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。 Gemini Omni 图生视频使用 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，并按输出视频秒数计费。
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。
关于此模型
Gemini Omni 图生视频使用 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，并按输出视频秒数计费。
成本分析
| 提供商 | 费用 | 备注 |
|---|---|---|
| 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.ai | 可比的按秒定价 | 相同的底层模型（google/gemini-omni-flash/v1.1/image-to-video）。 |
| Replicate | 暂不可用 | Gemini Omni Image to Video is not currently available on Replicate. |
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.
相同的底层模型（google/gemini-omni-flash/v1.1/image-to-video）。
Gemini Omni Image to Video is not currently available on Replicate.
** 竞品价格根据相似模型架构和使用层级估算。
配置参数
| 参数 | 类型 | 描述 | 默认值 |
|---|---|---|---|
| 提示词 | string | 所需运动和场景的文本描述。Gemini Omni 支持丰富的多模态提示词，包括镜头指令、对话和环境音频提示。 | The 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. |
| 参考图像 | array | Upload 1–7 参考图像 for the video. Maximum 20 MB each. | https://cdn.muapi.ai/assets/gemini-omni-image-to-video.jpg |
| 时长（秒） | 枚举（4 个选项） | 生成视频的时长（秒）。 | 8 |
| 分辨率 | 枚举（4 个选项） | 输出视频分辨率。按输出秒数计费：360p 为 $0.039/秒，720p 为 $0.13/秒，1080p 为 $0.195/秒，4K 为 $0.39/秒。 | 1080p |
| 画面比例 | 枚举（2 个选项） | 输出视频的画面比例。 | 16:9 |
| 音频 ID | array | 最多 3 voice profile IDs returned by the Gemini Omni Audio endpoint. | - |
| 种子 | int | 随机种子（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。 | 0 |
| 角色 ID | array | 最多 3 character IDs from Gemini Omni Character to feature in the video. | - |
所需运动和场景的文本描述。Gemini Omni 支持丰富的多模态提示词，包括镜头指令、对话和环境音频提示。
The 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.Upload 1–7 参考图像 for the video. Maximum 20 MB each.
https://cdn.muapi.ai/assets/gemini-omni-image-to-video.jpg生成视频的时长（秒）。
8输出视频分辨率。按输出秒数计费：360p 为 $0.039/秒，720p 为 $0.13/秒，1080p 为 $0.195/秒，4K 为 $0.39/秒。
1080p输出视频的画面比例。
16:9最多 3 voice profile IDs returned by the Gemini Omni Audio endpoint.
-随机种子（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。
0最多 3 character IDs from Gemini Omni Character to feature in the video.
-开发者文档
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。
编写动作和场景提示词 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.'
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 获得标准输出，或选择 4K 获得更高分辨率。
选择宽高比
16:9 — 宽屏、电影感9:16 — 竖屏、移动端优先提交并轮询
POST 到 /api/v1/gemini-omni-image-to-video，并轮询 GET /api/v1/predictions/{request_id}/result，直到 status 为 completed。
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"
}'
常见问答
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）。
会——Gemini Omni 图生视频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——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 4、6、8 或 10 秒，以及 360p、720p、1080p 或 4K——每种情况都按输出视频秒数计费。
可以——选择 16:9 获得宽屏输出，或选择 9:16 获得竖屏/移动端优先输出。