Wideo

Gemini Omni

Gemini Omni wprowadza multimodalne rozumowanie Google do generowania wideo. Użyj APIXO, aby tworzyć asynchroniczne filmy Gemini Omni z tekstu, referencji obrazowych, wejściowych plików wideo, zasobów audio wielokrotnego użytku i identyfikatorów zasobów postaci.

Zacznij tworzyć Dokumentacja API

720p / 1080p / 4k

4 / 6 / 8 / 10 sekund

Referencje obrazowe, wideo, audio i postaci

16:9 / 9:16

Wygenerowany podgląd

Gemini Omni

Zacznij teraz

Twórz z Gemini Omni

Ładowanie przestrzeni roboczej...

Uwierzytelnianie i Integracja

Sprawdzanie dostępu do API...

Zaloguj się, aby odebrać darmowe kredyty i tworzyć za pomocą tego modelu.

Integruj z AI

Skopiuj prompt dla swojego asystenta AI, aby zainstalować APIXO MCP, odczytać schemat na żywo i zintegrować ten model z Twoją aplikacją.

Punkty końcowe

POSThttps://api.apixo.ai/api/v1/generateTask/gemini-omniUtwórz zadanie

GEThttps://api.apixo.ai/api/v1/statusTask/gemini-omni?taskId={taskId}Status odpytywania

Treść żądania (body)

request_type

async

Użyj callback z callback_url dla webhooków.

input

obiekt

Tryb, prompt, referencje, rozmiar, czas trwania i ustawienia audio.

Parametry

request_typewymagane

Typselect

Użyj trybu asynchronicznego, aby odpytywać o status zadania (statusTask), lub trybu callback, aby otrzymać webhook, gdy wynik będzie gotowy.async · callback

callback_urlwarunkowy

Typtext

Publiczny adres URL HTTPS do dostarczania wywołań zwrotnych (callback).Tylko w request_type=callback

modewymagane

Typselect

Gemini Omni wspiera tryby generowania zasobów audio, zasobów postaci oraz asynchronicznego generowania wideo. Plac zabaw w przeglądarce korzysta z trybu wideo.gemini-omni-audio · gemini-omni-character · gemini-omni-video

promptopcjonalne

Typstring

Wymagane dla trybów postaci i wideo. Opcjonalny opis głosu dla trybu audio.

voice_keyopcjonalne

Typtext

Tylko tryb audio. Oficjalny klucz głosu bazowego, taki jak achernar, aoede, charon, kore lub zephyr.

nameopcjonalne

Typtext

Wymagane do tworzenia zasobów audio i opcjonalne do tworzenia zasobów postaci.

preview_textopcjonalne

Typstring

Tylko tryb audio. Opcjonalny dialog podglądowy dla wygenerowanego zasobu głosowego.

audio_idsopcjonalne

Typlist

Opcjonalne identyfikatory zasobów audio zwrócone przez gemini-omni-audio. Tryb wideo obsługuje do 3 identyfikatorów.

character_idsopcjonalne

Typlist

Opcjonalne identyfikatory zasobów postaci zwrócone przez gemini-omni-character. Tryb wideo obsługuje do 3 identyfikatorów; każdy ID wykorzystuje jedną jednostkę kwoty multimodalnej.

resolutionopcjonalne

Typselect

Wymagane do generowania wideo. Obsługiwane wartości to 720p, 1080p i 4k.720p · 1080p · 4k

durationopcjonalne

Typselect

Wymagane do generowania wideo, gdy nie podano źródłowego wideo. Ignorowane, gdy obecne jest video_urls.4 · 6 · 8 · 10

aspect_ratioopcjonalne

Typselect

Opcjonalne wyjściowe proporcje obrazu dla generowanego wideo.16:9 · 9:16

video_startopcjonalne

Typtext

Opcjonalna pozycja początkowa źródłowego wideo. Wymaga video_urls i musi być nieujemna.

video_endopcjonalne

Typtext

Opcjonalna pozycja końcowa źródłowego wideo. Wymaga video_urls i musi być większa lub równa video_start.

seedopcjonalne

Typtext

Opcjonalny nieujemny losowy seed do generowania wideo.

Parametr	Typ	Wymagane	Opis
`request_type`	select	wymagane	Użyj trybu asynchronicznego, aby odpytywać o status zadania (statusTask), lub trybu callback, aby otrzymać webhook, gdy wynik będzie gotowy.async · callback
`callback_url`	text	warunkowy	Publiczny adres URL HTTPS do dostarczania wywołań zwrotnych (callback).Tylko w request_type=callback
`mode`	select	wymagane	Gemini Omni wspiera tryby generowania zasobów audio, zasobów postaci oraz asynchronicznego generowania wideo. Plac zabaw w przeglądarce korzysta z trybu wideo.gemini-omni-audio · gemini-omni-character · gemini-omni-video
`prompt`	string	opcjonalne	Wymagane dla trybów postaci i wideo. Opcjonalny opis głosu dla trybu audio.
`voice_key`	text	opcjonalne	Tylko tryb audio. Oficjalny klucz głosu bazowego, taki jak achernar, aoede, charon, kore lub zephyr.
`name`	text	opcjonalne	Wymagane do tworzenia zasobów audio i opcjonalne do tworzenia zasobów postaci.
`preview_text`	string	opcjonalne	Tylko tryb audio. Opcjonalny dialog podglądowy dla wygenerowanego zasobu głosowego.
`audio_ids`	list	opcjonalne	Opcjonalne identyfikatory zasobów audio zwrócone przez gemini-omni-audio. Tryb wideo obsługuje do 3 identyfikatorów.
`character_ids`	list	opcjonalne	Opcjonalne identyfikatory zasobów postaci zwrócone przez gemini-omni-character. Tryb wideo obsługuje do 3 identyfikatorów; każdy ID wykorzystuje jedną jednostkę kwoty multimodalnej.
`resolution`	select	opcjonalne	Wymagane do generowania wideo. Obsługiwane wartości to 720p, 1080p i 4k.720p · 1080p · 4k
`duration`	select	opcjonalne	Wymagane do generowania wideo, gdy nie podano źródłowego wideo. Ignorowane, gdy obecne jest video_urls.4 · 6 · 8 · 10
`aspect_ratio`	select	opcjonalne	Opcjonalne wyjściowe proporcje obrazu dla generowanego wideo.16:9 · 9:16
`video_start`	text	opcjonalne	Opcjonalna pozycja początkowa źródłowego wideo. Wymaga video_urls i musi być nieujemna.
`video_end`	text	opcjonalne	Opcjonalna pozycja końcowa źródłowego wideo. Wymaga video_urls i musi być większa lub równa video_start.
`seed`	text	opcjonalne	Opcjonalny nieujemny losowy seed do generowania wideo.

Parametry plików (tablice URL)

image_urlsTryb postaci wymaga dokładnie jednego obrazu. Tryb wideo akceptuje opcjonalne obrazy referencyjne; każdy obraz zużywa jedną jednostkę limitu multimodalnego.

video_urlsTryb wideo akceptuje maksymalnie jedno wideo źródłowe. Adres URL wideo zużywa dwie jednostki limitu multimodalnego; gdy jest obecny, czas trwania jest ignorowany, a rozliczenie jest stałe za żądanie.

Przykład (cURL)

curl -X POST "https://api.apixo.ai/api/v1/generateTask/gemini-omni" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "request_type": "async",
    "input": {
      "mode": "gemini-omni-video",
      "prompt": "A cinematic macro shot of a translucent glass hummingbird hovering above a rain-soaked neon flower, soft reflections, realistic motion, shallow depth of field",
      "resolution": "720p",
      "duration": "4",
      "aspect_ratio": "16:9"
    }
  }'

Pełna dokumentacja API

Wskazówki do Gemini Omni

Utwórz generowanie wideo za pomocą Gemini Omni

Używaj Gemini Omni przez APIXO, aby testować prompty, przeglądać przykłady, porównywać koszty i zachowywać przydatne ustawienia do przyszłych generacji.

Utwórz

Zacznij od pomysłu

Wybierz model, dostosuj ustawienia i twórz w jednym miejscu.

Napisz pomysł

Opisz, co chcesz stworzyć.

Użyj przykładu

Zacznij od gotowego stylu.

Dostosuj wygląd

Szybko dostosuj kluczowe ustawienia.

Utwórz

Generuj, gdy wszystko jest gotowe.

Zachowaj wyniki

Zapisuj to, do czego chcesz wrócić.

Spróbuj ponownie

Stwórz następną wersję szybciej.

Specyfikacja techniczna API Gemini Omni

Aktualne możliwości modelu Gemini Omni oraz ważne limity tworzenia.

Tryby Gemini Omni

Generowanie wideo Gemini Omni z opcjonalnymi referencjami multimodalnymi

wynik Gemini Omni

720p / 1080p / 4k

Sterowanie Gemini Omni

4 / 6 / 8 / 10 sekund / Referencje obrazowe, wideo, audio i postaci

Opóźnienie Gemini Omni

Zazwyczaj 1-3 minuty

API Google do multimodalnego wideo

Kluczowe możliwości Gemini Omni

generowanie wideo Gemini Omni

Użyj Gemini Omni do tworzenia Generowanie wideo Gemini Omni z opcjonalnymi referencjami multimodalnymi z prostymi kontrolkami dla promptów, referencji i ustawień wyjściowych.

kontrola referencji Gemini Omni

Prześlij obsługiwane zasoby referencyjne, jeśli są dostępne, a następnie kontynuuj dopracowywanie tego samego pomysłu na stronie modelu.

Status generowania Gemini Omni

Śledź dłuższe generowanie wideo, podczas gdy wynik jest przygotowywany.

Co można zbudować za pomocą Gemini Omni?

filmy produktowe Gemini Omni

Twórz prezentacje produktów, reklamy e-commerce, klipy premierowe i materiały wideo do kampanii.

kreacje do social mediów Gemini Omni

Generuj krótkie filmy na kanały społecznościowe i szybko iteruj, zmieniając ustawienia promptu, czasu trwania, rozdzielczości i proporcji.

workflow storyboardów Gemini Omni

Użyj promptów tekstowych i referencji do walidacji scen, ujęć i pomysłów na ruch przed zatwierdzeniem budżetu produkcyjnego.

Przeczytaj FAQ

Uwagi i pytania dotyczące Gemini Omni

Na potrzeby tego wdrożenia Playground w przeglądarce jest na stałe ustawiony na gemini-omni-video; tworzenie zasobów audio i postaci jest udokumentowane do użytku przez API.

Generowanie wideo wymaga podania promptu i rozdzielczości. Czas trwania jest wymagany tylko wtedy, gdy nie podano video_urls.

Obsługiwane czasy trwania wideo bez wideo źródłowego to 4, 6, 8 i 10 sekund.

Tryb wideo obsługuje do 3 identyfikatorów audio, do 3 identyfikatorów postaci i do 1 adresu URL wideo źródłowego.

Limit multimodalny dla image_urls, video_urls i character_ids nie może przekroczyć 7 jednostek. Każdy obraz zużywa 1 jednostkę, jedno wideo źródłowe zużywa 2 jednostki, a każdy identyfikator postaci zużywa 1 jednostkę.

Parametry video_start i video_end wymagają video_urls, nie mogą być ujemne, a video_end musi być większe lub równe video_start.

Rzeczywiste opóźnienie zależy od złożoności promptu, danych wejściowych, wybranej rozdzielczości i obciążenia kolejki dostawcy.

Tak. Użyj zakładki Tworzenie, aby testować prompty, przesyłać obsługiwane dane wejściowe i dostosowywać ustawienia bezpośrednio w przeglądarce.

APIXO

Twórz z Gemini Omni

Napisz prompt, dostosuj styl i generuj swój następny obraz w jednym miejscu.

Zacznij tworzyć Zobacz dokumentację API