Gemini Omni

Descripción general

gemini-omni-flash/reference-to-video es la línea de generación de video a partir de imágenes de referencia de la familia Gemini Omni Flash, y admite dos modalidades de tarea: video a partir de imágenes de referencia y video a partir de una imagen de primer fotograma. El desarrollador envía de una a siete imágenes de referencia y un prompt para describir cómo se restringen el sujeto, la escena y el estilo mediante las imágenes de referencia, y produce un video controlable de 4 a 10 segundos, de 720p a 4k, con orientación horizontal o vertical opcional. Es adecuado para desarrolladores que necesitan fijar la consistencia de los personajes y el estilo visual en materiales publicitarios, de comercio electrónico y de videos cortos.

Puntos clave

• Múltiples imágenes de referencia para restringir sujeto y estilo: se pueden enviar hasta siete imágenes de referencia a la vez y usar el prompt para indicar que cada imagen controle el sujeto, la escena o el estilo.
• Duración, resolución y relación de aspecto totalmente seleccionables: la duración de salida de 4/6/8/10 segundos, la resolución de 720p/1080p/4k y la relación de aspecto de 16:9 o 9:16 se pueden especificar directamente en la solicitud.
• Parámetro seed reproducible: ofrece un parámetro seed entero que, con la misma configuración, facilita mantener resultados estables y comparables en la generación por lotes.

Descripción de capacidades

Generación consistente guiada por imágenes de referencia: toma de 1 a 7 imágenes de referencia como entrada y, junto con el prompt, restringe la apariencia del sujeto, la escena y el estilo visual, reduciendo la deriva de apariencia entre materiales de múltiples tomas.

Parámetros de especificación según necesidad: dentro de una sola solicitud se configuran directamente la duración, la resolución y la relación de aspecto, de modo que la salida cumpla los requisitos de formato de videos cortos verticales o de anuncios horizontales.

Control de seed y generación por lotes: mediante el parámetro seed se fija la entrada aleatoria, lo que facilita reproducir la misma versión al generar por lotes o hacer comparaciones con pequeños cambios de parámetros.

Descripción con prompts largos: el prompt admite hasta 20000 caracteres, suficiente para describir por completo la toma, la acción y la división de tareas entre las imágenes de referencia.

Casos de uso

• Equipos de publicidad y comercio electrónico que crean materiales con personajes consistentes: suben varias imágenes de referencia de productos y modelos y producen videos cortos verticales de 4 a 10 segundos con estilo uniforme para anuncios en feed y espacios de video en páginas de detalle.
• Creadores de videos cortos que producen versiones horizontales y verticales por lotes: generan con el mismo conjunto de imágenes de referencia en 16:9 y 9:16 por separado, obteniendo dos versiones finales adaptadas al sitio principal y a los canales verticales.
• Flujos de generación que requieren versiones trazables: vuelven a ejecutar con el mismo seed y prompt para obtener versiones de toma reproducibles, útiles para la revisión del cliente y la comparación en iteraciones posteriores.

Limitaciones y sugerencias de selección

Solo admite video a partir de imagen y video a partir de imágenes de referencia; no acepta entrada de solo texto ni audio; la duración de salida está limitada a 4 a 10 segundos y no permite generar tomas continuas más largas de una vez; el máximo de imágenes de referencia es siete, el conjunto de parámetros es fijo y no admite instrucciones adicionales de edición o continuación. Si se necesita contenido impulsado solo por texto o de mayor duración, se deben elegir otras líneas de la misma familia o generar y concatenar por segmentos.