
Text zu Bild
KI-Bilder aus Text-Prompts erstellen
Verwandeln Sie eine Szenenbeschreibung mit der Google Gemini Omni 1.2 Flash API in ein kurzes Video. Steuern Sie Handlung und Kamerabewegung im Hoch- oder Querformat.
Die Gemini Omni 1.2 Flash Text-to-Video API wandelt auf Best Image AI eine schriftliche Szenenbeschreibung in ein kurzes Video um. Beschreiben Sie zuerst das Motiv und die Handlung, dann den Schauplatz und die gewünschte Bildgestaltung. Auflösung, Cliplänge sowie Hoch- oder Querformat lassen sich wählen. So können Entwickler die textbasierte Videogenerierung ohne Ausgangsbilder oder Filmmaterial in Kreativwerkzeuge und redaktionelle Abläufe integrieren.
Szenen aus Text erstellen: Setzen Sie eine schriftliche Idee in bewegte Bilder um, ohne Bildvorlagen oder Filmmaterial vorzubereiten.
Szenengestaltung per Prompt: Beschreiben Sie Motiv, Schauplatz, Bewegung und gewünschte visuelle Gestaltung in natürlicher Sprache.
Kameraführung per Prompt: Geben Sie Kamerabewegung und Bildausschnitt in der Szenenbeschreibung vor, um die Darstellung der Handlung zu steuern.
Eingabe: Beschreiben Sie die gewünschte Szene in einem Textprompt. Formulieren Sie zuerst die Haupthandlung und ergänzen Sie anschließend Angaben zu Licht, Bildkomposition oder Kamerabewegung.
Ausgabeeinstellungen: Wählen Sie Hoch- oder Querformat, Auflösung und eine unterstützte Dauer für den Kurzclip. Die aktuellen Grenzwerte finden Sie in der API-Dokumentation.
Ausgabe: Senden Sie den Generierungsauftrag und rufen Sie das fertige Video nach Abschluss der Verarbeitung ab.
Abrechnung: Die Kosten richten sich nach der angeforderten Ausgabedauer in Sekunden und der gewählten Auflösung.
Kampagnen-Storyboards: Wandeln Sie schriftliche Szenenideen in Videokonzepte für die Kampagnenbesprechung um.
Videokonzepte für soziale Medien: Entwickeln Sie kurze Szenen im Hoch- oder Querformat rund um eine Produkteinführung oder ein redaktionelles Thema.
Ideen in der Vorproduktion: Erproben Sie Schauplätze und Handlungen, bevor Sie Bildvorlagen erstellen oder Aufnahmen drehen.
Funktionen für Kreativanwendungen: Lassen Sie Nutzer innerhalb eines bestehenden Produktablaufs Szenenbeschreibungen einreichen und generierte Clips abrufen.
Hinweis Stimmen Sie die gewünschte Handlung auf die Cliplänge ab. Gleichen Sie die Ergebnisse mit dem Briefing ab und achten Sie darauf, dass die Prompts den geltenden Inhaltsrichtlinien entsprechen.
Vergleich mit Image-to-Video: Text-to-Video beginnt mit einer schriftlichen Beschreibung. Wählen Sie Gemini Omni 1.2 Flash Image-to-Video, wenn ein vorhandenes Bild das Startbild vorgeben oder ein optionales Bild das Ende bestimmen soll.
Vergleich mit Reference-to-Video: Reference-to-Video benötigt visuelles Referenzmaterial. Text-to-Video eignet sich für Projekte, die mit einer Beschreibung beginnen und keine Bild- oder Videoreferenzen erfordern.
Vergleich mit Video Edit: Video Edit bearbeitet einen vorhandenen Clip und übernimmt dessen zeitlichen Ablauf und Seitenverhältnis. Text-to-Video erstellt einen neuen Clip mit der gewählten Dauer und Ausrichtung.
Entdecken Sie mehrere KI-Kreativtools für schnelle Bild- und Video-Workflows direkt im Browser und skalieren Sie erfolgreiche Ideen anschließend mit den produktionsreifen Modell-APIs von Best Image AI. Best Image AI bietet eine einheitliche API-Schicht für alle Modelle, damit Sie Ihre Workflows einfach nutzen und skalieren können.

KI-Bilder aus Text-Prompts erstellen

KI-Bilder aus Bildern und Text-Prompts erstellen

KI-Videos aus Text-Prompts erstellen

Bilder in KI-Videos animieren

KI-Bilder und -Videos in einem gemeinsamen Arbeitsbereich erstellen

Konsistente Videos aus Referenzmedien erstellen

Erstelle visuelle KI-Bild- und Videoworkflows auf einer unendlichen Arbeitsfläche
const response = await fetch('https://api.flaq.ai/api/v1/video/task', {
method: 'POST',
headers: {
'Content-Type': 'application/json',
'Authorization': 'Bearer YOUR_API_KEY'
},
body: JSON.stringify({
model_name: 'gemini-omni-1.2-flash-text-to-video',
prompt: 'A cinematic tracking shot follows a sailboat crossing a glowing ocean at sunset',
aspect_ratio: '16:9',
resolution: '1080p',
duration: 12
})
});
const { data } = await response.json();
const taskId = data.task_id;
// Step 2: Poll for results
const taskId = data.task_id;
const pollResult = async (taskId) => {
const res = await fetch(`https://api.flaq.ai/api/v1/video/${taskId}`, {
headers: { 'Authorization': 'Bearer YOUR_API_KEY' }
});
return res.json();
};
while (true) {
const pollResultData = await pollResult(taskId);
const status = pollResultData.data.task_status;
if (status === 'succeed') {
console.log(pollResultData.data.task_result.videos[0].url);
break;
}
if (status === 'failed') {
console.error(pollResultData.data.task_status_msg);
break;
}
await new Promise(resolve => setTimeout(resolve, ));
}
import requests
response = requests.post(
'https://api.flaq.ai/api/v1/video/task',
headers={
'Content-Type': 'application/json',
'Authorization': 'Bearer YOUR_API_KEY'
},
json={
'model_name': 'gemini-omni-1.2-flash-text-to-video',
'prompt': 'A cinematic tracking shot follows a sailboat crossing a glowing ocean at sunset',
'aspect_ratio': '16:9',
'resolution': '1080p',
'duration': 12
}
)
result = response.json()
task_id = result['data']['task_id']
curl -X POST https://api.flaq.ai/api/v1/video/task \
-H "Content-Type: application/json" \
-H "Authorization: Bearer YOUR_API_KEY" \
-d '{
"model_name": "gemini-omni-1.2-flash-text-to-video",
"prompt": "A cinematic tracking shot follows a sailboat crossing a glowing ocean at sunset",
"aspect_ratio": "16:9",
"resolution": "1080p",
"duration": 12
}'
# Step 2: Poll for results
# Replace {task_id} with the task_id returned from the submit response
curl -X GET "https://api.flaq.ai/api/v1/video/{task_id}" \
-H "Authorization: Bearer YOUR_API_KEY"
# Step 2: Poll for results
task_id = response.json()['data']['task_id']
poll_url = f"https://api.flaq.ai/api/v1/video/{task_id}"
while True:
poll_result = requests.get(poll_url, headers={'Authorization': 'Bearer YOUR_API_KEY'}).json()
status = poll_result['data']['task_status']
if status == 'succeed':
print(poll_result['data']['task_result']['videos'][0]['url'])
break
if status == 'failed':
print(poll_result['data']['task_status_msg'])
break
time.sleep(10)