Usamos cookies. Cookies e o armazenamento do navegador mantêm você conectado e lembram suas preferências. Com sua permissão, também medimos como o site é usado. Você pode a qualquer momento. Veja nossa política de cookies.
google/gemini-omni-1.2-flashUsa o seu saldo, aos preços acima. Novas contas começam com uso grátis.
Configurações
O Gemini Omni 1.2 Flash é um modelo multimodal nativo do Google, posicionado como o sucessor do Gemini Omni 1.1 Flash. Ele está na categoria de vídeo e também lida com texto, por isso foi criado para trabalhos que combinam compreensão de linguagem com geração e edição de vídeo, e não apenas para texto.
O modelo aceita texto, imagens e vídeo como entrada, e pode retornar texto ou vídeo como saída. Sua janela de contexto é de 131.072 tokens, com saída máxima de 65.536 tokens. No lado de vídeo, ele suporta resoluções de 360p, 720p, 1080p e 4K, proporções de tela de 16:9 e 9:16, e durações de clipe de 3 a 15 segundos. Você pode fornecer um primeiro quadro, um último quadro, ou ambos, e a geração de áudio está disponível. Os controles de raciocínio fazem parte do conjunto de parâmetros, o que significa que o modelo pode expor seu processo de raciocínio quando você solicitar.
Essas capacidades apontam para um conjunto bastante específico de tarefas. Como ele recebe vídeo como entrada e também o produz, ele se encaixa em trabalhos de edição e transformação: reestilizar filmagens existentes, estender ou ajustar um clipe, ou regenerar segmentos mantendo o material ao redor consistente. As entradas de primeiro quadro e último quadro o tornam útil para transições controladas e para alinhar uma cena a um início e fim planejados. As duas proporções de tela cobrem tanto entrega em paisagem quanto formatos verticais, e a faixa de resolução permite iterar rapidamente em resoluções mais baixas antes de renderizar uma versão final em 1080p ou 4K. A geração de áudio significa que você pode produzir um clipe curto completo sem uma passagem de som separada. A entrada de texto junto com a saída de vídeo também é adequada para trabalho de storyboard ou conceito orientado por prompt, em que você descreve uma cena e recebe um clipe curto de volta.
Você chama o modelo através da API compatível com OpenAI da api14 usando o id de modelo "google/gemini-omni-1.2-flash". Os parâmetros de requisição suportados são include_reasoning, max_tokens, reasoning, reasoning_effort, seed, temperature e top_p. O parâmetro seed vale a pena ser usado quando você quer saída reproduzível entre execuções, e temperature e top_p dão a você controle sobre quanta variação existe entre gerações. Os parâmetros de raciocínio permitem decidir se o raciocínio é exposto e quanto esforço é gasto nele.
Tenha em mente o teto de saída: 65.536 tokens é a saída máxima, e os clipes são limitados a 15 segundos, então sequências mais longas precisam ser construídas a partir de múltiplas gerações. Se sua tarefa é puramente geração de texto sem componente de vídeo, um modelo focado em texto provavelmente é uma escolha mais simples. Para trabalho que mistura linguagem com geração ou edição de vídeo curto, este modelo cobre o caminho completo do prompt ao clipe finalizado.
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 comunidade ainda não tem tópicos. Abra o primeiro sobre Google: Gemini Omni 1.2 Flash.