Gemini Omni

定位简介

Gemini Omni Flash 的图像转视频能力，面向需要把单张静态图快速做成可交付短视频的开发者。只需提供一张图片和一段描述画面运动与声音的提示词，模型即可输出带声音的成片，并通过参数选择 4 至 10 秒时长、720p 至 4K 分辨率以及横屏或竖屏构图。适合做广告素材、社媒短视频和概念演示的团队，在 HiAPI.ai 上以统一接口调用，按次计费。

核心亮点

• 提示词同时描述画面与声音——prompt 用于描述输入图应如何运动和发声，一次生成即包含画面动态与声音，减少后期配音环节。
• 输出规格可按投放渠道选择——支持 4/6/8/10 秒时长、720p/1080p/4K 分辨率与 16:9、9:16 两种画幅，适配横屏与竖屏投放。
• 种子固定便于复现结果——提供 seed 参数，相同输入下可稳定复现同一结果，方便调试与批量生成时对照。

能力说明

单图生成带声视频：接收一张输入图片与一段提示词，输出包含运动与声音的视频，省去从分镜到剪辑的中间步骤。

时长与画幅参数化：通过 duration 在 4 至 10 秒间取值、aspect_ratio 选择横屏或竖屏，按投放位直接产出对应规格素材。

分辨率分级输出：支持 720p、1080p 与 4K 三档输出，调试阶段用低分辨率快速验证，定稿再切换高分辨率。

种子可控的批量生成：传入相同 seed 可复现同一结果，便于在批量任务中固定风格基线、定位参数变化带来的差异。

适用场景

• 电商运营：商品主图转短视频——上传商品静物图并描述展示动效，生成 9:16 竖屏视频直接用于信息流广告与商品详情页。
• 社媒创作者：单张插图做动态内容——以插画或照片为输入生成数秒动态短片，作为短视频平台的更新素材，降低逐帧制作成本。
• 设计团队：概念图动态预演——把设计稿或概念图转成带声音的短片，用于向客户或团队演示画面节奏与氛围，再决定是否进入正式制作。

限制与选型建议

当前每条任务仅接受一张输入图片，prompt 必填且需同时描述画面运动与声音；输出时长限定在 4 至 10 秒，画幅仅支持 16:9 与 9:16，不支持多图参考或镜头延展。该能力尚未上线（comingSoon），暂不可调用，需要多图参考或多模态组合输入的场景请选用同族其他线路；正式可用性以平台上线状态为准。