img_uuid を保存して、ポーリングまたは HTTPS コールバックで非同期結果を取得します。画像から動画へのワークフロー向け Gemini Omni Video API
独立した GoEnhance API から Gemini Omni Video にアクセスします。変換とサウンドデザインのプロンプトとともに 1〜7 枚の画像を送信し、返された
API キーを作成
Gemini Omni Video API の機能
1〜7 枚の画像によるガイド
image_urls に 1〜7 枚の公開画像 URL を指定します。各ファイルは JPEG、PNG、WebP で最大 20MB です。少なくとも 1 枚の画像が必要です。
長さ・比率・解像度の選択
4、6、8、10 秒、16:9 または 9:16 のアスペクト比、720p、1080p、4K の出力から選択できます。デフォルトは 8 秒、16:9、720p です。
課金対象タスクを送信する前に、必須画像、プロンプト長、出力の enum、コールバック URL を検証します。
Gemini Omni Video API のパラメータと検証
正確なモデル ID
<code>model</code> に <code>gemini_omni_video</code> を指定します。モデル、プロンプト、画像配列は必須です。
1〜7 個の画像 URL
<code>image_urls</code> で 1〜7 個の公開 JPEG、PNG、WebP ファイルを送信します。ドキュメント上、各入力の上限は 20MB です。
4,096 文字のプロンプト
<code>prompt</code> で画像の変換と同期したサウンドデザインを記述します。このフィールドは必須です。
4 種類の再生時間
4、6、8、10 秒から選択します。省略した場合、<code>duration</code> はデフォルトで 8 秒になります。
横長または縦長
<code>aspect_ratio</code> に <code>16:9</code> または <code>9:16</code> を指定します。ドキュメント上のデフォルトは 16:9 です。
720p、1080p、4K
<code>resolution</code> に 720p、1080p、4K を指定します。オプションの整数 <code>seed</code>（0〜2,147,483,647）を使うと、リクエストを再現できます。
720p と 1080p は同じ料金テーブルを共有し、4K は選択した時間に対するより高い固定料金を使用します。
Gemini Omni Video API の料金
720p と 1080p の料金
4s：20.48 トークン（$0.4096）、6s：27.3（$0.546）、8s：34.13（$0.6826）、10s：40.95（$0.819）。
4K の料金
4s：47.78 トークン（$0.9556）、6s：54.6（$1.092）、8s：61.43（$1.2286）、10s：68.25（$1.365）。
生成あたりの固定料金
GoEnhance では、再生時間と解像度の各組み合わせを、トークンあたり $0.02 の固定トークン数として記載しています。料金は変更される可能性があるため、本番リリース前にライブリファレンスを確認してください。
Gemini Omni Video を 3 ステップで統合
1
1. 画像と設定の検証
API キーを作成し、1〜7 件の許可済み画像 URL を準備して、動きと音声のプロンプトを書き、時間、アスペクト比、解像度、シード、コールバック URL を検証します。
2
2. img_uuid の送信と保持
ベアラー認証と
model: gemini_omni_video を指定して https://api.goenhance.ai/api/v1/videos/generations に POST し、data.img_uuid を保存します。 3
3. ポーリングまたはコールバック処理
タスクが成功または失敗に達するまで、
GET https://api.goenhance.ai/api/v1/jobs/detail?img_uuid=... をポーリングするか、コールバックイベントを冪等に処理します。所有している、または使用を許可されている画像とクリエイティブ素材を中心に、再現可能なワークフローを構築します。
Gemini Omni Video API のユースケース
商品画像アニメーション
許可済みの商品静止画像を、シーン固有のサウンドを伴う短いモーションコンセプトに変換し、レビューや後続の編集に使用できるようにします。
キャンペーン向けクリエイティブのバリエーション
再現可能な広告コンセプトパイプラインのために、画像、動きの方向、時間、アスペクト比、解像度をパラメータ化します。
マルチリファレンスのストーリーコンセプト
1 回のリクエストで、承認済みの複数の画像を使用して、キャラクター、オブジェクト、環境、またはビジュアルディレクションを伝えます。
音声・映像プリビジュアライゼーション
最終本番に着手する前に、動きと同期したネイティブオーディオがどのように連携するかをプロトタイプします。
横型・縦型の出力
Web、プレゼンテーション、モバイル、ソーシャル公開ワークフロー向けに、16:9 または 9:16 のコンセプトを生成します。
自動化メディアシステム
アプリケーション内で、送信、永続的なタスク ID、コールバック、アセット保存、モデレーション、人間による承認を連携させます。
Gemini Omni Video API の料金、Google API の検索意図、画像入力、オーディオ、非同期配信についての回答です。