हम cookies इस्तेमाल करते हैं. Cookies और ब्राउज़र स्टोरेज आपको साइन इन रखते हैं और आपकी प्राथमिकताएं याद रखते हैं। आपकी अनुमति से हम यह भी मापते हैं कि साइट कैसे इस्तेमाल होती है। आप कभी भी । हमारी cookie नीति देखें।
google/gemini-omni-1.1-flashऊपर दी गई कीमतों पर आपके बैलेंस से चलता है। नए अकाउंट मुफ्त उपयोग से शुरू होते हैं।
सेटिंग्स
गूगल: Gemini Omni 1.1 Flash, गूगल का एक नेटिव मल्टीमॉडल वीडियो जनरेशन और एडिटिंग मॉडल है। यह Gemini Omni Flash Preview का सामान्य रूप से उपलब्ध उत्तराधिकारी है, और यह वीडियो श्रेणी में आता है, साथ ही टेक्स्ट को भी कवर करता है। यदि आप गूगल की Omni लाइन पर नज़र रख रहे हैं, तो यह वह संस्करण है जो प्रीव्यू प्रयोग के बजाय प्रोडक्शन उपयोग के लिए है।
मॉडल इनपुट के रूप में टेक्स्ट, इमेज और वीडियो स्वीकार करता है, और आउटपुट के रूप में टेक्स्ट और वीडियो उत्पन्न करता है। इसका कॉन्टेक्स्ट विंडो 131,072 टोकन है, अधिकतम आउटपुट 65,536 टोकन के साथ। वीडियो की ओर, यह 360p, 720p, 1080p और 4K रेज़ोल्यूशन, 16:9 और 9:16 आस्पेक्ट रेशियो, और 3 से 10 सेकंड तक की क्लिप अवधि, एक सेकंड के चरणों में, का समर्थन करता है। यह पहला फ्रेम, आखिरी फ्रेम, या दोनों ले सकता है, जिससे नियंत्रित ट्रांज़िशन और इंटरपोलेशन संभव हो जाता है, और यह वीडियो के साथ ऑडियो भी उत्पन्न कर सकता है।
ये क्षमताएँ वर्कफ़्लो के एक काफी विशिष्ट समूह की ओर इशारा करती हैं। टेक्स्ट-टू-वीडियो में कॉन्सेप्ट शॉट, स्टोरीबोर्ड और छोटी सोशल क्लिप शामिल हैं, जबकि इमेज-टू-वीडियो आपको किसी स्टिल या प्रोडक्ट रेंडर को एनिमेट करने देता है। पहला और आखिरी फ्रेम देना तब उपयोगी होता है जब आपको एक निर्धारित शुरुआत और अंत की स्थिति चाहिए, उदाहरण के लिए विज्ञापन कटडाउन या सीन ट्रांज़िशन में। 9:16 रेशियो और छोटी अवधि वर्टिकल फॉर्मेट के लिए उपयुक्त हैं, और 4K आउटपुट तब मौजूद है जब अंतिम डिलीवरेबल को अतिरिक्त रेज़ोल्यूशन की आवश्यकता हो। चूँकि मॉडल इनपुट के रूप में वीडियो भी पढ़ता है, मौजूदा फुटेज को एडिट करना और रीस्टाइल करना एक अलग पाइपलाइन के बजाय इसी सतह का हिस्सा है।
आप इसे api14 के OpenAI-संगत API के माध्यम से मॉडल आईडी "google/gemini-omni-1.1-flash" का उपयोग करके कॉल करते हैं। समर्थित रिक्वेस्ट पैरामीटर हैं include_reasoning, max_tokens, reasoning, reasoning_effort, seed, temperature और top_p। seed पैरामीटर तब सेट करने योग्य है जब आप रन के बीच प्रतिलिपि-योग्य जनरेशन चाहते हैं, और temperature तथा top_p आपको सैंपलिंग पर सामान्य नियंत्रण देते हैं। reasoning पैरामीटर आपको यह तय करने देते हैं कि रीज़निंग शामिल की जाए या नहीं और उस पर कितना प्रयास किया जाए, जो तब मायने रखता है जब वीडियो बनाए जाने से पहले किसी प्रॉम्प्ट को योजना की आवश्यकता हो।
ऐसा कोई घोषित प्रतिबंध नहीं है जो मॉडल को सामान्य वीडियो कार्य के लिए अयोग्य ठहराए, लेकिन आस्पेक्ट रेशियो के निश्चित सेट, 16:9 और 9:16, का अर्थ है कि इन दोनों के बाहर के फॉर्मेट यहाँ कवर नहीं हैं। अवधि प्रति जनरेशन 10 सेकंड तक सीमित है, इसलिए लंबे सीक्वेंस को कई क्लिप से बनाना होगा। यदि आपका कार्य विशुद्ध रूप से टेक्स्ट जनरेशन है और उसमें कोई वीडियो घटक नहीं है, तो टेक्स्ट-केंद्रित मॉडल आमतौर पर सरल विकल्प होगा।
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-1.1-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_pइस कम्युनिटी में अभी कोई टॉपिक नहीं है। Google: Gemini Omni 1.1 Flash के बारे में पहला टॉपिक खोलें।