模型/Google AI/双子座API
在线6 特色端点

Google Gemini API — AI 视频、图像和文本转语音

在 Muapi 上使用 Google Gemini 媒体模型进行 AI 图像生成、电影视频和多扬声器语音合成。一个 Muapi API 密钥可为您的应用程序提供跨这些端点的一致的提交和轮询工作流程。本页面重点介绍媒体生成工作流程。 Gemini 型号系列使用不同的请求字段和定价;请点击每个系列的链接,了解完整的产品系列、确切的参数和当前的供货情况。

Midjourney

Google 图像生成和编辑系列。浏览中心的所有变体。1 特色端点
图像新品Featured
Midjourney

Nano Banana 2

Google 图像生成端点;家庭中心包括额外的生成和编辑变体。

Image generation
$0.06/request
体验模型

Imagen 4

具有标准、快速和超级级别的 Google 文本到图像模型。1 特色端点
图像在线
Imagen 4

Imagen 4 快速

Google Imagen 4 系列中的快速文本到图像生成。

Image generation快速
$0.02/generation
体验模型

维奥3.1

视频生成、图像到视频、参考、扩展、快速和精简变体。2 特色端点
视频在线
维奥3.1

Veo 3.1 文本转视频

使用 Veo 3.1 系列根据提示生成视频。

Video generation
$2.50/request
体验模型
视频在线
维奥3.1

Veo 3.1 快速文本转视频

更快的 Veo 3.1 提示视频生成。

Video generation快速
$0.60/request
体验模型

Gemini Omni

具有同步音频的视频生成和编辑工作流程。1 特色端点
视频在线
Gemini Omni

Gemini Omni 文本转视频

使用 Gemini Omni 生成带有同步音频的视频。

Video + synchronized audio
From $0.16
体验模型

Gemini Text-to-Speech

从文本生成富有表现力的多扬声器对话音频。1 特色端点
文本转语音新品
Gemini TTS

双子座3.8 Flash TTS

从结构化文本创建富有表现力的多扬声器对话音频。

Dialogue to audio快速
$0.015/1,000 chars
体验模型

Google Gemini 媒体 API 系列

谷歌在 Muapi 上的生成媒体阵容涵盖图像生成和编辑、视频创建和文本转语音。 Nano Banana 和 Imagen 封面图片; Veo 和 Gemini Omni 封面视频; Gemini TTS 生成语音对话。

此登录页面突出显示了代表性端点,以便您可以比较这些系列,而无需重复其专用中心的每个模型行。使用系列页面了解完整目录、参数详细信息和当前可用性。

您可以构建什么

创建和编辑图像

使用 Nano Banana 进行基于提示的图像生成和基于参考的编辑,或使用 Imagen 4 进行高质量的文本到图像工作。

Generate video

致电 Veo 3.1 或 Gemini Omni 以获取视频提示、图像驱动的运动和相关视频工作流程。

Synthesize speech

将结构化扬声器和对话发送至 Gemini TTS 以生成多扬声器音频。

Google AI API endpoints

Family输入输出起始价格阵容齐全
MidjourneyPrompt and optional references图像每次请求 0.03 美元起/nano-banana-api
Imagen 4迅速的图像每代 0.02 美元起/imagen-4
维奥3.1Prompt, image, or video references视频From $0.30/request/veo-3.1
Gemini Omni提示、图像或视频,具体取决于端点Video, edits, or audio选定端点上 0.048 美元/秒起/gemini-omni
Gemini TTS演讲者和对话轮流音频From $0.01/1,000 characters/gemini-tts

定价因型号、持续时间、分辨率和端点而异。提交前请在每个家庭页面上确认确切的费用。

如何调用Google Gemini API

使用 Muapi API 密钥提交特定于模型的 JSON 请求,保存请求 ID,然后轮询共享结果端点。图像、视频和语音端点使用不同的请求字段。

1. 使用 Nano Banana 生成图像

curl -X POST https://api.muapi.ai/api/v1/nano-banana \
  -H "x-api-key: YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"prompt":"A small glass greenhouse on a mossy hillside at sunrise","aspect_ratio":"1:1"}'

# Response: {"request_id":"REQUEST_ID"}

Send a prompt to a Nano Banana image endpoint.

2.使用Imagen 4生成图像

curl -X POST https://api.muapi.ai/api/v1/google-imagen4 \
  -H "x-api-key: YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"prompt":"A richly detailed glasshouse at sunrise, dew on tropical leaves","aspect_ratio":"16:9","num_images":1}'

# Response: {"request_id":"REQUEST_ID"}

向 Imagen 4 提交提示和宽高比。

3.使用Veo 3.1生成视频

呼叫 Veo 并提供提示和持续时间。

4. 使用 Gemini Omni 生成视频

curl -X POST https://api.muapi.ai/api/v1/gemini-omni-text-to-video \
  -H "x-api-key: YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"prompt":"A chef explains a recipe in a warm studio kitchen","resolution":"1080p","duration":8,"aspect_ratio":"16:9"}'

# Response: {"request_id":"REQUEST_ID"}

创建具有同步音频的视频。

5. 使用 Gemini TTS 生成语音

curl -X POST https://api.muapi.ai/api/v1/gemini-3-8-flash-tts \
  -H "x-api-key: YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"speakers":[{"speaker_id":"Speaker 1","voice_name":"Kore","accent":"Neutral","style":"Empathetic","pace":"Natural"}],"dialogue_turns":[{"speaker_id":"Speaker 1","text":"Welcome to the show."}]}'

# Response: {"request_id":"REQUEST_ID"}

提供结构化的演讲者和对话轮流。

6. 轮询已完成的输出

将返回的请求 ID 与共享结果端点一起使用。

Google Gemini API 常见问题解答

我可以通过 Muapi 调用哪些 Google AI 模型?

特色媒体系列包括 Nano Banana、Imagen 4、Veo、Gemini Omni 和 Gemini Text-to Speech。请关注每个系列页面,了解其完整的终端产品阵容。

此页面是否涵盖 Gemini 文本聊天模型?

该目录重点关注 Google 媒体生成端点:图像、视频和语音。检查 Muapi 的实时 API 架构,了解当前可用的文本生成模型及其请求格式。

如何获取 Google Gemini API 密钥?

从访问密钥创建 Muapi API 密钥,然后将其在 x-api-key 标头中发送到模型端点。

所有 Google 模型都使用相同的请求格式吗?

不会。图像、视频和语音端点属于不同的领域。使用特定于模型的系列页面和 API 示例来获取准确的请求架构。

使用 Google AI 媒体模型构建

使用一个 Muapi API 密钥将 Google 图像、视频和文本转语音模型集成到您的应用程序中。