单独的音频流程，即可制作带旁白的短视觉片段。
5快速迭代：在投入高分辨率之前，使用低成本的 360p 草稿验证提示词。
💰

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A cat plays piano in a jazz bar, one continuous shot, soft live jazz
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

  1. 编写多模态提示词 将视觉内容、镜头指示、对白和环境声一起描述。示例：'一只猫在爵士酒吧里弹钢琴，一镜到底，轻柔的现场爵士乐。'

  2. 选择时长、宽高比和分辨率 时长为 3-15 秒。宽高比为 16:9、9:16 或 auto（没有参考图像时按 16:9 处理）。分辨率为 360p、720p、1080p 或 4k。计费：360p 为 $0.023/秒，720p 为 $0.07/秒，1080p 为 $0.105/秒，4K 为 $0.21/秒。

  3. 可选：设置 seed 传入 seed（10000-99999）可使渲染结果可复现。

  4. 提交并轮询

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"}'

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

5. **提示词技巧**
   - 明确描述声音：*'轻柔的钢琴配乐'*、*'风吹过树林'*。
   - 用引号标出对白并描述说话者。
   - 写明镜头运动，例如 *'缓慢推轨'* 或 *'手持跟拍'*。
❓

常见问题

常见问答

什么是 Gemini Omni 1.2 Flash？

它是 Google 的快速多模态视频模型。该端点可将文本提示词转换为 3-15 秒、带原生同步音频的视频。

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。一段 8 秒的 720p 片段费用为 $0.56。

支持哪些时长和分辨率？

时长 3-15 秒，分辨率 360p、720p、1080p 和 4K。

它会生成音频吗？

会。对白、环境音和音乐在同一过程中原生生成；可在提示词中描述声音来引导效果。

可以使用参考图像或起始帧吗？

该端点不支持。起始帧请使用 [Gemini Omni 1.2 Flash 图像转视频](/playground/gemini-omni-flash-1-2-image-to-video)，参考图像请使用 [Gemini Omni 1.2 Flash 参考图转视频](/playground/gemini-omni-flash-1-2-reference-to-video)。

如何获得可复现的结果？

使用相同的提示词和设置，并发送相同的 `seed`（10000-99999）。