体验 Google Gemini Omni 1.1 Flash API，使用图片与短视频参考引导视频生成，确保主体、场景和运动效果保持一致，轻松打造视觉连贯、细节统一且更具表现力的视频作品。
Google Gemini Omni 1.1 Flash Reference-to-Video API 让开发者能够使用视觉素材作为创意引导，生成 视频。提供参考图片、视频片段或同时提供两者，然后描述您想要创建的结果。Gemini 视频 API 可将这些输入转化为全新的动态场景，让创意团队能够在 Best Image AI 上灵活塑造构图、 主体特征、氛围和方向。
多模态参考素材引导： 使用图片、视频片段或两者的组合，作为生成全新 视频序列的视觉素材。
提示词控制的创意方向： 将参考素材与主体动作、 场景、镜头行为、灯光和氛围方面的自然语言指引相结合。
丰富的视觉情境： 当单个提示词不足以 传达预期方向时，整合多个所提供素材中的视觉线索。
参考素材引导的场景创作： 将所选素材作为输出中动作、构图和 氛围塑造的创意起点。
灵活的视频呈现： 根据计划的观看情境，选择横向或纵向格式、输出质量和精简的 片段时长。
可扩展的 API 工作流程： 将参考素材引导的视频生成整合到素材库、创意工具、 营销活动系统和制作流程中。
输入： 可选的参考图片、可选的参考视频片段，以及描述 预期生成场景的自然语言提示词。
输出： 通过 Gemini Omni 1.1 Flash Reference-to-Video API 工作流程创建的新视频片段。
参考方向： 选择能够传达所需主体、场景、构图或 创意基调的视觉素材，然后添加明确的动作指令。
格式控制： 选择适合最终使用场景的输出方向、质量级别和精简时长。
功能： 参考素材引导的视频生成、多模态创意输入、提示词引导的动作、视觉情境 整合和电影级场景创作。
营销活动概念开发： 结合已获批准的主视觉、氛围图片和动作参考，探索新的 营销活动视频方向。
品牌创意系统： 使用精心挑选的视觉素材库作为引导，生成以 明确创意语言为起点的视频概念。
故事板和提案可视化： 将参考板和所选片段素材转化为精简的 概念验证动态场景。
内容改编： 当仅凭文本提示词无法 传达足够的创意情境时，从现有视觉素材创建新的视频方向。
规模化创意运营： 将感知参考素材的生成能力整合到素材管理工具、内容流程和 内部创作平台中。
注意 参考素材提供创意引导，但不能替代精确的提示词。为获得最佳效果， 除提供视觉素材外，还应说明预期动作、镜头运动和场景成果。
Gemini Omni 1.1 Flash 与 Google Veo 参考视频工作流程对比： Google Veo 提供一系列生成式视频 功能。Gemini Omni 1.1 Flash 在同一模型系列中提供参考素材引导的创作方式，并同时支持文本生成、图片 动画和视频编辑。
Gemini Omni 1.1 Flash 与 Runway 对比： Runway 为创作者提供多种处理源素材和生成式 工具的方式。Gemini Omni 1.1 Flash 适合通过 API 构建参考素材引导视频工作流程的开发者。
Gemini Omni 1.1 Flash 与 Kling AI 对比： Kling 支持视觉驱动的 AI 视频创作。Gemini Omni 1.1 Flash 提供灵活的图片和视频参考素材输入以及提示词引导方向，适合需要集成式 生成流程的团队。
Gemini Omni 1.1 Flash 与 Pika 对比： Pika 因易于使用的视觉实验功能而广受欢迎。Gemini Omni 1.1 Flash 是需要将创意参考素材纳入结构化、程序化视频工作流程时的实用选择。
Gemini Omni 1.1 Flash 与 Luma Dream Machine 对比： Luma Dream Machine 支持通过提示词快速探索概念。 Gemini Omni 1.1 Flash 增加多模态参考素材引导，适合希望将更多视觉情境融入每个 生成片段的团队。
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-1.1-flash-reference-to-video',
prompt: 'Use the references to create a cinematic shot of a small boat approaching from the distance',
aspect_ratio: '16:9',
resolution: '1080p',
duration: 8,
images: ['https://example.com/boat-reference.jpg'],
videos: ['https://example.com/motion-reference.mp4']
})
});
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[].);
;
}
(status === ) {
.(pollResultData..);
;
}
( (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-1.1-flash-reference-to-video',
'prompt': 'Use the references to create a cinematic shot of a small boat approaching from the distance',
'aspect_ratio': '16:9',
'resolution': '1080p',
'duration': 8,
'images': ['https://example.com/boat-reference.jpg'],
'videos': ['https://example.com/motion-reference.mp4']
}
)
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-1.1-flash-reference-to-video",
"prompt": "Use the references to create a cinematic shot of a small boat approaching from the distance",
"aspect_ratio": "16:9",
"resolution": "1080p",
"duration": 8,
"images": ["https://example.com/boat-reference.jpg"],
"videos": ["https://example.com/motion-reference.mp4"]
}'
# 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)