Vi använder cookies. Cookies och webbläsarlagring håller dig inloggad och kommer ihåg dina preferenser. Med ditt tillstånd mäter vi också hur webbplatsen används. Du kan när som helst. Läs vår cookiepolicy.
google/gemini-omni-1.1-flashKörs på ditt saldo till priserna ovan. Nya konton börjar med gratis användning.
Inställningar
Google: Gemini Omni 1.1 Flash är en inbyggd multimodal modell för videogenerering och videoredigering från Google. Den är den allmänt tillgängliga efterföljaren till Gemini Omni Flash Preview, och den tillhör kategorin video samtidigt som den även täcker text. Om du har följt Googles Omni-serie är detta versionen avsedd för produktionsanvändning snarare än försök i förhandsversion.
Modellen tar emot text, bild och video som indata, och den producerar text och video som utdata. Dess kontextfönster är 131 072 tokens, med en maximal utdata på 65 536 tokens. På videosidan stöder den upplösningarna 360p, 720p, 1080p och 4K, bildförhållandena 16:9 och 9:16, samt klipplängder från 3 till 10 sekunder i steg om en sekund. Den kan ta en första bildruta, en sista bildruta, eller båda, vilket möjliggör kontrollerade övergångar och interpolering, och den kan generera ljud tillsammans med videon.
Dessa funktioner pekar mot en ganska specifik uppsättning arbetsflöden. Text-till-video täcker konceptbilder, storyboards och korta klipp för sociala medier, medan bild-till-video låter dig animera en stillbild eller en produktrendering. Att ange en första och en sista bildruta är användbart när du behöver ett definierat start- och sluttillstånd, till exempel i reklamklipp eller scenövergångar. Bildförhållandet 9:16 och de korta längderna passar vertikala format, och 4K-utdata finns där när den slutliga leveransen behöver den extra upplösningen. Eftersom modellen även läser video som indata är redigering och omstilisering av befintligt material en del av samma yta snarare än en separat pipeline.
Du anropar den via api14:s OpenAI-kompatibla API med modell-id:t "google/gemini-omni-1.1-flash". De parametrar som stöds i förfrågan är include_reasoning, max_tokens, reasoning, reasoning_effort, seed, temperature och top_p. Parametern seed är värd att ställa in när du vill ha reproducerbara genereringar mellan körningar, och temperature och top_p ger dig den vanliga kontrollen över sampling. Resonemangsparametrarna låter dig bestämma om resonemang ska inkluderas och hur mycket ansträngning som läggs på det, vilket spelar roll när en prompt behöver planeras innan videon produceras.
Det finns ingen angiven begränsning som skulle utesluta modellen för allmänt videarbete, men den fasta uppsättningen bildförhållanden, 16:9 och 9:16, innebär att format utanför dessa två inte täcks här. Längderna är begränsade till 10 sekunder per generering, så längre sekvenser måste byggas upp från flera klipp. Om din uppgift är enbart textgenerering utan videokomponent är en textfokuserad modell vanligtvis det enklare valet.
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_pDen här communityn har inga trådar ännu. Starta den första om Google: Gemini Omni 1.1 Flash.