Checklist di selezione di Gemini Omni 1.2 Flash: modalità di input, specifiche e budget

Cosa verifica questa checklist

gemini-omni-1.2-flash è accessibile pubblicamente tramite HiAPI. In fase di selezione occorre prima verificare quattro cose: se le modalità di input coprono la tua pipeline di materiali, se i parametri delle specifiche soddisfano i vincoli di prodotto, se il budget può essere calcolato chiaramente per risoluzione e durata, e quali effetti non rientrano nell'ambito garantito. La checklist seguente descrive solo le capacità attualmente pubbliche e non include test comparativi o classifiche dei concorrenti.

Modalità di input: quattro percorsi disponibili e regole di esclusione reciproca

Le modalità di input attualmente pubbliche includono:

• Testo a video: genera video usando solo il prompt.
• Immagine iniziale a video: specifica il fotogramma iniziale con first_frame_url per far muovere l'immagine.
• Transizione primo-ultimo fotogramma: specifica contemporaneamente first_frame_url e last_frame_url per generare una transizione tra il fotogramma iniziale e quello finale; questa modalità è limitata a 10 secondi e non può includere negative_prompt o system_prompt.
• Immagine di riferimento a video: passa da 1 a 10 immagini di riferimento HTTP(S) pubbliche tramite image_urls per vincolare stile o soggetto; anche con una sola immagine si tratta comunque di un'immagine di riferimento, non di un fotogramma iniziale.

Attenzione particolare ai confini di esclusione reciproca: image_urls è mutuamente esclusivo con first_frame_url/last_frame_url; last_frame_url dipende da first_frame_url e non può essere usato da solo. first_frame_url può essere specificato da solo per il fotogramma iniziale. Tutti i parametri immagine accettano solo URL HTTP(S) pubblici e non supportano Base64.

Le capacità non disponibili includono: modifica video, continuazione video, input video o audio, seed. Se servono queste funzionalità, non inserire questo modello tra i candidati.

Parametri delle specifiche: obbligatori, valori predefiniti e vincoli rigidi

prompt è l'unico campo obbligatorio, deve essere non vuoto e può contenere al massimo 20000 caratteri. Gli altri parametri si impostano secondo necessità:

• duration: numero intero, da 3 a 15 secondi, predefinito 10 secondi.
• resolution: 360p, 720p, 1080p, 4k, predefinito 720p. 1080p e 4k sono output ingranditi; 4k potrebbe non includere la traccia audio.
• aspect_ratio: 16:9 o 9:16, predefinito 16:9.

La modalità primo-ultimo fotogramma, oltre al limite massimo di 10 secondi, non può usare contemporaneamente negative_prompt o system_prompt. La modalità immagine di riferimento è soggetta al vincolo di 1–10 immagini e al formato URL. Inserire questi vincoli nella validazione dei parametri di prodotto è più efficiente che rimediare dopo una chiamata fallita.

Budget: prezzo unitario per risoluzione × durata richiesta × numero di video

Il preventivo attuale con moltiplicatore predefinito varia per risoluzione:

• 360p: $0.0229/secondo
• 720p: $0.0343/secondo
• 1080p: $0.0343/secondo
• 4k: $0.0800/secondo

Budget = prezzo unitario della risoluzione scelta × durata richiesta × numero di video. Fanno fede la fattura effettiva e il moltiplicatore applicabile; non ricavare la fatturazione a ritroso dai secondi contenuti nel contenitore del file (ad esempio secondi decimali). La durata richiesta va calcolata sul parametro duration, non sui metadati del file video.

Occorre distinguere due eventi di costo: successo ma insoddisfacente richiede di ricreare l'attività e aumenta il budget; fallimento reale è gestito secondo le regole di rimborso della piattaforma. Non dare per scontato che tutti i fallimenti siano rimborsati o che nessuno lo sia: fanno fede la fattura effettiva. In caso di timeout di rete non ricreare direttamente l'attività: interrogare prima l'attività esistente per evitare che la stessa richiesta venga addebitata due volte.

Aspetti non garantiti: questi effetti richiedono una tua validazione

Capacità pubblica non equivale a promessa di effetto. Attualmente non è garantito che tutte le modalità abbiano audio, sincronizzazione labiale, testo accurato, soggetto o brand perfettamente coerenti. 1080p e 4k sono output ingranditi; 4k potrebbe non includere la traccia audio. In fase di selezione non dedurre qualità, tempi o vantaggi di costo dalla pagina dei parametri; in assenza di dati misurati non inventare confronti o classifiche dei concorrenti.

Validazione con i tuoi campioni: qualità, tempi di consegna e costo effettivo

Si consiglia di usare lo stesso set di prompt, lo stesso set di immagini di riferimento o fotogrammi iniziali per eseguire separatamente testo a video, immagine iniziale a video, transizione primo-ultimo fotogramma e immagine di riferimento a video (quando applicabile), registrando tre gruppi di risultati:

• Qualità: nei tuoi scenari tipici, quante generazioni su quante sono utilizzabili direttamente; non guardare solo il risultato migliore.
• Tempi di consegna: tempo dall'invio dell'attività all'ottenimento di un risultato utilizzabile, inclusi i tentativi e le verifiche necessari.
• Costo effettivo: calcola il budget in base alla tua risoluzione, durata e numero di video, includendo le rigenerazioni per risultati soddisfacenti ma insoddisfacenti, non solo il prezzo unitario.

In fase di validazione mantieni fissi input e parametri, registra voce per voce e non confrontare insieme risultati con risoluzioni, durate o modalità di input diverse. Solo i tuoi campioni possono indicare se questo modello è adatto al tuo prodotto.

Elementi da verificare prima dell'integrazione

• Il prodotto richiede modifica video, continuazione, input video o audio, seed? Se sì, questo modello non è adatto.
• La pipeline di materiali può fornire URL immagine HTTP(S) pubblici? Se hai solo Base64, occorre prima modificare caricamento e hosting.
• Stai usando contemporaneamente image_urls e i parametri primo/ultimo fotogramma? I due sono mutuamente esclusivi e vanno bloccati nello strato di validazione dei parametri.
• Nella modalità primo-ultimo fotogramma la durata supera 10 secondi o include per errore negative_prompt o system_prompt?
• Il budget è calcolato come prezzo unitario per risoluzione × durata richiesta × numero di video, con riserva per le rigenerazioni di risultati soddisfacenti ma insoddisfacenti?
• In caso di timeout di rete, si interroga prima l'attività esistente invece di ricrearla direttamente?

Tramite l'interfaccia unificata di HiAPI puoi eseguire prima una piccola validazione con campioni secondo la checklist sopra, poi decidere se integrare in produzione. La base della selezione dovrebbe essere la qualità, i tempi di consegna e il costo effettivo misurati da te, non conclusioni comparative non misurate.