Usamos cookies. Las cookies y el almacenamiento del navegador mantienen tu sesión iniciada y recuerdan tus preferencias. Con tu permiso, también medimos cómo se usa el sitio. Puedes en cualquier momento. Consulta nuestra política de cookies.
google/gemini-omni-1.2-flashSe ejecuta con tu saldo a los precios indicados arriba. Las cuentas nuevas empiezan con uso gratuito.
Configuración
Gemini Omni 1.2 Flash es un modelo multimodal nativo de Google, posicionado como el sucesor de Gemini Omni 1.1 Flash. Se ubica en la categoría de video y también maneja texto, por lo que está diseñado para trabajo que combina comprensión de lenguaje con generación y edición de video, en lugar de solo texto.
El modelo acepta texto, imágenes y video como entrada, y puede devolver texto o video como salida. Su ventana de contexto es de 131,072 tokens, con una salida máxima de 65,536 tokens. En el lado de video admite resoluciones de 360p, 720p, 1080p y 4K, relaciones de aspecto de 16:9 y 9:16, y duraciones de clip de 3 a 15 segundos. Puedes proporcionar un primer fotograma, un último fotograma, o ambos, y la generación de audio está disponible. Los controles de razonamiento son parte del conjunto de parámetros, lo que significa que el modelo puede exponer su proceso de razonamiento cuando lo solicitas.
Esas capacidades apuntan a un conjunto bastante específico de tareas. Debido a que toma video como entrada además de producirlo, encaja en trabajo de edición y transformación: cambiar el estilo de metraje existente, extender o ajustar un clip, o regenerar segmentos mientras se mantiene consistente el material circundante. Las entradas de primer fotograma y último fotograma lo hacen útil para transiciones controladas y para hacer coincidir una toma con un inicio y un final planificados. Las dos relaciones de aspecto cubren tanto la entrega horizontal como los formatos verticales, y el rango de resolución te permite iterar rápidamente en resoluciones más bajas antes de renderizar una versión final en 1080p o 4K. La generación de audio significa que puedes producir un clip corto completo sin una pasada de sonido separada. La entrada de texto junto con la salida de video también se adapta al trabajo de storyboard o conceptos guiado por prompts, donde describes una escena y obtienes un clip corto de vuelta.
Llamas al modelo a través de la API compatible con OpenAI de api14 usando el id de modelo "google/gemini-omni-1.2-flash". Los parámetros de solicitud admitidos son include_reasoning, max_tokens, reasoning, reasoning_effort, seed, temperature y top_p. Vale la pena usar el parámetro seed cuando quieres una salida reproducible entre ejecuciones, y temperature y top_p te dan control sobre cuánta variación obtienes entre generaciones. Los parámetros de razonamiento te permiten decidir si el razonamiento se expone y cuánto esfuerzo se dedica a él.
Ten en cuenta el techo de salida: 65,536 tokens es la salida máxima, y los clips están limitados a 15 segundos, por lo que las secuencias más largas deben construirse a partir de múltiples generaciones. Si tu tarea es puramente generación de texto sin componente de video, un modelo enfocado en texto probablemente sea un ajuste más simple. Para trabajo que mezcla lenguaje con generación o edición de video corto, este modelo cubre la ruta completa desde el prompt hasta el clip terminado.
import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://api14.com/api/v1",
apiKey: process.env.API14_API_KEY,
});
// Video generation is asynchronous: submit, then poll until completed.
let job = await client.post("/videos", { body: {
"model": "google/gemini-omni-1.2-flash",
"prompt": "A drone shot over turquoise ocean waves at sunrise",
"duration": 8,
"resolution": "720p",
"aspect_ratio": "16:9"
} });
while (!["completed", "failed"].includes(job.status)) {
await new Promise((r) => setTimeout(r, 5000));
job = await client.get(`/videos/${job.id}`);
}
console.log(job.status, job.unsigned_urls);
include_reasoningmax_tokensreasoningreasoning_effortseedtemperaturetop_pEsta comunidad aún no tiene temas. Abre el primero sobre Google: Gemini Omni 1.2 Flash.