プロンプトで3〜10秒の動画と音声を説明してください。
シーンを説明し、動画の設定を選択してください。
Gemini Omni 1.2 Flash モデルに向けて、テキスト、視覚的な参照、フレーム指定を組み合わせた動画の構想を整理します。各入力の用途を選び、API 設定とシーンの構図を一緒に確認できます。
動画リクエストを組み立て、タスク ID で処理結果を確認します。
APIMart API キーを環境変数 APIMART_API_KEY に保存し、Authorization: Bearer ヘッダーで送信します。
model、prompt、選択したパラメータを /v1/videos/generations に POST します。画像から動画では first_frame_image を追加します。ローカルファイルはアクセス可能な HTTP(S) URL に置き換え、blob URL は送信しません。レスポンスから data[0].task_id を取得します。
GET /v1/tasks/{task_id} で状態を確認します。completed なら data.result.videos[0].url[0] を取得し、failed なら error.message を確認します。
API の基本的な使い方は APIMart API ドキュメント をご覧ください。
curl -X POST https://api.apimart.ai/v1/videos/generations \
-H "Authorization: Bearer $APIMART_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "gemini-omni-1.2-flash",
"prompt": "夕暮れの静かな湖畔の市場に紙のランタンが浮かぶ、6秒間の連続ショット。カメラはゆっくり前進し、布がそよ風に揺れ、穏やかな水音が聞こえる。",
"aspect_ratio": "16:9",
"resolution": "720p"
}'import os
import time
import requests
API_BASE = "https://api.apimart.ai"
headers = {"Authorization": f"Bearer {os.environ['APIMART_API_KEY']}"}
# 1. Submit the generation task
payload = {
"model": "gemini-omni-1.2-flash",
"prompt": "夕暮れの静かな湖畔の市場に紙のランタンが浮かぶ、6秒間の連続ショット。カメラはゆっくり前進し、布がそよ風に揺れ、穏やかな水音が聞こえる。",
"aspect_ratio": "16:9",
"resolution": "720p"
}
resp = requests.post(f"{API_BASE}/v1/videos/generations", headers=headers, json=payload, timeout=60)
resp.raise_for_status()
task_id = resp.json()["data"][0]["task_id"]
# 2. Poll the task until it finishes
for _ in range(200):
task_resp = requests.get(f"{API_BASE}/v1/tasks/{task_id}", headers=headers, timeout=30)
task_resp.raise_for_status()
task = task_resp.json()["data"]
if task["status"] == "completed":
print(task["result"]["videos"][0]["url"][0])
break
if task["status"] == "failed":
raise RuntimeError(task.get("error", {}).get("message", "generation failed"))
time.sleep(10)
else:
raise TimeoutError(f"task {task_id} did not finish in time; continue GET polling with this task ID")curl -X POST https://api.apimart.ai/v1/videos/generations \
-H "Authorization: Bearer $APIMART_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "gemini-omni-1.2-flash",
"prompt": "この商品画像を、ゆっくり回り込むカメラと柔らかく動く光でアニメーション化する。商品の形、ラベルの文字、素材を保つ。",
"aspect_ratio": "16:9",
"resolution": "720p",
"first_frame_image": "https://example.com/first-frame.jpg"
}'TASK_ID="task_xxx" # replace with the task_id returned by the POST request
curl "https://api.apimart.ai/v1/tasks/$TASK_ID" \
-H "Authorization: Bearer $APIMART_API_KEY"| パラメータ | 型 | 必須 | 既定値 | 説明 |
|---|---|---|---|---|
model | string | 必須 | 既定値: gemini-omni-1.2-flash | このページで使用する設定 ID:gemini-omni-1.2-flash。 |
prompt | string | 必須 | 既定値: — | 被写体、動き、カメラ、照明、希望する音を記述します。希望する3〜10秒の長さはプロンプトに含めます。独立した duration フィールドはありません。 |
aspect_ratio | string | 任意 | 既定値: 16:9 | 動画の縦横比:横向きの16:9または縦向きの9:16。既定値は16:9です。 |
resolution | string | 任意 | 既定値: 720p | 360p、720p、1080p、4k から選択します。既定値は720pで、1080p と4k はアップスケーリングを使用します。 |
image_urls | array | 任意 | 既定値: [] | 参照画像の HTTP(S) URL。参照画像、最初のフレーム、最後のフレームを合わせて最大10枚です。 |
first_frame_image | string | 任意 | 既定値: — | 最初のフレーム画像の HTTP(S) URL。合計10枚の上限に含まれます。 |
last_frame_image | string | 任意 | 既定値: — | 最後のフレーム画像の HTTP(S) URL。first_frame_image が必要で、合計10枚の上限に含まれます。 |
video_urls | array | 任意 | 既定値: [] | 動画の HTTP(S) URL。参照動画は各3秒以内で最大3本、edit または extend の元動画は10秒以内で1本です。YouTube リンクには対応していません。 |
metadata.task | string | 任意 | 既定値: — | 明示的なタスクは text_to_video、image_to_video、reference_to_video、edit、extend です。自動選択では文字列 auto を送信せず、metadata.task を省略します。 |
previous_interaction_id | string | 任意 | 既定値: — | 以前のやり取りの文脈を引き継ぐための任意の識別子。タスク ID やモデル名ではなく、既存のやり取りの ID を指定します。 |
Google Gemini Omni 1.2 Flash の入力素材と映像表現を準備します。
制作の目的に合わせて、アイデア、参照素材、編集指示を整理します。
3 つの手順で、一貫した動画の構想をまとめます。
Gemini Omni の構想に被写体、動作、カメラ、音の方針を記述します。希望するテンポやおおよその長さも加えます。
Gemini Omni API のフォームでタスクを選びます。用途に合わせて参照画像や動画、開始・終了フレーム、または元動画を追加します。
解像度とアスペクト比を選び、Gemini Omni のプロンプトと素材をまとめて確認します。画像の総数と動画の制限が選んだタスクに合っているかを確認します。 このページでは gemini-omni-1.2-flash を設定 ID として使用します。
タスク選択、素材の制限、出力設定、設定の編集について。
Gemini Omni 1.2 Flash API では自動、テキストから動画、画像から動画、参照から動画、編集、延長を選べます。自動ではタスクを明示しません。元動画には編集または延長、参照素材にはそれ以外のモードを選びます。
gemini-omni-api のプロンプトでは、被写体、動作、カメラ、照明、音を説明します。テンポも加え、必要なら連続したワンショットを指定してください。編集指示は具体的な変更に絞ります。
Gemini Omni API の解像度は 360p、720p、1080p、4K です。初期設定は 720p で、1080p と 4K はアップスケール出力です。JSON では小文字の 4k を使います。
Gemini-Omni API では横長の 16:9 と縦長の 9:16 を選べ、初期設定は 16:9 です。参照画像の構図や開始・終了フレームも、選択した比率に合わせてください。
Gemini Omni API の通常のクリップは約 3〜10 秒で、長さをプロンプトで指示します。時間やテンポを言葉で説明してください。独立した duration 項目はなく、正確な長さは保証されません。
Gemini Omni Flash API では参照画像とフレーム画像を合わせて最大 10 枚です。開始・終了フレームの両方を設定すると参照枠は 8 枚分になります。開幕の画像は開始フレームの枠に指定します。
Gemini Omni API では開始フレームのみ、または開始・終了フレームを指定できます。終了フレームには開始フレームが必要です。同じ画像でループの意図を示せますが、継ぎ目のない接続は保証されません。
gemini-omni-1.2-flash API の参照動画は最大 3 本、各 3 秒以内です。編集と延長では 10 秒以内の元動画を 1 本使います。対応するタスクを選んで素材を設定してください。
Gemini-Omni Flash API のプロンプトでは、編集は既存の動画への具体的な変更を、延長はその後に起こる内容を説明します。延長は末尾への追加であり、先頭や途中への挿入ではありません。
Google Gemini Omni API のプロンプトに台詞、音楽、効果音の指示を書きます。音声ファイルの入力や音声編集には対応していません。参照動画の音声は無視されるため、希望の音は別途説明してください。
gemini-omni-api ワークスペースでは、タスクの制限内でローカル動画や HTTP/HTTPS の動画素材 URL を使えます。YouTube のページ、短縮リンク、埋め込み URL は対応していません。
Gemini Omni Flash API の previous_interaction_id は、編集や延長を続けるための任意の文脈情報です。動画 URL ではなく、有効な以前のインタラクション ID を指定します。新しいシーンでは空欄にしてください。
gemini-omni-1.2-flash API ワークスペースは Form の設定を JSON に変換し、Form に戻す前に JSON を検証します。不正な編集はエディターに残り、入力テキストと以前のフォームの下書きが保持されます。
Gemini Omni API のタスクを切り替える前に、動画の本数と長さを確認してください。制限に合わない場合は現在のタスクと素材を維持します。先に動画を調整してください。既存の内容は自動で削除されません。
Gemini-Omni や gemini-omni-api は名称や検索時の表記であり、別モデルやリクエスト ID を表すものではありません。本ページの表示名は Gemini Omni 1.2 Flash です。「Gemini Omni1.2 Flash」「Gemini Omni Flash 1.2」という検索表記もありますが、設定 ID は gemini-omni-1.2-flash です。
APIMart にログインし、ダッシュボードの API Keys を開くか、このページ上部の「APIキーを取得」を選択してください。そこでキーを作成・管理できます。API キーは他人に公開しないでください。
同じカテゴリの他のモデルを探す。

Pixverse V6 Max
PixVerse V6 Max is an advanced AI video generation model that transforms text and images into cinematic videos up to 15 seconds long at 1080p. With realistic visuals, expressive characters, and optional synchronized audio, it offers precise creative control for multi-shot storytelling, advertising, and music videos.

Kling V4
Kling 4.0 is an advanced AI video generation model that brings creative ideas to life with realistic motion, dynamic camera work, and precise visual control. With support for continuous videos up to 30 seconds and multiple reference inputs, it helps creators craft cinematic stories with greater flexibility.

ViduQ 4 Preview
Vidu Q4 Preview is ShengShu's image-to-video and reference-to-video model. Animate one first frame or combine up to 15 reference images and 3 audio clips into 3–16 second videos at up to 4K, with audio generated by default.

Wan 3.0 Video Prime
Wan 3.0 Prime is the Prime version of Alibaba Cloud's all-in-one Wan 3.0 video model, with general, first-and-last-frame and file or webpage modes and 2–30 second output.