Google

Gemini Omni

Bald verfügbar

gemini-omni-flash/reference-to-video

Googles multimodales Modell zur Videoerzeugung und -bearbeitung, das kombinierte Eingaben aus Text, Bild, Audio und Video unterstützt und es ermöglicht, Kameraführung und Details iterativ per natürlichsprachlicher Konversation anzupassen

gemini-omni-flash/image-to-video gemini-omni-flash/reference-to-video gemini-omni-flash/text-to-video

Überblick

Einordnung und Kurzprofil

gemini-omni-flash/reference-to-video ist der Referenzbild-zu-Video-Pfad der Gemini-Omni-Flash-Familie und unterstützt zwei Aufgabenformen: Referenzbild-zu-Video sowie Erstbild-zu-Video. Entwickler übermitteln ein bis sieben Referenzbilder sowie einen Prompt und beschreiben damit, wie Motiv, Szene und Stil durch die Referenzbilder eingeschränkt werden; daraus entsteht ein steuerbares Video mit 4 bis 10 Sekunden Länge, 720p bis 4k Auflösung und wahlweise Quer- oder Hochformat. Geeignet für Entwickler, die in Werbe-, E-Commerce- und Kurzvideo-Materialien Figurenkonsistenz und Bildstil festlegen müssen.

Zentrale Highlights

Mehrere Referenzbilder steuern Motiv und Stil – pro Anfrage können bis zu sieben Referenzbilder übermittelt werden; im Prompt wird festgelegt, welche Bilder jeweils Motiv, Szene oder Stil kontrollieren.
Dauer, Auflösung und Bildformat frei wählbar – Ausgabedauer 4/6/8/10 Sekunden, Auflösung 720p/1080p/4k und Bildformat 16:9 oder 9:16 lassen sich direkt in der Anfrage angeben.
Reproduzierbarer Seed-Parameter – ein ganzzahliger Seed-Parameter sorgt bei gleicher Konfiguration für stabile Ergebnisse und Vergleichbarkeit in der Seriengenerierung.

Fähigkeiten

Konsistente Generierung durch Referenzbilder: Mit 1 bis 7 Referenzbildern als Eingabe werden Figurenerscheinung, Szene und Bildstil gemeinsam mit dem Prompt eingeschränkt, wodurch Bildverschiebungen zwischen mehreren Einstellungen reduziert werden.

Spezifikationen nach Bedarf festlegen: Dauer, Auflösung und Seitenverhältnis werden direkt in einer Anfrage gesetzt; die Ausgabe entspricht damit den Anforderungen für Hochformat-Kurzvideos oder Querformat-Ausspielungen.

Seed-Steuerung und Seriengenerierung: Der Seed-Parameter fixiert die Zufallseingabe, sodass dieselbe Version bei der Serienproduktion reproduziert oder ein kleiner Parametervergleich durchgeführt werden kann.

Lange Prompt-Beschreibungen: Der Prompt unterstützt bis zu 20000 Zeichen und kann Einstellung, Aktion sowie die Aufgabenteilung der Referenzbilder vollständig beschreiben.

Anwendungsfälle

Werbe- und E-Commerce-Teams erstellen figurenkonsistente Materialien – mehrere Produkt- und Model-Referenzbilder hochladen und ein stilistisch einheitliches Hochformat-Kurzvideo von 4 bis 10 Sekunden für Feed-Ausspielungen und Videoflächen auf Detailseiten erzeugen.
Kurzvideo-Ersteller produzieren Quer- und Hochformat-Versionen in Serie – dieselbe Referenzbildgruppe jeweils im Format 16:9 und 9:16 generieren und so zwei fertige Fassungen für Hauptseite und Hochformat-Kanäle erhalten.
Generierungsprozesse mit nachvollziehbaren Versionen – mit festem Seed und Prompt erneut ausführen und reproduzierbare Einstellungsversionen für Kundenabnahmen und spätere Iterationsvergleiche erhalten.

Einschränkungen und Auswahlhinweise

Unterstützt nur Bild-zu-Video und Referenzbild-zu-Video; reine Text- oder Audioeingaben werden nicht akzeptiert. Die Ausgabedauer ist auf 4 bis 10 Sekunden begrenzt, längere zusammenhängende Einstellungen können nicht in einem Durchgang erzeugt werden. Maximal sieben Referenzbilder sind möglich, der Parametersatz ist fest, zusätzliche Bearbeitungs- oder Fortsetzungsanweisungen werden nicht unterstützt. Wenn rein textgesteuerte oder längere Inhalte benötigt werden, sollten andere Pfade derselben Familie oder eine segmentweise Zusammenfügung der Generierung gewählt werden.