Gemini Omni Flash 文生视频 API

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

Gemini Omni Flash Text to Video 可根据文本提示词生成带同步音频的短篇 AI 视频,结合视觉生成与音频输出,实现快速多模态视频创作。即开即用的 REST 推理 API,性能出色,无冷启动,价格实惠。

示例

参数

名称类型默认约束说明
prompt *提示词textarea≤ 5000 chars用于描述要生成视频的文本提示词。
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/text-to-video" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
  "input": {
    "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/text-to-video",
    headers=HEADERS,
    json={
        "input": {
            "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/text-to-video", {
  method: "POST",
  headers: { ...HEADERS, "Content-Type": "application/json" },
  body: JSON.stringify({
    "input": {
      "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 Text to Video API

快速生成带同步音频的短视频,支持高效多模态创作且无冷启动。

Gemini Omni Flash Text to Video 是一款面向短视频生成场景的文本生成视频模型,可根据提示词直接生成包含同步音频的视频内容。该模型兼顾生成速度、稳定性与成本效率,适合需要快速迭代创意、批量测试视频概念以及构建多模态内容工作流的开发者与团队。

🚀 核心特性

  • 文本生成视频:仅需输入提示词,即可生成完整短视频,适合快速概念验证与内容生产。
  • 同步音频生成:在生成视觉内容的同时输出匹配音频,适用于强调氛围、节奏与声音指令的场景。
  • 无冷启动体验:适合线上业务与高频调用场景,减少等待时间,提升整体工作流效率。
  • 灵活宽高比控制:支持 16:99:16 两种宽高比,覆盖横屏与竖屏发布需求。
  • 短时长高效迭代:支持 3–10 秒 视频生成,便于快速测试镜头、节奏与创意方向。
  • 高性价比:按秒计费,成本结构清晰,适合从原型验证到规模化内容生成的多种场景。

🛠️ 技术规格

项目说明
模型名称Gemini Omni Flash Text to Video API
模型 IDgoogle/gemini-omni-flash/text-to-video
模型架构文本生成视频多模态模型(支持同步音频生成)
输入形式文本提示词
输出形式视频 + 音频
提示词描述场景、主体、动作、镜头行为、节奏与音频方向
宽高比16:9(默认)、9:16
时长3–10 秒(默认 8 秒)
分辨率未公开;输出适配横屏与竖屏短视频场景
帧率未公开
延迟未公开;主打快速生成与无冷启动
输出交付标准视频结果输出
适用任务短视频生成、音画一体内容生成、创意原型测试

示例提示词

  1. A cinematic sunset beach scene with gentle waves, a woman walking along the shoreline, slow camera pan, calm pacing, soft ambient ocean sounds and distant seagulls.
  2. A vertical street-food video at night in Tokyo, steam rising from fresh ramen, handheld camera movement, energetic pacing, lively city ambience and cooking sounds.
  3. A futuristic sports car driving through a neon-lit city, dynamic tracking shot, fast pacing, dramatic engine sound and electronic background music.

💰 价格

模式价格
基础价格$0.13 / 秒
3 秒视频$0.39
5 秒视频$0.65
8 秒视频$1.04
10 秒视频$1.30

💡 最佳使用场景

  • 社交媒体短视频:快速生成适用于横屏或竖屏平台的短内容,用于发布、测试与投放。
  • 创意原型与分镜验证:在正式制作前快速验证场景设定、镜头运动、节奏与声音方向。
  • 广告与电商内容:为产品展示、品牌短片和活动预热生成低成本、高效率的视频素材。
  • 音画一体叙事场景:适用于需要同时表达视觉氛围与声音线索的创意内容制作。

🔗 相关模型

  • Google Gemini Omni Flash Reference To Video:适合基于参考内容进行视频生成或风格延展的场景。
  • Google Gemini Omni Flash Video Edit:适合对已有视频进行编辑、调整或增强的工作流。

相关模型

xAI Grok Imagine Video v1.5 文生视频
Text to VideoX Ai

xAI Grok Imagine Video v1.5 文生视频

根据文本提示词生成 1-15 秒视频,支持 480p、720p 和 1080p。

$0.840 / 每次
MiniMax H3 文生视频
Text to VideoMinimax

MiniMax H3 文生视频

MiniMax H3 文生视频可根据提示词生成连贯的 2K 视频,支持 4–15 秒灵活时长,以及六种可选宽高比,适用于电影感场景、创意视频和生产工作流。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
Kling Omni Video O3 文本生成视频
Text to VideoKling

Kling Omni Video O3 文本生成视频

Kling Omni Video O3 是快手的先进统一多模态视频模型,采用MVL(多模态视觉语言)技术。文本生成视频模式可通过提示词生成具有主体一致性、自然物理模拟和精准语义理解的电影级视频。支持音频生成。即用型REST API,性能卓越,无冷启动,价格实惠。

$0.420 / 每次
Kling Omni Video O1 文本生成视频
Text to VideoKling

Kling Omni Video O1 文本生成视频

Kling Omni Video O1 是快手首款统一多模态视频模型,采用 MVL(多模态视觉语言)技术。文本生成视频模式可根据提示词生成电影级视频,具备主体一致性、自然物理模拟和精准语义理解。支持即用型 REST API,性能卓越,无冷启动,价格实惠。

$0.420 / 每次
Kling 3.0 Standard
Text to VideoKling

Kling 3.0 Standard

Kling 3.0 标准版提供高质量的文本生成视频功能,具有流畅的运动效果、电影级视觉效果、精准的提示词匹配以及原生音频,适合直接分享的短片。支持即用型 REST 推理 API,性能卓越,无冷启动,价格实惠。

$0.420 / 每次
Kling V2.6 文本生成视频 API
Text to VideoKling

Kling V2.6 文本生成视频 API

Kling 2.6 提供顶级的文本生成视频功能,具有流畅的运动效果、电影级视觉效果、强大的提示词匹配能力,以及原生音频支持,可直接分享视频片段。即用型 REST 推理 API,性能卓越,无冷启动,价格实惠。

$0.210 / 每次
Seedance 2.0 Mini 文本生成视频
Text to VideoDoubao

Seedance 2.0 Mini 文本生成视频

Seedance 2.0 Mini 文本生成视频是字节跳动推出的更快、更低成本的视频生成模型,适合制作电影感多镜头视频。它可根据文本提示词生成叙事视频序列,支持 AI 镜头控制、跨场景角色一致性、480P / 720P / 1080P / 4K 输出、4-15 秒时长以及灵活的宽高比。提供开箱即用的 REST 推理 API,性能出色,无冷启动,价格实惠。

$0.380 / 每次
Seedance 2.5 文生视频
Text to VideoDoubao

Seedance 2.5 文生视频

Seedance 2.5 提供新一代高质量视频生成能力,支持文本驱动、多种画面比例、480p/720p/1080p 分辨率以及 AI 同步音频生成,具备更强的指令遵循、镜头控制与运动表现能力。

$1.16 / 每次