模型指南

Gemini Omni Flash：谷歌的对话式AI视频模型

Gemini Omni Flash是谷歌推出的模型系列，用于快速生成和编辑对话式视频，其官方API输出模式为视频。

文本生成视频

图片生成视频

视频编辑

什么是 Gemini Omni Flash？

Gemini Omni Flash 是谷歌推出的AI模型系列，专为快速的对话式视频生成与编辑而设计。谷歌的Gemini API文档将Gemini Omni 1.1 Flash指定为当前稳定的API模型，并将视频列为API输出模态。 Gemini Omni Flash API 可以处理文本、图片或支持的视频输入。谷歌记录了多种工作流程，包括根据提示创建视频、让图片动起来、编辑或扩展上传的视频片段，以及通过有状态交互优化结果。这是一份独立模型指南。Story321 并未声称其视频工具由 Gemini Omni Flash 提供支持。

已记录的功能

文本生成视频

通过谷歌记录的Gemini API工作流程，根据文本提示创建视频。

图片生成视频

以图片为起点，生成动画视频结果。

对话式编辑

使用交互API和先前的交互ID，继续优化之前生成的结果。

视频编辑与扩展

谷歌记录了上传视频的编辑功能，以及为符合条件的片段添加扩展内容的功能。

帧插值

根据提供的首帧和末帧，生成过渡视频。

多种输出选项

官方文档列出了360p、720p、1080p和4K输出选项，具体取决于所选的工作流程和可用性。

当前API事实

Features	Gemini Omni Flash
稳定版API模型	gemini-omni-1.1-flash
预览版API模型	gemini-omni-flash-preview
支持文档记录的输入	文本、图片和视频；用于编辑或扩展的上传视频仅限于不超过10秒的合格片段。
支持文档记录的输出	视频
支持文档记录的视频时长	3 至 10 秒
支持文档记录的帧率	24 FPS
支持文档记录的上下文窗口	1,048,576 个标记

适用场景

基于提示的短视频片段

根据文字描述的场景、动作或视觉方向，快速制作简短的视频概念原型。

静态图片动画化

在图片生成视频工作流程适用时，将提供的图片转化为一段简短的运动镜头。

迭代式视频指导

针对生成的结果进行持续对话，而不是每次编辑都从头开始。

短视频片段修改

在官方工作流程支持的情况下，编辑合格的上传片段或为其添加续集内容。

访问与可用性

谷歌在Gemini API中记录了Gemini Omni Flash，并为Gemini Omni 1.1 Flash提供了AI Studio入口。在构建工作流程前，请查看谷歌的最新文档，因为模型标识符、区域可用性和支持的功能可能会发生变化。在谷歌的资料中，模型名称可能指代更广泛的Gemini Omni系列，而Gemini Omni 1.1 Flash是当前模型文档中命名的稳定API模型。