Usiamo i cookie. Cookie e memoria del browser ti mantengono connesso e ricordano le tue preferenze. Con il tuo consenso misuriamo anche come viene usato il sito. Puoi in qualsiasi momento. Consulta la nostra cookie policy.
google/gemini-omni-1.2-flashUsa il tuo saldo ai prezzi indicati sopra. I nuovi account partono con utilizzo gratuito.
Impostazioni
Gemini Omni 1.2 Flash è un modello multimodale nativo di Google, posizionato come successore di Gemini Omni 1.1 Flash. Si colloca nella categoria video pur gestendo anche il testo, quindi è costruito per lavori che combinano la comprensione del linguaggio con la generazione e il montaggio video, non per il solo testo.
Il modello accetta testo, immagini e video come input, e può restituire testo o video come output. La sua finestra di contesto è di 131.072 token, con un output massimo di 65.536 token. Sul lato video supporta risoluzioni di 360p, 720p, 1080p e 4K, rapporti d'aspetto di 16:9 e 9:16, e durate delle clip da 3 a 15 secondi. Puoi fornire un primo frame, un ultimo frame, o entrambi, ed è disponibile la generazione audio. I controlli di ragionamento fanno parte dell'insieme dei parametri, il che significa che il modello può esporre il proprio processo di ragionamento quando lo richiedi.
Queste capacità indicano un insieme di attività piuttosto specifico. Poiché accetta video come input oltre a produrlo, si adatta al lavoro di montaggio e trasformazione: cambiare lo stile di filmati esistenti, estendere o modificare una clip, o rigenerare segmenti mantenendo coerente il materiale circostante. Gli input di primo e ultimo frame lo rendono utile per transizioni controllate e per allineare un'inquadratura a un inizio e una fine pianificati. I due rapporti d'aspetto coprono sia la distribuzione orizzontale sia i formati verticali, e l'intervallo di risoluzioni ti permette di iterare rapidamente a risoluzioni inferiori prima di renderizzare una versione finale a 1080p o 4K. La generazione audio significa che puoi produrre una clip breve completa senza una passata audio separata. L'input di testo insieme all'output video si adatta anche al lavoro di storyboard o concept guidato da prompt, in cui descrivi una scena e ottieni indietro una clip breve.
Chiami il modello tramite l'API compatibile con OpenAI di api14 usando l'id del modello "google/gemini-omni-1.2-flash". I parametri di richiesta supportati sono include_reasoning, max_tokens, reasoning, reasoning_effort, seed, temperature e top_p. Il parametro seed vale la pena usarlo quando vuoi un output riproducibile tra esecuzioni, mentre temperature e top_p ti danno il controllo su quanta variazione ottieni tra le generazioni. I parametri di ragionamento ti permettono di decidere se il ragionamento viene esposto e quanto sforzo viene dedicato ad esso.
Tieni presente il tetto di output: 65.536 token è l'output massimo, e le clip sono limitate a 15 secondi, quindi le sequenze più lunghe devono essere costruite da più generazioni. Se la tua attività è pura generazione di testo senza componente video, un modello focalizzato sul testo è probabilmente più adatto. Per il lavoro che mescola linguaggio con generazione o montaggio di video brevi, questo modello copre l'intero percorso dal prompt alla clip finita.
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_pQuesta community non ha ancora discussioni. Apri la prima su Google: Gemini Omni 1.2 Flash.