Gemini Omni

Panoramica della posizione

gemini-omni-flash/reference-to-video è la linea di generazione video da immagini di riferimento della famiglia Gemini Omni Flash e supporta due modalità di attività: generazione video da immagini di riferimento e generazione video da immagine del primo fotogramma. Gli sviluppatori inviano da una a sette immagini di riferimento e un prompt per descrivere come il soggetto, la scena e lo stile sono vincolati dalle immagini di riferimento, e producono video controllabili da 4 a 10 secondi, da 720p a 4k, con orientamento orizzontale o verticale selezionabile. È adatto agli sviluppatori che necessitano di bloccare la coerenza dei personaggi e lo stile visivo nei materiali pubblicitari, e-commerce e per video brevi.

Punti di forza principali

• Vincoli su soggetto e stile tramite più immagini di riferimento — è possibile inviare fino a sette immagini di riferimento contemporaneamente e specificare nel prompt quali immagini controllano rispettivamente soggetto, scena o stile.
• Durata, risoluzione e formato tutti selezionabili — durata di output 4/6/8/10 secondi, risoluzione 720p/1080p/4k, formato 16:9 o 9:16 possono essere specificati direttamente nella richiesta.
• Parametro seed riproducibile — è disponibile un parametro seed intero, utile a mantenere risultati stabili e confrontabili durante la generazione in batch con la stessa configurazione.

Descrizione delle capacità

Generazione coerente guidata da immagini di riferimento: utilizzando da 1 a 7 immagini di riferimento come input, combinate con il prompt per vincolare l'immagine del soggetto, la scena e lo stile visivo, si riduce la deriva dell'aspetto tra materiali di più inquadrature.

Parametri delle specifiche specificabili su richiesta: all'interno di una singola richiesta si impostano direttamente durata, risoluzione e proporzione del formato, e l'output può soddisfare direttamente i requisiti di specifica per video brevi verticali o distribuzione orizzontale.

Controllo del seed e generazione in batch: tramite il parametro seed si fissa l'input casuale, facilitando la riproduzione della stessa versione durante la produzione in batch o piccoli confronti tra parametri.

Descrizione con prompt lunghi: il prompt supporta fino a 20000 caratteri, consentendo di descrivere in modo completo inquadrature, azioni e la suddivisione dei ruoli delle immagini di riferimento.

Scenari applicativi

• Team pubblicitari e di e-commerce che realizzano materiali con personaggi coerenti — caricando più immagini di riferimento di prodotti e modelli si producono video brevi verticali da 4 a 10 secondi con stile uniforme, da utilizzare per la distribuzione nei feed e per gli spazi video delle pagine di dettaglio.
• Creatori di video brevi che producono in batch versioni orizzontali e verticali — con lo stesso set di immagini di riferimento si generano separatamente versioni 16:9 e 9:16, ottenendo due set di video finiti adatti al sito principale e ai canali verticali.
• Processi di generazione con versioni tracciabili — rieseguendo con seed e prompt fissi si ottengono versioni delle inquadrature riproducibili, utili per la revisione da parte del cliente e per confronti nelle iterazioni successive.

Limiti e suggerimenti per la scelta

Supporta solo la generazione video da immagine e da immagini di riferimento, non accetta input di solo testo o audio; la durata di output è limitata a 4-10 secondi e non è possibile generare in una sola volta inquadrature continue più lunghe; il limite massimo è di sette immagini di riferimento, l'insieme dei parametri è fisso e non supporta istruzioni aggiuntive di modifica o continuazione. Se è necessario un contenuto guidato da solo testo o di maggiore lunghezza, occorre scegliere altre linee della stessa famiglia o generare e concatenare più segmenti.