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-1.2-flashऊपर दी गई कीमतों पर आपके बैलेंस से चलता है। नए अकाउंट मुफ्त उपयोग से शुरू होते हैं।
सेटिंग्स
Gemini Omni 1.2 Flash, Google का एक नेटिव मल्टीमॉडल मॉडल है, जिसे Gemini Omni 1.1 Flash के उत्तराधिकारी के रूप में प्रस्तुत किया गया है। यह वीडियो श्रेणी में आता है, साथ ही टेक्स्ट को भी संभालता है, इसलिए इसे ऐसे काम के लिए बनाया गया है जो भाषा समझ को वीडियो जनरेशन और एडिटिंग के साथ जोड़ता है, न कि केवल टेक्स्ट के लिए।
मॉडल इनपुट के रूप में टेक्स्ट, इमेज और वीडियो स्वीकार करता है, और आउटपुट के रूप में टेक्स्ट या वीडियो लौटा सकता है। इसका कॉन्टेक्स्ट विंडो 131,072 टोकन है, अधिकतम आउटपुट 65,536 टोकन के साथ। वीडियो पक्ष पर यह 360p, 720p, 1080p और 4K रेज़ोल्यूशन, 16:9 और 9:16 आस्पेक्ट रेशियो, और 3 से 15 सेकंड तक की क्लिप अवधि का समर्थन करता है। आप पहला फ्रेम, आखिरी फ्रेम, या दोनों दे सकते हैं, और ऑडियो जनरेशन उपलब्ध है। रीज़निंग कंट्रोल पैरामीटर सेट का हिस्सा हैं, जिसका मतलब है कि जब आप मांगें तो मॉडल अपनी रीज़निंग प्रक्रिया दिखा सकता है।
ये क्षमताएं काफी विशिष्ट प्रकार के कामों की ओर इशारा करती हैं। चूंकि यह वीडियो को इनपुट के रूप में लेता है और बनाता भी है, यह एडिटिंग और ट्रांसफॉर्मेशन के काम के लिए उपयुक्त है: मौजूदा फुटेज को नया रूप देना, किसी क्लिप को बढ़ाना या समायोजित करना, या आसपास की सामग्री को एक जैसा रखते हुए सेगमेंट को फिर से जनरेट करना। पहला फ्रेम और आखिरी फ्रेम इनपुट इसे नियंत्रित ट्रांज़िशन के लिए और किसी शॉट को नियोजित शुरुआत और अंत से मिलाने के लिए उपयोगी बनाते हैं। दो आस्पेक्ट रेशियो लैंडस्केप डिलीवरी और वर्टिकल फॉर्मेट दोनों को कवर करते हैं, और रेज़ोल्यूशन रेंज आपको 1080p या 4K पर अंतिम वर्ज़न रेंडर करने से पहले कम रेज़ोल्यूशन पर तेज़ी से इटरेट करने देती है। ऑडियो जनरेशन का मतलब है कि आप अलग साउंड पास के बिना एक पूरी छोटी क्लिप बना सकते हैं। वीडियो आउटपुट के साथ टेक्स्ट इनपुट भी प्रॉम्प्ट आधारित स्टोरीबोर्ड या कॉन्सेप्ट काम के लिए उपयुक्त है, जहां आप एक दृश्य का वर्णन करते हैं और एक छोटी क्लिप वापस पाते हैं।
आप मॉडल को api14 के OpenAI-संगत API के ज़रिए मॉडल id "google/gemini-omni-1.2-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 उपयोगी है जब आप रन के बीच प्रतिलिपि योग्य आउटपुट चाहते हैं, और temperature तथा top_p आपको जनरेशन के बीच कितनी भिन्नता मिलेगी, इस पर नियंत्रण देते हैं। रीज़निंग पैरामीटर आपको तय करने देते हैं कि रीज़निंग दिखाई जाए या नहीं और उस पर कितना प्रयास किया जाए।
आउटपुट की सीमा ध्यान में रखें: 65,536 टोकन अधिकतम आउटपुट है, और क्लिप 15 सेकंड तक सीमित हैं, इसलिए लंबे सीक्वेंस को कई जनरेशन से बनाना होगा। यदि आपका काम पूरी तरह टेक्स्ट जनरेशन है और उसमें वीडियो का कोई हिस्सा नहीं है, तो टेक्स्ट पर केंद्रित मॉडल संभवतः अधिक सरल विकल्प है। ऐसे काम के लिए जो भाषा को छोटे वीडियो जनरेशन या एडिटिंग के साथ मिलाता है, यह मॉडल प्रॉम्प्ट से तैयार क्लिप तक का पूरा रास्ता कवर करता है।
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_pइस कम्युनिटी में अभी कोई टॉपिक नहीं है। Google: Gemini Omni 1.2 Flash के बारे में पहला टॉपिक खोलें।