API Omni Flash pour la génération vidéo multimodale

Dans Google Flow, Omni Flash fait référence à Gemini Omni Flash, le modèle vidéo conversationnel de Google pour créer et éditer des vidéos à partir de différents types d'entrée. Google le décrit comme un modèle capable de créer n'importe quoi à partir de n'importe quelle entrée, à commencer par la vidéo, et affirme que les utilisateurs de Flow peuvent mélanger l'inspiration du monde réel avec le contenu généré et itérer de manière conversationnelle. Annonce du débit Google

Omni Flash est couramment utilisé pour désigner le Gemini Omni Flash de Google. La carte modèle Google DeepMind la décrit comme un modèle multimodal natif pour les entrées texte, image, audio et vidéo qui crée une vidéo haute qualité et haute résolution avec audio, prend en charge l'édition conversationnelle et est conçue autour de la compréhension du monde et de la multimodalité. Sur PoYo, l'API Omni Flash expose des flux de travail d'invite, d'image et de référence vidéo avec des contrôles de résolution, de durée et de format d'image. Carte modèle Google DeepMind

Il n’existe pas de score public, comparable à celui des pommes, qui prouve que Omni Flash est supérieur à un pourcentage fixe à Veo 3.1. Google indique que les détails de l'évaluation du Omni Flash pour T2VA, I2VA, R2VA, le montage vidéo et la génération d'images seront partagés lors du déploiement des API des développeurs et des entreprises. Veo 3.1 a déjà des revendications publiques de référence Google en matière de préférence, d'alignement rapide, de qualité visuelle, d'alignement audio-vidéo et de physique réaliste. En pratique, choisissez Omni Flash pour l'édition conversationnelle et l'itération avec n'importe quelle entrée ; choisissez Veo 3.1 lorsque vous souhaitez un modèle vidéo cinématographique plus établi avec des preuves de référence publiées. Aperçu du Veo 3.1

Dans les produits Google, utilisez Gemini Omni Flash via Gemini, Google Flow, YouTube ou Flow Music lorsque cela est disponible pour votre forfait et votre région. Commencez par une invite, une image, une vidéo ou une autre référence, puis affinez le résultat grâce aux instructions de suivi. Sur PoYo, créez une clé API, envoyez model: "omni-flash" avec une invite et facultatifimage_urlsou video_urls, puis interrogez le point de terminaison d'état ou utilisez un webhook pour récupérer la vidéo.

PoYo prend en charge la conversion texte-vidéo sans média source, la conversion image-vidéo avec une image, la fusion de référence avec trois images et la génération d'entrée vidéo avec une vidéo URL.

Non. L'API publique accepte 0, 1 ou 3 images pour ce modèle. Les demandes comportant deux images sont rejetées afin que le mode de saisie reste sans ambiguïté.

Non. Lorsque video_urls est fourni, omettez la durée. Les tâches d'entrée vidéo utilisent leur propre mode de facturation et de génération fixe.

La résolution prend en charge 720p et 1080p. Le format d'image prend en charge 16:9, 9:16, 1:1, 4:3 et 3:4.

Non. PoYo stocke uniquement les champs de requête destinés à l'utilisateur tels que l'invite, image_urls, video_urls, la résolution, la durée, aspect_ratio, le modèle et callback_url lorsqu'ils sont fournis.