Guia visual da capacidade de texto para vídeo do Gemini Omni 1.1 Flash

Com uma amostra reproduzível de texto para vídeo, apresenta de forma intuitiva os principais parâmetros do gemini-omni-1.1-flash e a aparência real do vídeo final. No lado da entrada, são usados apenas os campos mais básicos, sem material de mídia: prompt, duration (enumeração de 4/6/8/10 segundos), resolution (360p/720p/1080p/4k) e aspect_ratio (16:9/9:16); os campos de mídia relacionados a imagem para vídeo, imagem de referência e edição de vídeo ficam todos vazios neste item, portanto esta obra corresponde ao ramo text-to-video das capacidades da família. O conteúdo da amostra escolhe as dimensões controláveis que mais interessam aos desenvolvedores ao avaliar modelos de vídeo: sujeito único, progressão clara de enquadramento, movimento de câmera estável e iluminação previsível, facilitando observar o grau de aderência do modelo às instruções de linguagem cinematográfica. O clipe de saída já vem com faixa de áudio, adequado como exemplo inicial do fluxo de trabalho "rascunho rápido → iteração → ampliação". Cenários de aplicação: quando o desenvolvedor precisa avaliar o limite inferior de qualidade do vídeo final e a consistência de estilo deste modelo sob descrições de cena roteirizadas, pode reutilizar a estrutura de entrada deste item para experimentos comparativos; também é adequado como primeira amostra de integração e teste com a Gemini API / Google AI Studio ou plataformas baseadas em nós. Observe que 360p serve apenas para tentativa e erro de baixo custo; para a saída do vídeo final, recomenda-se usar faixas de resolução mais altas.