Używamy plików cookie. Pliki cookie i pamięć przeglądarki pozwalają utrzymać logowanie i zapamiętać Twoje preferencje. Za Twoją zgodą mierzymy też, jak korzystasz ze strony. W każdej chwili możesz . Zobacz naszą politykę cookie.
google/gemini-omni-1.1-flashKorzysta z Twojego salda według powyższych cen. Nowe konta zaczynają z darmowym użyciem.
Google: Gemini Omni 1.1 Flash to natywny multimodalny model do generowania i edycji wideo od Google. Jest ogólnie dostępnym następcą Gemini Omni Flash Preview i należy do kategorii wideo, obejmując jednocześnie tekst. Jeśli śledzisz linię Omni od Google, to wersja przeznaczona do użycia produkcyjnego, a nie do eksperymentów na wersji zapoznawczej.
Model przyjmuje tekst, obraz i wideo jako dane wejściowe, a zwraca tekst i wideo jako dane wyjściowe. Jego okno kontekstowe wynosi 131 072 tokeny, a maksymalna długość danych wyjściowych to 65 536 tokenów. Po stronie wideo obsługuje rozdzielczości 360p, 720p, 1080p i 4K, proporcje 16:9 i 9:16 oraz długości klipów od 3 do 10 sekund w krokach co jedną sekundę. Może przyjąć pierwszą klatkę, ostatnią klatkę lub obie, co umożliwia kontrolowane przejścia i interpolację, a także może generować dźwięk razem z wideo.
Te możliwości wskazują na dość konkretny zestaw przepływów pracy. Tekst na wideo obejmuje ujęcia koncepcyjne, storyboardy i krótkie klipy społecznościowe, natomiast obraz na wideo pozwala animować nieruchomy obraz lub render produktu. Podanie pierwszej i ostatniej klatki jest przydatne, gdy potrzebujesz zdefiniowanego stanu początkowego i końcowego, na przykład w skrótach reklamowych lub przejściach między scenami. Proporcja 9:16 i krótkie czasy trwania pasują do formatów pionowych, a wyjście 4K jest dostępne, gdy końcowy materiał wymaga dodatkowej rozdzielczości. Ponieważ model odczytuje również wideo jako dane wejściowe, edycja i zmiana stylu istniejącego materiału jest częścią tego samego interfejsu, a nie osobnym potokiem.
Wywołujesz go przez zgodne z OpenAI API api14, używając identyfikatora modelu "google/gemini-omni-1.1-flash". Obsługiwane parametry żądania to include_reasoning, max_tokens, reasoning, reasoning_effort, seed, temperature i top_p. Parametr seed warto ustawić, gdy chcesz uzyskać powtarzalne generacje między uruchomieniami, a temperature i top_p dają zwykłą kontrolę nad próbkowaniem. Parametry reasoning pozwalają zdecydować, czy rozumowanie ma być uwzględnione i ile wysiłku się na nie przeznacza, co ma znaczenie, gdy prompt wymaga zaplanowania przed wygenerowaniem wideo.
Nie ma podanego ograniczenia, które wykluczałoby model z ogólnej pracy z wideo, ale stały zestaw proporcji, 16:9 i 9:16, oznacza, że formaty spoza tych dwóch nie są tu obsługiwane. Czasy trwania są ograniczone do 10 sekund na generację, więc dłuższe sekwencje trzeba budować z wielu klipów. Jeśli twoje zadanie polega wyłącznie na generowaniu tekstu bez komponentu wideo, model skupiony na tekście będzie zwykle prostszym wyborem.
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_pTa społeczność nie ma jeszcze wątków. Załóż pierwszy wątek o Google: Gemini Omni 1.1 Flash.
Ustawienia