Gemini Omni

定位简介

gemini-omni-flash/reference-to-video 是 Gemini Omni Flash 家族的参考图生视频线路，支持参考图生视频与首帧图生视频两种任务形态。开发者提交一张到七张参考图与一段提示词，即可描述主体、场景与风格如何被参考图约束，并产出 4 至 10 秒、720p 至 4k、横竖屏可选的可控视频。适合需要在广告、电商与短视频素材中锁定角色一致性和画面风格的开发者。

核心亮点

• 多参考图约束主体与风格——一次最多可提交七张参考图，用提示词指定各图分别控制主体、场景或风格。
• 时长、分辨率、画幅全可选——输出时长 4/6/8/10 秒、分辨率 720p/1080p/4k、画幅 16:9 或 9:16 均可在请求中直接指定。
• 可复现的种子参数——提供整数 seed 参数，同一配置下便于批量生成时保持结果稳定与对比。

能力说明

参考图驱动的一致性生成：以 1 到 7 张参考图作为输入，结合提示词约束主体形象、场景与画面风格，减少多镜头素材之间的形象漂移。

规格参数按需指定：单次请求内直接设定时长、分辨率与画幅比例，输出可直接匹配竖屏短视频或横屏投放的规格要求。

种子控制与批量生成：通过 seed 参数固定随机输入，便于在批量出片时复现同一版本，或做小幅参数对比。

长提示词描述：prompt 最大支持 20000 字符，可完整描述镜头、动作与参考图的分工关系。

适用场景

• 广告与电商团队制作角色一致的素材——上传多张产品与模特参考图，产出风格统一的 4 至 10 秒竖屏短片，用于信息流投放与详情页视频位。
• 短视频创作者批量产出横竖屏版本——以同一组参考图按 16:9 与 9:16 分别生成，得到适配主站与竖屏渠道的两套成片。
• 需要版本可追溯的生成流程——固定 seed 与提示词重跑，得到可复现的镜头版本，用于客户审片与后续迭代对比。

限制与选型建议

仅支持图生视频与参考图生视频，不接受纯文本或音频输入；输出时长限定在 4 至 10 秒，无法一次生成更长的连续镜头；参考图上限七张，参数集合固定，不支持额外的编辑或续写指令。若需要纯文本驱动或更长篇幅的内容，应选择同家族的其他线路或分段拼接生成。