Gemini Omni

Generowanie wideoWejście multimodalnePodgląd

Gemini Omni Flash to przedpremierowy multimodalny model Google do generowania i edycji wideo. APIXO udostępnia generowanie wideo wraz z przepływami pracy dla zasobów audio i postaci wielokrotnego użytku, z referencjami tekstowymi, obrazowymi, wideo i zapisanymi zasobami. Twórz lub transformuj filmy ze spójną oprawą wizualną i dźwiękiem, logiką scen uwzględniającą kontekst i opcjami wyjściowymi APIXO do 4K.

Wejścia

Tekst / Obraz / Wideo / Zasoby audio

Cena APIXO

$0.10 / secondEdycje wideo źródłowego wyceniane są za operację

Rozdzielczość APIXO

720p / 1080p / 4K

Czas trwania

4 / 6 / 8 / 10 SekundBez źródłowego pliku wideo

Wydany

30 maja 2026

Ładowanie przestrzeni roboczej...

Możliwości

Łącz kreatywne referencje w spójne wideo

Generowanie z wielu referencji

Tryb wideo APIXO akceptuje prompty wraz z obrazami, jednym źródłowym wideo, identyfikatorami postaci wielokrotnego użytku oraz identyfikatorami audio. Te odniesienia mogą sterować wyglądem, ruchem, strukturą sceny i dźwiękiem w ramach jednego żądania generowania wideo.

Transformacja wideo źródłowego

Dostarcz jedno wideo i opisz transformację, taką jak zmiana otoczenia, stylu wizualnego, akcji lub wybranych elementów sceny. APIXO udostępnia również pozycje początkowe i końcowe do wyboru odpowiedniej części materiału wejściowego.

Zasoby postaci wielokrotnego użytku

Stwórz zasób postaci z dokładnie jednego obrazu, opcjonalnie powiązanego z jednym przygotowanym zasobem audio. Zwrócony identyfikator postaci może być następnie ponownie użyty w żądaniach wideo, przy czym APIXO obsługuje do trzech identyfikatorów postaci na generację.

Zasoby audio wielokrotnego użytku

Zbuduj zasób audio z bazowego głosu wspieranego przez APIXO, opcjonalnego opisu głosu i dialogu podglądowego. Zapisz wynikowy identyfikator audio do późniejszych żądań dotyczących postaci lub wideo; tryb wideo akceptuje do trzech identyfikatorów audio.

Logika sceny zorientowana na świat

Google pozycjonuje Gemini Omni Flash wokół wiedzy o świecie i rozumienia fizycznych zachowań. Pomaga to w konstruowaniu scen opartych na historii, nauce, kontekście kulturowym, grawitacji, ruchu, materiałach i innych relacjach ze świata rzeczywistego.

Skoordynowana warstwa wizualna i dźwiękowa

Gemini Omni Flash generuje wideo z towarzyszącą ścieżką dźwiękową i może reagować na instrukcje czasowe dotyczące dialogów, muzyki, efektów, cięć i zdarzeń na ekranie. Precyzja promptu pozostaje ważna, gdy wymagana jest dokładna synchronizacja lub timing tekstu.

Szczegóły API

Konfiguracja Gemini Omni w APIXO

Zweryfikowane tryby zasobów, dozwolone referencje, ustawienia wyjściowe i limity opublikowane dla ścieżki APIXO.

Zasób audio / Zasób postaci / Wideo

Tryby

16:9 / 9:16

Proporcje

Do 3 identyfikatorów

Zasoby audio

Do 3 identyfikatorów

Zasoby postaci

Do 1 adresu URL

Wideo źródłowe

7 jednostek

Limit referencji

Zastosowania produkcyjne

Buduj systemy produkcji wideo oparte na referencjach

Kampanie marki

Spójne wideo z prezenterem

Przygotuj postać wielokrotnego użytku na podstawie zatwierdzonego portretu i połącz ją z wybranym zasobem audio. Aplikacje mogą następnie generować krótkie filmy kampanii prowadzone przez prezentera w różnych scenach, ponownie wykorzystując te same odniesienia do postaci i głosu.

Kreacja produktowa

Multimodalne historie produktowe

Połącz zdjęcia produktów, zasoby postaci, wytyczne audio i pisemny opis sceny, aby tworzyć klipy premierowe lub koncepcje reklamowe. Użyj kadrów poziomych lub pionowych, aby przygotować warianty dla witryn sklepowych, stron kampanii i kanałów mobilnych.

Adaptacja wideo

Zmiana stylu materiału źródłowego

Prześlij istniejący klip i zażądaj nowego otoczenia, stylu wizualnego, potraktowania obiektu lub efektu narracyjnego. Kontrolki początku i końca pozwalają deweloperom wybrać odpowiedni segment źródłowy przed zastosowaniem transformacji przez APIXO.

Media edukacyjne

Wizualne objaśnienia i storyboardy

Wykorzystaj wiedzę o świecie i zdolność rozumowania fizycznego Gemini Omni do tworzenia krótkich materiałów wyjaśniających zjawiska naukowe, historyczne, procesy lub koncepcje, ze skoordynowaną narracją i ruchem. Traktuj treści faktograficzne jako wersje robocze i zweryfikuj ważne szczegóły przed publikacją.

Przepływ pracy z zasobami

Przygotuj dane wejściowe wielokrotnego użytku przed generowaniem wideo

APIXO oddziela opcjonalne przygotowanie zasobów audio i postaci od asynchronicznego generowania wideo Gemini Omni.

Utwórz zasób audio

Wybierz obsługiwany przez APIXO głos bazowy, nazwij zasób i opcjonalnie podaj wskazówki dotyczące głosu oraz dialog do podglądu. Zapisz zwrócone ID audio do późniejszego użycia z postacią lub bezpośrednio w żądaniu wideo.

Przygotuj zasób postaci

Prześlij dokładnie jeden publiczny obraz postaci z opisowym promptem i, jeśli to przydatne, jedno zapisane ID audio. Zapisz wynikowe ID postaci, aby można było się do niego odwoływać w przyszłych zadaniach wideo Gemini Omni.

Generuj finalne wideo

Połącz prompt z odpowiednimi obrazami, ID audio, ID postaci lub jednym źródłowym wideo. Wybierz obsługiwaną przez APIXO rozdzielczość i opcję kadrowania, a następnie pobierz ukończone wideo poprzez asynchroniczne odpytywanie lub dostarczenie przez webhook.

Uwagi i FAQ

Dostępność i ograniczenia Gemini Omni

Uwagi operacyjne

Ta strona opisuje bieżące tryby wideo, zasobów audio i zasobów postaci Gemini Omni dostępne w APIXO. Nie dotyczy to Gemini w trybie czatu, generowania obrazów, analizy dokumentów ani samodzielnych API mowy.

Przeglądarkowy Playground APIXO jest ustawiony na tryb wideo; przygotowanie zasobów audio i postaci jest udokumentowane do użytku przez API.

APIXO nie dokumentuje bezpośredniego przesyłania plików audio dla tej ścieżki; żądania wideo używają ID audio utworzonych w trybie zasobów audio.

Łączny limit obrazów, wideo źródłowych i postaci wynosi siedem jednostek; jedno wideo zużywa dwie jednostki, podczas gdy każdy obraz lub postać zużywa jedną.

APIXO nie udostępnia na tym punkcie końcowym przepływu pracy Gemini opartego na stanie z `previous_interaction_id`, sesji w czasie rzeczywistym, analizy dokumentów ani użycia narzędzi.

Język angielski jest w pełni obsługiwany przez dostawcę; inne języki nie zostały ocenione i mogą dawać mniej przewidywalne wyniki.

Często zadawane pytania

Nie. Ta strona APIXO opisuje przepływ pracy z wideo Google Gemini Omni, a nie modele Gemini do czatu, kodowania, analizy dokumentów czy agentów. Udostępniane wyniki to identyfikatory zasobów audio lub postaci wielokrotnego użytku oraz wygenerowane adresy URL wideo, w zależności od wybranego trybu APIXO.

APIXO udostępnia trzy tryby: tworzenie zasobów audio, tworzenie zasobów postaci oraz asynchroniczne generowanie wideo. Tryby zasobów przygotowują identyfikatory wielokrotnego użytku dla żądań wideo; nie są to samodzielne punkty końcowe do generowania muzyki, transkrypcji mowy, generowania obrazów ani odpowiedzi konwersacyjnych.

Bez źródłowego pliku wideo, generowanie wideo w rozdzielczości 720p i 1080p kosztuje $0.10 za sekundę, a w 4K $0.20 za sekundę. Z jednym źródłowym plikiem wideo, APIXO pobiera opłatę $1.20 za żądanie w rozdzielczości 720p lub 1080p oraz $1.80 w 4K.

Wideo generowane na podstawie promptu i obrazu referencyjnego bez wideo źródłowego obsługują długość 4, 6, 8 lub 10 sekund. Po podaniu adresu URL wideo źródłowego, APIXO ignoruje ustawienie czasu trwania i zamiast tego używa wybranego segmentu wejściowego oraz stałej opłaty za żądanie.

APIXO dokumentuje transformację jednego przesłanego źródłowego wideo na podstawie promptu, ale nie udostępnia stanowego parametru interakcji wieloturowej od Google w tym punkcie końcowym. Każde zadanie APIXO należy traktować jako niezależne żądanie, chyba że schemat na żywo udokumentuje w przyszłości stan konwersacji.