在 Gemini Omni 1.2 Flash API 页面,用文字、参考图片、首尾帧或源视频整理创作思路。通过 Gemini Omni API Playground 配置提示词、任务类型、分辨率与画面比例。
Gemini Omni API 配置概览
在提示词中描述 3–10 秒的视频及声音。
描述场景并设置视频参数。
围绕 Gemini Omni 1.2 Flash 模型,结合文字、视觉参考与首尾帧方向整理视频方案。先明确每份素材的用途,再一起检查 API 参数与场景构图。
组织视频请求,再使用任务 ID 查询处理结果。
将 APIMart API Key 存入环境变量 APIMART_API_KEY,并通过 Authorization: Bearer 请求头发送。
向 /v1/videos/generations 发送 POST 请求,包含 model、prompt 和选定参数。图生视频添加 first_frame_image;本地文件先换成可访问的 HTTP(S) 链接,不发送 blob 地址。从响应读取 data[0].task_id。
通过 GET /v1/tasks/{task_id} 查询状态。completed 时读取 data.result.videos[0].url[0];failed 时查看 error.message。
通用 API 使用说明请查看 APIMart API 文档。
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": "一个持续六秒的连续镜头:黄昏时分,安静的湖畔集市上方挂着纸灯笼。镜头缓缓前移,布幔随微风轻摆,背景伴有轻柔的水声。",
"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": "一个持续六秒的连续镜头:黄昏时分,安静的湖畔集市上方挂着纸灯笼。镜头缓缓前移,布幔随微风轻摆,背景伴有轻柔的水声。",
"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 $APIMART_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "gemini-omni-1.2-flash",
"prompt": "让这张商品图片动起来,镜头缓慢环绕,柔和光线随镜头变化。保留商品的外形、标签文字和材质。",
"aspect_ratio": "16:9",
"resolution": "720p",
"first_frame_image": "https://example.com/first-frame.jpg"
}'TASK_ID="task_xxx" # replace with the task_id returned by the POST request
curl "https://api.apimart.ai/v1/tasks/$TASK_ID" \
-H "Authorization: Bearer $APIMART_API_KEY"| 参数 | 类型 | 必填 | 默认值 | 说明 |
|---|---|---|---|---|
model | string | 是 | 默认值: gemini-omni-1.2-flash | 本页面使用的配置 ID:gemini-omni-1.2-flash。 |
prompt | string | 是 | 默认值: — | 描述主体、动作、运镜、光照及期望声音。所需的 3–10 秒时长写在提示词中,没有单独的 duration 字段。 |
aspect_ratio | string | 否 | 默认值: 16:9 | 视频比例:16:9 横屏或 9:16 竖屏,默认 16:9。 |
resolution | string | 否 | 默认值: 720p | 可选 360p、720p、1080p 或 4k,默认 720p;1080p 和 4k 通过超分辨率处理得到。 |
image_urls | array | 否 | 默认值: [] | 参考图片的 HTTP(S) 链接。参考图、首帧图和尾帧图合计最多 10 张。 |
first_frame_image | string | 否 | 默认值: — | 首帧图片的 HTTP(S) 链接,计入合计 10 张图片的数量。 |
last_frame_image | string | 否 | 默认值: — | 尾帧图片的 HTTP(S) 链接,需要同时提供 first_frame_image,并计入合计 10 张图片的数量。 |
video_urls | array | 否 | 默认值: [] | 视频的 HTTP(S) 链接:参考视频最多 3 段,每段不超过 3 秒;edit 或 extend 的源视频为 1 段,最多 10 秒。不支持 YouTube 链接。 |
metadata.task | string | 否 | 默认值: — | 显式任务可选 text_to_video、image_to_video、reference_to_video、edit 或 extend。自动选择时省略 metadata.task,不发送字符串 auto。 |
previous_interaction_id | string | 否 | 默认值: — | 可选的已有交互标识,用于延续其上下文。请填写已有的交互 ID,不要填写任务 ID 或模型名称。 |
围绕 Google Gemini Omni 1.2 Flash 准备输入素材与创作方向。
围绕创作目标组织素材、镜头与编辑指令。
用三个步骤整理一致的视频创作方案。
在 Gemini Omni 创作方案中写明主体、动作、镜头和声音方向,并补充期望的节奏或大致时长。
在 Gemini Omni API 表单中选择任务,按需添加参考图片或视频、首尾帧,或用于编辑与续写的源视频。
选择分辨率与画面比例,再一起检查 Gemini Omni 提示词和素材,确认图片数量与视频限制符合当前任务。 本页使用 gemini-omni-1.2-flash 作为配置 ID。
了解任务选择、素材限制、画面设置与配置编辑方式。
Gemini Omni 1.2 Flash API 提供自动、文生视频、图生视频、参考素材、编辑和续写任务。自动模式不指定任务类型;编辑与续写使用源视频,其余模式使用参考视频配置。
为 gemini-omni-api 编写提示词时,说明主体、动作、镜头、光线和声音,再补充节奏。需要连续镜头时明确要求不切镜;编辑指令应聚焦具体改动。
Gemini Omni API 可配置 360p、720p、1080p 和 4K,默认 720p。1080p 与 4K 使用超分处理;JSON 中的 4K 应写为小写 4k。
Gemini-Omni API 可选 16:9 横屏或 9:16 竖屏,默认 16:9。参考构图、首帧与尾帧应尽量匹配所选画面比例。
Gemini Omni API 常规片段约为 3–10 秒,由提示词引导时长。可用文字描述时间和节奏;没有独立 duration 字段,也不保证精确到指定秒数。
Gemini Omni Flash API 的参考图、首帧和尾帧合计最多 10 张,同时设置首尾帧后还可使用 8 张参考图。需要指定开场画面时,将图片放入首帧位置。
Gemini Omni API 可仅设首帧,也可搭配尾帧;尾帧必须有首帧。首尾使用同一张图片并描述循环意图,可表达起止画面,但不保证无缝衔接。
gemini-omni-1.2-flash API 参考视频最多 3 段,每段不超过 3 秒;编辑与续写使用 1 段不超过 10 秒的源视频。选择对应任务后配置素材。
在 Gemini-Omni Flash API 提示词中,编辑用于描述现有片段的具体调整,续写用于描述接下来发生的内容。续写追加在结尾,不在片头或中间插入。
将对白、音乐和音效方向写入 Google Gemini Omni API 提示词。不支持音频文件输入或语音编辑;参考视频的声音会被忽略,需要用文字另行描述。
gemini-omni-api 工作台支持本地视频或 HTTP/HTTPS 视频素材链接,并按任务限制检查素材。YouTube 页面、短链接和嵌入链接不属于支持的视频来源。
Gemini Omni Flash API 的 previous_interaction_id 是继续编辑或续写时的可选上下文。应填写有效的已有交互 ID,而非视频链接;新场景可留空。
gemini-omni-1.2-flash API 工作台可将 Form 配置转为 JSON,回到 Form 前会检查 JSON。格式或参数有误时保留编辑内容及原表单草稿,便于修正。
切换 Gemini Omni API 任务时,应检查视频数量和时长。不符合目标任务限制时,会保留当前任务及素材;先调整视频再切换,不会自动删除已有内容。
Gemini-Omni、gemini-omni-api 等属于名称或搜索写法,不代表另一型号或请求 ID。本页展示名为 Gemini Omni 1.2 Flash,少见搜索写法还包括“Gemini Omni1.2 Flash”和“Gemini Omni Flash 1.2”。本页配置 ID 为 gemini-omni-1.2-flash。
登录 APIMart 后,打开控制台的 API Keys 页面,或点击本页顶部的“获取 API Key”入口,即可创建和管理密钥。请妥善保管自己的 API Key。
探索同类型的其他模型。

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.