Gemini Omni Flash Text to Video API

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

Gemini Omni Flash Text to Video 将文本提示词转化为 4–10 秒动态视频,支持原生音画口型同步、电影级运镜与光影控制,以及 720p 至 4K 分辨率输出。它能严格遵循提示词叙事与节奏,并在镜头中保持主体运动、场景连贯与音画对齐。

输入
453/20000
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

Underwater documentary tracking shot: a green sea turtle glides through a towering kelp forest, volumetric sunbeams piercing deep blue water, a school of small silver fish scattering, fine particles drifting in the light. Camera smoothly follows the turtle at a steady distance, no cuts. Natural lighting, photorealistic. Audio: soft muffled ocean ambience and a distant whale call. No logos, no readable text, no products, no watermark, no brand marks.

View through a night train window: raindrops streak and merge on the glass while blurred city lights and neon bokeh sweep past in the dark, reflections sliding across the window frame. Moody cinematic tone, shallow depth of field. Audio: faint rain, rhythmic rail hum. No logos, no readable text, no watermark.

Extreme macro shot: a single drop of black ink falls into clear still water and blooms into slow swirling tendrils, delicate fluid dynamics, backlit against a soft white background, high-detail abstract motion, no camera movement. Silent, minimal. No logos, no readable text, no watermark.

Gemini Omni Flash Text to Video

Gemini Omni Flash Text to Video 是 Google DeepMind 打造的多模态文本生成视频模型。仅凭自然语言提示词即可输出 4–10 秒短片,并同步生成对白、音乐与环境音效,同时响应推进、跟拍等运镜与光影指令。可在 720p、1080p 与 4K 之间选择,配合 16:9 或 9:16 画幅,适合社交短视频批量制作、广告概念打样、品牌故事板与创意原型验证。

为什么选择此端点?

  • 纯文本一次生成全能短片用自然语言描述主体、场景、情绪与动作,即可一次输出带画面与声音的完整短片,无需另建音频流水线。

  • 原生音频与口型同步将对白、音乐与环境声嵌入 MP4,使口型与发声时机、画面动作紧密对齐。

  • 电影级运镜与光影语言响应推进、推轨、跟拍、环绕与光影提示,便于编排产品揭示与故事节拍的视觉方向。

  • 720p 至 4K 交付档位日常迭代用 720p 或 1080p,需要更清晰纹理与光影细节时再升级到 4K 终稿。

  • 4–10 秒灵活节奏可选 4、6、8、10 秒(默认 6 秒),覆盖开屏钩子、中等时长演示与更完整短叙事。

  • 横竖屏画幅可选16:9 适合横向叙事,9:16 适合 Reels、Shorts 与 TikTok 竖屏分发。

参数

参数要求说明
prompt必填

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

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. 编写场景提示词在 prompt 中写清主体、环境与主要动作,例如金色时刻光线下的产品英雄镜头与自信走场。

  2. 补充运镜与音频指引写明推进、推轨或跟拍,以及光影情绪、对白或环境声线索,使画面与声音保持对齐。

  3. 设置输出时长选择 4、6、8 或 10 秒(默认 6 秒),匹配本段节拍需要的长度。

  4. 选择分辨率快速迭代选 720p,更清晰交付选 1080p,高细节终稿选 4K。

  5. 选择画面比例按分发版式选择 16:9 横屏或 9:16 竖屏。

  6. 确认费用并运行查看运行按钮显示的费用,完成提示词与参数后点击运行。

  7. 预览并下载视频任务完成后,在输出面板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

  • 社交短视频制作批量产出带口型同步音频的 9:16 钩子与对白镜头,适配 TikTok、Reels 与 Shorts。

  • 电商产品动效展示描述产品揭示、材质特写与环境声,生成可用于落地页与货架页的动效演示。

  • 品牌概念故事板将战役简报转化为 4–10 秒电影感节拍,在正式制作前对齐创意方向。

  • 对白与虚拟人内容用语言与语气线索指导说话表演,使口型跟踪脚本化表达。

专业建议

  • 按主体与环境、动作、运镜、光影、音频的顺序组织提示词,让每一层承担明确任务。
  • 明确写出 slow push-in、dolly、side tracking 等运镜,并将主体动作分句描述。
  • 用 Audio 行补充对白语言、配乐情绪与对应画面事件的环境声。
  • 写清光质与色调——金色侧光、柔和窗光、霓虹反射——以锁定氛围。
  • 每个片段围绕一个主动作,写清开场状态、过程变化与收尾画面,降低画面漂移。

使用说明

  • Gemini Omni Flash Text to Video 以必填 prompt 驱动,并可配置 duration、resolution 与 aspect_ratio。
  • 在提示词中描述对白、音乐或环境声;结果包含原生音画口型同步。
  • 提示词去除首尾空格后为 1–20,000 个字符;指令宜具体、电影化。
  • 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 Text to Video API 常见问题

Gemini Omni Flash Text to Video API 是什么?

Gemini Omni Flash Text to Video 是 Google DeepMind 用于文本生成视频的多模态模型。它根据文本提示词生成 4–10 秒短片,具备原生音画口型同步、电影级运镜与光影控制,并支持 720p 至 4K 分辨率。基于 Gemini 统一多模态架构,它在遵循提示词物理规律与叙事节奏的同时,保持主体运动、场景连贯与音画对齐。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 Text to Video 一次能生成多久?

单次可选 4、6、8 或 10 秒,体验区预选 6 秒。短钩子选较短时长,更完整节拍选较长时长;具体积分随时长与分辨率变化,见本页价格说明。

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

支持。对白、音乐与环境声随画面一并生成并写入 MP4。在提示词中补充语言、语气与环境声线索,口型与发声时机即可跟踪表达。

Gemini Omni Flash Text to Video 何时适合用 4K?

需要更清晰纹理、光影反射与终稿交付时选 4K。日常迭代先用 720p 或 1080p——时长选项相同、积分更低——再把选定镜头升到 4K。

Gemini Omni Flash Text to Video 如何遵循运镜提示?

把 slow push-in、dolly、side tracking 等明确运镜单独成句,并与主体动作分开写。再配合光影线索,构图与氛围会更可控。

Gemini Omni Flash Text to Video 适合做 9:16 竖屏吗?

适合。选择 9:16 并描述竖向构图与主体位置,适配移动信息流。需要横向叙事或横屏广告位时改用 16:9。

Gemini Omni Flash Text 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。