Gemini Omni

Descripción general

La capacidad de imagen a vídeo de Gemini Omni Flash está dirigida a desarrolladores que necesitan convertir rápidamente una sola imagen estática en un vídeo corto entregable. Basta con proporcionar una imagen y un prompt que describa el movimiento y el sonido de la escena, y el modelo genera un vídeo final con sonido, permitiendo elegir mediante parámetros una duración de 4 a 10 segundos, una resolución de 720p a 4K y una composición horizontal o vertical. Es adecuada para equipos que producen creatividades publicitarias, vídeos cortos para redes sociales y demostraciones conceptuales; se invoca en HiAPI.ai mediante una interfaz unificada y se factura por uso.

Puntos clave

• El prompt describe a la vez imagen y sonido: el prompt sirve para describir cómo debe moverse y sonar la imagen de entrada; en una sola generación se incluyen el dinamismo visual y el sonido, lo que reduce la fase de doblaje posterior.
• Las especificaciones de salida se eligen según el canal de difusión: admite duraciones de 4/6/8/10 segundos, resoluciones de 720p/1080p/4K y relaciones de aspecto 16:9 y 9:16, adaptándose a publicaciones horizontales y verticales.
• La semilla fija facilita la reproducibilidad: ofrece el parámetro seed, que permite reproducir de forma estable el mismo resultado con las mismas entradas, lo que agiliza la depuración y la comparación en la generación por lotes.

Capacidades

Generación de vídeo con sonido a partir de una sola imagen: recibe una imagen de entrada y un prompt, y genera un vídeo con movimiento y sonido, eliminando los pasos intermedios desde el storyboard hasta el montaje.

Duración y relación de aspecto parametrizadas: mediante duration se elige un valor entre 4 y 10 segundos, y con aspect_ratio se selecciona horizontal o vertical, produciendo directamente el material con las especificaciones correspondientes al espacio publicitario.

Salida por niveles de resolución: admite tres niveles de salida, 720p, 1080p y 4K; en la fase de depuración se usa baja resolución para validar rápidamente y, al aprobar la versión final, se cambia a alta resolución.

Generación por lotes con semilla controlable: al pasar el mismo seed se reproduce el mismo resultado, lo que facilita fijar una base de estilo en tareas por lotes y localizar las diferencias causadas por cambios de parámetros.

Casos de uso

• Operación de comercio electrónico: imagen principal del producto a vídeo corto: se sube una imagen de bodegón del producto y se describe el efecto de presentación para generar un vídeo vertical 9:16 que se usa directamente en anuncios de feed y en la página de detalle del producto.
• Creadores de redes sociales: contenido dinámico a partir de una sola ilustración: se toma una ilustración o una foto como entrada para generar un corto dinámico de varios segundos como material de actualización para plataformas de vídeo corto, reduciendo el coste de producción fotograma a fotograma.
• Equipos de diseño: previsualización dinámica de conceptos: se convierte un borrador de diseño o una imagen conceptual en un corto con sonido para mostrar a clientes o al equipo el ritmo y la atmósfera de la escena, y luego decidir si se pasa a la producción formal.

Limitaciones y recomendaciones de selección

Actualmente cada tarea acepta solo una imagen de entrada; el prompt es obligatorio y debe describir a la vez el movimiento y el sonido; la duración de salida está limitada a 4-10 segundos y las relaciones de aspecto solo admiten 16:9 y 9:16, sin soporte para referencias de varias imágenes ni extensión de tomas. Esta capacidad aún no está disponible (comingSoon) y no puede invocarse por ahora; para escenarios que requieran referencias de varias imágenes o entradas multimodales combinadas, elija otras rutas de la misma familia; la disponibilidad oficial estará sujeta al estado de lanzamiento en la plataforma.