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-1.2-flashKörs på ditt saldo till priserna ovan. Nya konton börjar med gratis användning.
Inställningar
Gemini Omni 1.2 Flash är en inbyggd multimodell från Google, positionerad som efterträdaren till Gemini Omni 1.1 Flash. Den tillhör videokategorin men hanterar även text, så den är byggd för arbete som kombinerar språkförståelse med videogenerering och redigering snarare än för enbart text.
Modellen tar text, bilder och video som indata, och den kan returnera text eller 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 15 sekunder. Du kan ange en första bildruta, en sista bildruta, eller båda, och ljudgenerering är tillgänglig. Resonemangskontroller är en del av parameteruppsättningen, vilket innebär att modellen kan visa sin resonemangsprocess när du ber om det.
Dessa funktioner pekar mot en ganska specifik uppsättning arbetsuppgifter. Eftersom den tar video som indata såväl som producerar den, passar den för redigering och omvandling: att ge befintligt material en ny stil, förlänga eller justera ett klipp, eller regenerera segment medan omgivande material hålls konsekvent. Indata för första och sista bildruta gör den användbar för kontrollerade övergångar och för att matcha en tagning mot en planerad start och ett planerat slut. De två bildförhållandena täcker både leverans i liggande format och vertikala format, och upplösningsintervallet låter dig iterera snabbt i lägre upplösningar innan du renderar en slutlig version i 1080p eller 4K. Ljudgenerering innebär att du kan producera ett komplett kort klipp utan en separat ljudomgång. Textindata tillsammans med videoutdata passar också för promptstyrt storyboard- eller konceptarbete, där du beskriver en scen och får tillbaka ett kort klipp.
Du anropar modellen via api14:s OpenAI-kompatibla API med modell-id:t "google/gemini-omni-1.2-flash". De stödda begärandeparametrarna är include_reasoning, max_tokens, reasoning, reasoning_effort, seed, temperature och top_p. Parametern seed är värd att använda när du vill ha reproducerbar utdata mellan körningar, och temperature och top_p ger dig kontroll över hur mycket variation du får mellan genereringar. Resonemangsparametrarna låter dig avgöra om resonemang visas och hur mycket ansträngning som läggs på det.
Tänk på taket för utdata: 65 536 tokens är den maximala utdatan, och klipp är begränsade till 15 sekunder, så längre sekvenser behöver byggas från flera genereringar. Om din uppgift är ren textgenerering utan videokomponent är en textfokuserad modell troligen en enklare lösning. För arbete som blandar språk med kort videogenerering eller redigering täcker denna modell hela vägen från prompt till färdigt klipp.
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_pDen här communityn har inga trådar ännu. Starta den första om Google: Gemini Omni 1.2 Flash.