Gemini Omni Flash 画像から動画 API
google/gemini-omni-flash/image-to-video
Gemini Omni Flash Image to Video は、入力画像を同期音声付きの短い AI 動画に変換し、元画像に沿って動きと音を追加します。すぐに使える REST 推論 API で、高性能、コールドスタートなし、手頃な価格です。
パラメータ
| 名前 | 型 | 既定 | 制約 | 説明 |
|---|---|---|---|---|
| image *画像 | image_upload | — | image/* · 0–1 items | アニメーション化する入力画像の URL。 |
| prompt *プロンプト | textarea | — | ≤ 5000 chars | 画像をどのようにアニメーション化するかを説明するテキストプロンプト。 |
| aspect_ratioアスペクト比 | select | 16:9 | 16:9 | 9:16 | 生成される動画のアスペクト比。 |
| duration長さ | select | 8 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 生成される動画の長さ(秒)。 |
API
統一 REST API でこのモデルを呼び出せます。API Keys ページでキーを取得してください。
cURL
# 1) Submit — returns { "task_uuid": "..." }
curl -X POST "https://www.namifusion.com/api/v1/marketplace/run/google/gemini-omni-flash/image-to-video" \
-H "Authorization: Bearer YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"input": {
"image": "https://example.com/input.jpg",
"prompt": "A cinematic portrait, dramatic rim light, shallow depth of field",
"aspect_ratio": "16:9",
"duration": 8
}
}'
# 2) Poll until status is "completed", then read the output URLs
curl "https://www.namifusion.com/api/v1/marketplace/run/tasks/TASK_UUID" \
-H "Authorization: Bearer YOUR_API_KEY"Python
import time, requests
API_KEY = "YOUR_API_KEY"
HEADERS = {"Authorization": f"Bearer {API_KEY}"}
# 1) Submit
resp = requests.post(
"https://www.namifusion.com/api/v1/marketplace/run/google/gemini-omni-flash/image-to-video",
headers=HEADERS,
json={
"input": {
"image": "https://example.com/input.jpg",
"prompt": "A cinematic portrait, dramatic rim light, shallow depth of field",
"aspect_ratio": "16:9",
"duration": 8
}
},
)
resp.raise_for_status() # 401/402/429/5xx stop here instead of polling a bad task
task = resp.json()
# 2) Poll until a terminal state (completed / failed / cancelled).
# This model is allowed up to 300s server-side.
deadline = time.time() + 360
while task.get("status") not in ("completed", "failed", "cancelled"):
if time.time() > deadline:
raise TimeoutError(f"still {task.get('status')} — keep the task_uuid and poll later")
time.sleep(3)
poll = requests.get(f"https://www.namifusion.com/api/v1/marketplace/run/tasks/{task['task_uuid']}", headers=HEADERS)
poll.raise_for_status()
task = poll.json()
print(task["status"], task.get("output"))JavaScript
const API_KEY = "YOUR_API_KEY";
const HEADERS = { Authorization: `Bearer ${API_KEY}` };
// 1) Submit
const resp = await fetch("https://www.namifusion.com/api/v1/marketplace/run/google/gemini-omni-flash/image-to-video", {
method: "POST",
headers: { ...HEADERS, "Content-Type": "application/json" },
body: JSON.stringify({
"input": {
"image": "https://example.com/input.jpg",
"prompt": "A cinematic portrait, dramatic rim light, shallow depth of field",
"aspect_ratio": "16:9",
"duration": 8
}
}),
});
if (!resp.ok) throw new Error(`submit failed: ${resp.status} ${await resp.text()}`);
let task = await resp.json();
// 2) Poll until a terminal state (completed / failed / cancelled).
// This model is allowed up to 300s server-side.
const deadline = Date.now() + 360 * 1000;
while (!["completed", "failed", "cancelled"].includes(task.status)) {
if (Date.now() > deadline) throw new Error(`still ${task.status} — keep the task_uuid and poll later`);
await new Promise((r) => setTimeout(r, 3000));
const poll = await fetch(`https://www.namifusion.com/api/v1/marketplace/run/tasks/${task.task_uuid}`, { headers: HEADERS });
if (!poll.ok) throw new Error(`poll failed: ${poll.status}`);
task = await poll.json();
}
console.log(task.status, task.output);ドキュメント
Gemini Omni Flash Image to Video API
1枚の画像から、音声付きの短尺動画をすばやく生成。
Gemini Omni Flash Image to Video は、入力画像をもとに短い AI 動画へ変換し、さらに同期した音声も生成できる画像から動画へのモデルです。高速な推論、コールドスタートなし、扱いやすい設定項目により、短尺コンテンツ制作やクリエイティブ検証に適しています。
🚀 主な特長
- 画像から動画への生成:静止画像をベースに、元画像の構図や被写体の印象を保ちながら短尺動画へ展開できます。
- 同期音声の生成:動画出力とあわせて音声も生成し、より完成度の高いコンテンツ制作を支援します。
- プロンプトによる動きの制御:プロンプトで被写体の動き、カメラモーション、場面変化、テンポ、音声演出を指定できます。
- シンプルなアスペクト比設定:16:9 の横向きと 9:16 の縦向きに対応し、配信先に合わせて選択できます。
- 柔軟な長さ設定:3〜10秒 の短尺動画を生成でき、試作から実運用まで幅広く活用できます。
- コールドスタートなし:繰り返し生成するワークフローでも待ち時間を抑えやすく、運用しやすい構成です。
🛠️ 技術仕様
| 項目 | 内容 |
|---|---|
| モデル名 | Gemini Omni Flash Image to Video API |
| モデル ID | google/gemini-omni-flash/image-to-video |
| タスク種別 | 画像から動画 |
| モデルアーキテクチャ | プロンプト誘導型の画像アニメーション生成モデル(同期音声生成対応) |
| 入力形式 | 画像 URL + プロンプト |
| 出力形式 | 動画 + 音声 |
| 画像 | 単一の入力画像 URL |
| プロンプト | 必須。動き、カメラ挙動、シーン変化、テンポ、音声演出を記述 |
| アスペクト比 | 16:9(デフォルト)、9:16 |
| 長さ | 3〜10 秒(デフォルト:8) |
| 解像度 | 選択したアスペクト比に応じた短尺動画向け出力 |
| 音声機能 | 動画と同期した音声生成に対応 |
| レイテンシ | 高速推論向けに最適化、コールドスタートなし |
サンプルプロンプト
- 人物がゆっくり前に歩き、カメラはやさしく寄っていく。背景の木々は風でわずかに揺れ、柔らかな風の環境音を加える。
- 商品が画面中央でゆっくり回転し、カメラはクローズアップからミディアムショットへ引く。クリーンで未来感のある音声演出を加える。
- 夜の都市風景でネオンが徐々に点灯し、カメラは滑らかに横移動する。控えめな街の環境音を加え、シネマティックな雰囲気にする。
💰 価格
| モード | 価格 |
|---|---|
| 基本単価 | $0.14 / 秒 |
| 3秒動画 | $0.42 |
| 5秒動画 | $0.70 |
| 8秒動画 | $1.12 |
| 10秒動画 | $1.40 |
💡 主なユースケース
- ソーシャルメディア向け短尺動画:縦向き・横向きの短尺コンテンツをすばやく制作できます。
- EC・商品プロモーション:商品画像を動きのある販促動画へ変換し、訴求力を高められます。
- クリエイティブ検証:カメラモーション、テンポ、演出方針、音と映像の組み合わせを短時間で試せます。
- ブランド・キャンペーン制作:既存のビジュアル素材から、音声付きのプロモーション動画を効率よく作成できます。
🔗 関連モデル
- Google Gemini 3 Pro Image Text To Image:画像とテキストをもとに静止画像を生成したい場合に適しています。
- Google Gemini Omni Flash Reference To Video:参照ベースの動画生成ワークフローに適した関連モデルです。
関連モデル
xAI Grok Imagine Video v1.5 画像から動画
1枚の入力画像とテキストプロンプトから1-15秒の動画を生成します。480pと720pに対応しています。
Vidu Q3 画像から動画へ
Vidu Q3 画像から動画へは、テキストプロンプトを高品質な動画に変換し、優れた視覚的忠実度と多様なモーションを実現します。すぐに使える REST 推論 API、最高のパフォーマンス、コールドスタートなし、手頃な価格。
Nami Wan 2.7 I2V Spicy Prime
参照画像とプロンプトから2〜15秒の動画を生成します。720p/1080p出力と任意の音声ガイドに対応します。
MiniMax H3 画像から動画
MiniMax H3 Image to Video は、最初のフレーム画像を自然で一貫性のある 2K 動画にアニメーション化します。自然言語によるモーション指示に対応し、任意の最終フレーム制御によって、動きの一貫性、シーンの連続性、映画のような動画生成を実現します。すぐに使える REST 推論 API を提供し、高性能、コールドスタートなし、手頃な価格で利用できます。
Kling Omni Video O3 画像から動画へ
Kling Omni Video O3( は、MVL(マルチモーダルビジュアルランゲージ)技術を使用して静止画像を動的なシネマティック動画に変換します。被写体の一貫性を保ちながら、自然な動き、物理シミュレーション、シームレスなシーンダイナミクスを追加。音声生成にも対応。すぐに使えるREST API、最高のパフォーマンス、コールドスタートなし、手頃な価格。
Kling Omni Video O1 画像から動画生成
Kling Omni Video O1 画像から動画生成は、MVL(マルチモーダルビジュアル言語)技術を使用して静止画像をダイナミックな映画品質の動画に変換します。自然な動き、物理シミュレーション、シームレスなシーンダイナミクスを追加しながら、被写体の一貫性を維持します。すぐに使えるREST API、最高のパフォーマンス、コールドスタートなし、手頃な価格。
Kling 3.0 Standard 画像から動画へのモデル
Kling 3.0 Standard は、高品質な画像から動画への生成を提供し、スムーズなモーション、映画のようなビジュアル、正確なプロンプトの遵守、共有可能なクリップのためのネイティブ音声を備えています。すぐに使用できる REST 推論 API、最高のパフォーマンス、コールドスタートなし、手頃な価格。
Kling V2.6 画像から動画への API
Kling 2.6 は、滑らかな動き、映画のようなビジュアル、正確なプロンプトの適合性、そして共有可能なクリップ用のネイティブオーディオを備えた、最高レベルの画像から動画生成を提供します。すぐに使用可能な REST 推論 API、優れたパフォーマンス、コールドスタートなし、手頃な価格。