Gemini Omni

Visão geral

gemini-omni-flash/reference-to-video é a rota de geração de vídeo a partir de imagens de referência da família Gemini Omni Flash, com suporte a dois formatos de tarefa: geração de vídeo a partir de imagens de referência e geração de vídeo a partir da imagem do primeiro quadro. O desenvolvedor envia de uma a sete imagens de referência e um prompt para descrever como o sujeito, a cena e o estilo são restringidos pelas imagens de referência, produzindo vídeos controláveis de 4 a 10 segundos, em 720p a 4k, com opção de orientação horizontal ou vertical. É indicado para desenvolvedores que precisam garantir consistência de personagem e estilo visual em anúncios, comércio eletrônico e materiais de vídeos curtos.

Destaques principais

• Múltiplas imagens de referência restringem sujeito e estilo — é possível enviar até sete imagens de referência por vez, usando o prompt para indicar que cada imagem controla o sujeito, a cena ou o estilo separadamente.
• Duração, resolução e proporção totalmente selecionáveis — duração de saída de 4/6/8/10 segundos, resolução de 720p/1080p/4k e proporção de 16:9 ou 9:16 podem ser especificadas diretamente na requisição.
• Parâmetro de seed reproduzível — oferece um parâmetro seed inteiro, que, com a mesma configuração, ajuda a manter resultados estáveis e comparáveis em geração em lote.

Descrição das capacidades

Geração consistente orientada por imagens de referência: usa de 1 a 7 imagens de referência como entrada e, combinado com o prompt, restringe a aparência do sujeito, a cena e o estilo visual, reduzindo a variação de aparência entre materiais de múltiplas tomadas.

Parâmetros de especificação definidos sob demanda: define diretamente na requisição a duração, a resolução e a proporção, gerando saídas que já atendem aos requisitos de formato para vídeos curtos verticais ou veiculação horizontal.

Controle de seed e geração em lote: fixa a entrada aleatória por meio do parâmetro seed, facilitando reproduzir a mesma versão em produções em lote ou fazer comparações com pequenas variações de parâmetros.

Descrição com prompt longo: o prompt suporta até 20000 caracteres, permitindo descrever integralmente a divisão de papéis entre tomadas, ações e imagens de referência.

Cenários de aplicação

• Equipes de publicidade e comércio eletrônico produzem materiais com personagens consistentes — envie várias imagens de referência de produtos e modelos para gerar vídeos curtos verticais de 4 a 10 segundos com estilo uniforme, para veiculação em feeds e espaços de vídeo em páginas de detalhes.
• Criadores de vídeos curtos produzem versões horizontais e verticais em lote — use o mesmo conjunto de imagens de referência para gerar versões em 16:9 e 9:16, obtendo dois conjuntos de vídeos adequados ao site principal e aos canais verticais.
• Fluxos de geração com versões rastreáveis — repita a execução com seed e prompt fixos para obter versões de tomadas reproduzíveis, usadas em revisão de vídeos por clientes e comparações em iterações posteriores.

Limitações e recomendações de seleção

Suporta apenas geração de vídeo a partir de imagem e geração de vídeo a partir de imagens de referência, não aceitando entrada apenas de texto ou áudio; a duração de saída é limitada a 4 a 10 segundos, não sendo possível gerar tomadas contínuas mais longas de uma só vez; o limite de imagens de referência é sete, o conjunto de parâmetros é fixo e não há suporte a instruções adicionais de edição ou continuação. Se for necessário conteúdo orientado apenas por texto ou de duração maior, deve-se escolher outras rotas da mesma família ou gerar e concatenar em segmentos.