Gemini Omni Flash Reference to Video API

google/gemini-omni-flash/reference-to-video

Gemini Omni Flash Reference to Video 根据恰好三张参考图与文本提示词生成 4–10 秒短片,支持锁定角色一致性、原生音画口型同步,以及 720p 至 4K 分辨率输出。它在新场景中延续面容、服饰与风格线索,同时增加定向运动、运镜语言与同步声音。

输入
441/20000
0/3 · 剩余 3
输出
等待运行

生成的视频会显示在这里

填写提示词并添加所需素材,确认设置后点击“运行”。

720p · 6 秒 = $0.750 (150 积分)
继续使用

示例

Use the reference images only for this astronaut's face, short red hair, and white-and-orange flight suit. New scene: she steps into a vast alien crystal cave, giant luminous crystals refracting teal and violet light, she turns her head looking around in wonder. Camera follows behind her in one steady tracking shot. Audio: echoing footsteps and a low crystalline hum. Keep her identity consistent. No logos, no readable text, no watermark.

Use the reference images only for this border collie's markings, blue eye, and identity. New scene: the dog herds a small flock of sheep across a misty hillside, trotting and turning to guide them, fog drifting over green grass. Documentary-style steady wide shot. Audio: soft wind, distant sheep bells. Keep the dog's appearance consistent. No logos, no readable text, no watermark.

Use the reference images only for this white ceramic fox figurine with gold accents, its shapes and colors. New scene: the figurine comes alive in a snowy pine forest, it shakes snow off its back, blinks, and steps carefully between the trees, gentle snowfall. Magical realism, steady shot. Audio: soft snow ambience and tiny footsteps. Keep its design consistent. No logos, no readable text, no watermark.

Gemini Omni Flash Reference to Video

Gemini Omni Flash Reference to Video 是 Google DeepMind 打造的多图一致性视频生成模型。提供恰好三个公开图片 URL——例如面容、服饰与产品或风格——再配合电影化提示词,即可输出 4–10 秒带口型同步音频的短片。可在 720p、1080p 与 4K 之间选择,配合 16:9 或 9:16 画幅,适合常驻角色、战役人选连贯、产品线一致性与品牌虚拟人系列。

为什么选择此端点?

  • 三图角色锁定用恰好三张参考锚定面容、服饰与风格,让常驻人选在多镜头中保持可识别。

  • 更强的多主体一致性在提示词中点名人物与产品,由参考图提供外观真值,延续视觉一致。

  • 原生音频与口型同步随画面生成对白与环境声,让锁定外观的角色说话表演音画对齐。

  • 锁定外观上的电影化调度在无需纯文本重建身份的前提下,应用推进、推轨、跟拍与光影线索。

  • 720p 至 4K 交付档位先用 720p 或 1080p 迭代,战役终稿需要更细纹理与光影时再升到 4K。

  • 灵活时长与画幅可选 4–10 秒与 16:9 或 9:16,覆盖钩子、中等演示与竖屏社交系列。

参数

参数要求说明
prompt必填

字符串。描述场景、动作、运镜、光影与声音;去除首尾空格后为 1–20,000 个字符。

image_urls必填

数组,恰好包含 3 个公开 HTTP(S) 图片 URL,用于角色、服饰或风格参考。

duration可选

整数。输出时长(秒);体验区预选 6 秒。

默认64810
resolution可选

字符串。输出清晰度档位;体验区预选 720p。

默认720p1080p4k
aspect_ratio可选

字符串。输出画幅;体验区预选 16:9。

默认16:99:16

如何使用

  1. 准备三张参考图收集面容、服饰与产品或风格的清晰公开 URL,覆盖身份与品牌线索。

  2. 编写场景提示词描述动作、运镜、光影与音频,并点明哪张参考驱动面容、服装或产品外观。

  3. 设置输出时长选择 4、6、8 或 10 秒(默认 6 秒),匹配叙事节拍。

  4. 选择分辨率迭代用 720p,更清晰交付用 1080p,高细节终稿用 4K。

  5. 选择画面比例按横向叙事或竖屏社交系列选择 16:9 或 9:16。

  6. 确认费用并运行查看运行按钮费用,完成参考图与提示词后点击运行。

  7. 预览并下载视频任务完成后预览画面与同步音频,再选择下载视频保存结果。

价格

按次计费,费用由时长与分辨率档位决定,原生音频包含在结果中。1 积分 = $0.005。

用量费率说明
720p / 1080p4 秒=120、6 秒=150、8 秒=200、10 秒=220 积分默认 720p / 6 秒为 150 积分($0.75)。
4k4 秒=250、6 秒=300、8 秒=350、10 秒=450 积分4k / 6 秒为 300 积分($1.50)。

适用场景

  • 常驻角色系列在分集社交短片与战役章节中保持同一人选外观。

  • 产品线一致性锁定包装与英雄产品外观,同时编排新环境与运镜。

  • 品牌虚拟人内容结合面容与服饰参考加对白线索,持续产出主持人表演。

  • 多镜头战役故事板在正式制作前预演必须共享同一视觉身份的故事节拍。

专业建议

  • 在提示词中为三张图分配角色——面容参考、服饰参考、产品或风格参考。
  • 保持参考光照一致、面部无遮挡,让身份信号更稳定。
  • 系列化生产时复用同一组参考与相同外观措辞。
  • 将 push-in、dolly、tracking 与角色动作分句书写,以控制场面调度。
  • 用 Audio 行补充对白语言与环境声,使口型匹配锁定表演者。

使用说明

  • Gemini Omni Flash Reference to Video 需要 prompt,以及恰好包含 3 个公开图片 URL 的 image_urls。
  • 在提示词中描述对白或环境声;结果包含原生音画口型同步。
  • duration、resolution 与 aspect_ratio 分别配置时长、清晰度与画幅。
  • API 提交后保存返回的 task_id,用于查询进度并获取最终媒体地址。

相关模型

Gemini Omni Flash Reference to Video API 常见问题

Gemini Omni Flash Reference to Video API 是什么?

Gemini Omni Flash Reference to Video 是 Google DeepMind 用于多参考图生成视频的多模态模型。它根据恰好三张参考静帧与文本提示词生成 4–10 秒短片,具备锁定角色一致性、原生音画口型同步,以及 720p 至 4K 输出。基于 Gemini 统一多模态架构,它在增加定向运动与同步声音的同时,将面容、服饰与风格线索带入新场景。你可以通过 API 进行程序化调用,也可以在上方体验区直接在线试用。

Gemini Omni Flash Reference to Video 需要几张参考图?

image_urls 恰好提交 3 个公开图片 URL。常见组合是面容、服饰与产品或风格参考;在提示词中点明各自角色可加强一致性。

Gemini Omni Flash Reference to Video 如何保持角色一致性?

三张静帧提供外观视觉真值,提示词再重申面容、服装与品牌细节。系列化生成时复用同一组参考与相同外观措辞。

Gemini Omni Flash Reference to Video 支持原生口型同步吗?

支持。对白与环境声随画面生成并写入 MP4。补充语言与语气线索,锁定表演者的口型即可跟踪表达。

何时该选 Gemini Omni Flash Reference to Video 而非 Image to Video?

当单张静帧不够、需要用多图分别锁定面容、服饰与风格时,选 Reference to Video。若一张主视觉已承载全部外观,用 Image to Video 即可。

Gemini Omni Flash Reference to Video 能输出 4K 吗?

能。战役终稿需要更清晰纹理与光影时选 4K。先用 720p 或 1080p 验证一致性,再把选定镜头升到 4K。

Gemini Omni Flash Reference to Video 积分如何计算?

按次按时长与分辨率扣积分。720p/1080p 下 6 秒为 150 积分($0.75);同等时长 4K 为 300 积分($1.50)。完整费率见本页价格说明。