Gemini Omni Flash 参考图生视频 API

google/gemini-omni-flash/reference-to-video

Gemini Omni Flash 参考图生视频可根据一张或多张参考图片和文本提示词生成带同步音频的短视频,保持视觉主体一致性,并依据提供的参考内容进行引导式多模态视频生成。即开即用的 REST 推理 API,性能出色,无冷启动,价格实惠。

示例

Gemini Omni Flash 参考图生视频 API example 1

参数

名称类型默认约束说明
images *图片image_uploadvideo/* · 1–4 items用于融入视频内容的参考图片 URL。
prompt *提示词textarea≤ 5000 chars描述视频内容的文本提示词。你可以使用 <IMAGE_REF_0> 之类的标签引用图片。
aspect_ratio宽高比select16:916:9 | 9:16生成视频的宽高比。
duration时长select83 | 4 | 5 | 6 | 7 | 8 | 9 | 10生成视频的时长,单位为秒。

API

通过统一 REST API 调用本模型;在 API Keys 页获取密钥。

cURL
# 1) Submit — returns { "task_uuid": "..." }
curl -X POST "https://www.namifusion.com/api/v1/marketplace/run/google/gemini-omni-flash/reference-to-video" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
  "input": {
    "images": "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/reference-to-video",
    headers=HEADERS,
    json={
        "input": {
            "images": "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/reference-to-video", {
  method: "POST",
  headers: { ...HEADERS, "Content-Type": "application/json" },
  body: JSON.stringify({
    "input": {
      "images": "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);

文档

Gemini Omni Flash Reference to Video API

基于参考图片生成带同步音频的短视频,兼顾一致性、速度与成本效率。

Gemini Omni Flash Reference to Video 是一款面向参考图驱动视频生成的 AI 模型,可基于一张或多张参考图片与文本提示词生成短视频,并同步输出音频。该模型适合需要保持角色、产品或视觉风格一致性的场景,同时具备无冷启动、响应稳定和价格友好的优势。

🚀 关键特性

  • 参考图驱动生成:支持使用一张或多张参考图片控制视频中的主体、风格、构图与整体视觉方向。
  • 视觉一致性更强:在角色、产品、物体或品牌视觉识别需要保持稳定时,能够更好地遵循输入参考。
  • 同步音频输出:生成视频的同时输出同步音频,适合快速制作完整的短内容片段。
  • 提示词控制运动与节奏:可通过提示词描述场景发展、主体行为、镜头运动、节奏以及音频方向。
  • 简洁的宽高比控制:支持 16:9 横屏与 9:16 竖屏,便于适配主流内容分发平台。
  • 无冷启动、性价比高:适合需要稳定调用体验和可预测成本的生产环境与批量生成场景。

🛠️ 技术规格

项目说明
模型名称Gemini Omni Flash Reference to Video API
模型 IDgoogle/gemini-omni-flash/reference-to-video
任务类型图片生成视频
模型架构参考图引导的多模态视频生成模型
输入内容一张或多张参考图片 URL + 提示词
输出内容带同步音频的视频
支持的宽高比16:99:16
默认宽高比16:9
时长范围3–10 秒
默认时长8 秒
音频能力支持生成同步音频
提示词能力支持描述场景、运动、镜头行为、节奏与音频方向
参考图引用方式可在提示词中使用如 <IMAGE_REF_0> 的标签引用图片
延迟特性无冷启动,适合稳定、快速的在线生成
输出形式短视频片段,适合创意验证与内容生产

示例提示词

  1. <IMAGE_REF_0> 中的角色走在霓虹灯街道上,镜头缓慢向前推进,衣物随风摆动,环境有城市夜晚氛围音,节奏平稳且具有电影感。
  2. <IMAGE_REF_0><IMAGE_REF_1> 为参考,生成一段产品展示视频,主体在干净明亮的布景中缓慢旋转,镜头轻微环绕,配合简洁科技感音效。
  3. 参考 <IMAGE_REF_0> 的视觉风格,生成一段竖屏短视频:人物回头微笑并向镜头挥手,背景柔和虚化,节奏轻快,带自然环境音。

💰 价格

计费项价格
基础价格$0.16 / 秒
3 秒视频$0.48
5 秒视频$0.80
8 秒视频$1.28
10 秒视频$1.60

💡 最佳使用场景

  • 电商与产品营销:基于产品图快速生成带音频的展示短视频,用于广告素材、落地页和社交平台投放。
  • 角色与 IP 内容制作:利用参考图保持人物或虚拟角色形象一致,生成连续风格的短片内容。
  • 社交媒体短内容:针对横屏与竖屏场景快速生成适配不同平台的短视频素材。
  • 创意预演与概念验证:在正式拍摄或复杂制作前,先用参考图和提示词验证镜头、节奏与视觉方向。

🔗 相关模型

  • Google Gemini Omni Flash Image To Video:适合更通用的图片生成视频场景。
  • Google Gemini Omni Flash Text To Video:适合仅通过提示词直接生成视频的工作流,无需参考图片。

相关模型

xAI Grok Imagine Video v1.5 参考图转视频
Reference to VideoX Ai

xAI Grok Imagine Video v1.5 参考图转视频

使用提示词和 1-7 张参考图片生成 1-15 秒视频,支持 480p 和 720p。

$0.840 / 每次
MiniMax H3 参考图生视频
Reference to VideoMinimax

MiniMax H3 参考图生视频

MiniMax H3 Reference to Video 可根据自然语言提示词和多模态参考内容生成连贯的 2K 视频,支持图片、视频和音频输入,可引导主体一致性、运动、时序、视觉风格和场景连贯性。提供开箱即用的 REST 推理 API,性能出色,无冷启动,价格实惠。

$0.650 / 每次
Seedance 2.0 Mini 参考生视频
Reference to VideoDoubao

Seedance 2.0 Mini 参考生视频

Seedance 2.0 Mini 参考图生视频 (Reference-to-Video) 是字节跳动推出的一款高速度、低成本的视频生成模型,专注于创作具有电影质感的多镜头视频。该模型能够完美融合参考图与文本提示词,生成极具叙事感的连续视频片段。它不仅支持灵动的 AI 镜头控制,更攻克了跨场景角色一致性的难题。模型支持从 480P 到 4K 的多分辨率输出,时长跨越 4-15 秒,并适配灵活的宽高比。提供开箱即用的 REST 推理 API,性能卓越,告别冷启动,是极具性价比的专业视频创作利器

$0.380 / 每次
Seedance 2.5 参考图/视频转视频
Reference to VideoDoubao

Seedance 2.5 参考图/视频转视频

Seedance 2.5 的“参考生视频”功能是视觉统一的终极方案。它能精准提取参考素材的艺术风格、光影基调或构图意向,并将其完美融入新生成的视频中,确保您的系列创作拥有高度一致的视觉语言。

$0.700 / 每次
Seedance 2.0 Fast 视频编辑
Reference to VideoDoubao

Seedance 2.0 Fast 视频编辑

Seedance 2.0 Fast(reference-to-video)可根据自然语言提示词对输入视频进行编辑,速度更快、成本更低。基于字节跳动 Seed 统一多模态架构构建,在按指令重写光照、风格、天气、环境或特定元素的同时,保留主体身份、构图和运动。提供开箱即用的 REST API,性能出色,无冷启动,价格实惠。

$0.720 / 每次