Gemini Omni

Présentation

gemini-omni-flash/reference-to-video est la voie de génération de vidéo à partir d'images de référence de la famille Gemini Omni Flash, prenant en charge deux formes de tâches : la génération de vidéo à partir d'images de référence et la génération de vidéo à partir d'une image de première frame. Le développeur soumet une à sept images de référence et un prompt pour décrire comment le sujet, la scène et le style sont contraints par les images de référence, et produit une vidéo contrôlable de 4 à 10 secondes, en 720p à 4k, avec orientation paysage ou portrait au choix. Adapté aux développeurs qui doivent verrouiller la cohérence des personnages et le style visuel dans la publicité, le commerce électronique et les contenus vidéo courts.

Points clés

• Contrainte du sujet et du style par plusieurs images de référence — jusqu'à sept images de référence peuvent être soumises en une fois, le prompt précisant quelles images contrôlent respectivement le sujet, la scène ou le style.
• Durée, résolution et format entièrement au choix — la durée de sortie de 4/6/8/10 secondes, la résolution 720p/1080p/4k et le format 16:9 ou 9:16 peuvent tous être spécifiés directement dans la requête.
• Paramètre de graine reproductible — un paramètre seed entier est fourni, facilitant la stabilité et la comparaison des résultats lors de générations par lots avec la même configuration.

Description des capacités

Génération cohérente pilotée par les images de référence : avec 1 à 7 images de référence en entrée, combinées au prompt pour contraindre l'apparence du sujet, la scène et le style visuel, réduisant la dérive d'apparence entre les plans d'un même matériel.

Spécifications définies à la demande : la durée, la résolution et le rapport d'image sont fixés directement dans une seule requête, la sortie pouvant correspondre directement aux exigences de format des vidéos courtes verticales ou des diffusions horizontales.

Contrôle par graine et génération par lots : le paramètre seed fixe l'entrée aléatoire, facilitant la reproduction d'une même version lors de productions par lots, ou la comparaison de légères variations de paramètres.

Prompts longs : le prompt prend en charge jusqu'à 20000 caractères, permettant de décrire complètement les plans, les actions et la répartition des rôles entre les images de référence.

Cas d'usage

• Équipes publicitaires et e-commerce produisant des matériels avec des personnages cohérents — téléverser plusieurs images de référence de produits et de mannequins, produire des vidéos courtes verticales de 4 à 10 secondes au style unifié, pour la diffusion en fil d'actualité et les emplacements vidéo des pages de détail.
• Créateurs de vidéos courtes produisant en lots des versions horizontales et verticales — générer à partir du même ensemble d'images de référence en 16:9 et en 9:16, obtenant deux séries de films adaptés au site principal et aux canaux verticaux.
• Processus de génération avec versions traçables — relancer avec un seed et un prompt fixes, obtenir des versions de plans reproductibles, pour la validation client et la comparaison des itérations ultérieures.

Limites et conseils de choix

Seules la génération de vidéo à partir d'images et la génération de vidéo à partir d'images de référence sont prises en charge ; les entrées texte pur ou audio ne sont pas acceptées ; la durée de sortie est limitée à 4-10 secondes, sans possibilité de générer un plan continu plus long en une seule fois ; le nombre d'images de référence est limité à sept, l'ensemble des paramètres est fixe, et aucune instruction supplémentaire d'édition ou de prolongation n'est prise en charge. Pour un pilotage par texte pur ou des contenus plus longs, il convient de choisir d'autres voies de la même famille ou de générer par segments puis d'assembler.