Gemini Omni

Краткое описание

gemini-omni-flash/reference-to-video — это направление генерации видео по референсным изображениям семейства Gemini Omni Flash, поддерживающее два режима задач: генерацию видео по референсным изображениям и генерацию видео по первому кадру. Разработчик отправляет от одного до семи референсных изображений и текстовый запрос, описывая, как субъект, сцена и стиль ограничиваются референсными изображениями, и получает управляемое видео длительностью от 4 до 10 секунд, в разрешении от 720p до 4k, с выбором горизонтальной или вертикальной ориентации. Подходит разработчикам, которым нужно зафиксировать единообразие персонажей и визуального стиля в рекламе, электронной коммерции и материалах для коротких видео.

Ключевые особенности

• Несколько референсных изображений задают субъект и стиль — за один раз можно отправить до семи референсных изображений, а в текстовом запросе указать, какое из них управляет субъектом, сценой или стилем.
• Выбор длительности, разрешения и формата кадра — длительность вывода 4/6/8/10 секунд, разрешение 720p/1080p/4k, формат кадра 16:9 или 9:16 можно напрямую указать в запросе.
• Воспроизводимый параметр seed — предусмотрен целочисленный параметр seed, который помогает сохранять стабильность и сопоставимость результатов при пакетной генерации с одинаковой конфигурацией.

Описание возможностей

Согласованная генерация на основе референсных изображений: на вход подаются от 1 до 7 референсных изображений, которые вместе с текстовым запросом задают облик субъекта, сцену и визуальный стиль, снижая расхождения облика между кадрами с разных ракурсов.

Параметры задаются по необходимости: длительность, разрешение и соотношение сторон задаются прямо в одном запросе, а результат сразу соответствует требованиям вертикальных коротких видео или горизонтальных размещений.

Управление seed и пакетная генерация: параметр seed фиксирует случайный ввод, что позволяет воспроизводить одну и ту же версию при пакетном выводе или сравнивать небольшие изменения параметров.

Длинные текстовые запросы: prompt поддерживает до 20000 символов, что позволяет подробно описать кадры, действия и распределение ролей между референсными изображениями.

Сценарии применения

• Рекламные и e-commerce команды создают материалы с единообразными персонажами — загрузите несколько референсных изображений продукта и модели и получите вертикальный ролик длительностью от 4 до 10 секунд в едином стиле для показа в ленте и видео-блоков на страницах товаров.
• Авторы коротких видео массово выпускают горизонтальные и вертикальные версии — на основе одного набора референсных изображений генерируются версии в 16:9 и 9:16, давая два комплекта готовых роликов для основного сайта и вертикальных каналов.
• Процессы генерации с отслеживаемыми версиями — повторный запуск с фиксированными seed и текстовым запросом даёт воспроизводимую версию кадров для согласования с клиентом и последующего сравнения итераций.

Ограничения и рекомендации по выбору

Поддерживается только генерация видео по изображению и по референсным изображениям; ввод только текста или аудио не принимается; длительность вывода ограничена 4–10 секундами, невозможно за один раз сгенерировать более длинный непрерывный кадр; максимум семь референсных изображений, набор параметров фиксирован, дополнительные команды редактирования или продолжения не поддерживаются. Если требуется генерация только по тексту или более длительный контент, следует выбрать другие направления того же семейства или генерировать с сегментацией и последующей склейкой.