Gemini Omni 1.1 Flash テキストから動画
- テキストからネイティブ音声付き動画を生成
quality: 出力解像度: 360p、720p、1080p、4k。既定値720p。duration: 動画の長さ(秒)。3~10の整数、既定値3。aspect_ratio: アスペクト比: 16:9、9:16、auto。既定値auto。- モデルが同期したネイティブ音声を自動生成します。
- 否定条件はpromptへ直接記述します。
- 非同期処理: タスク状態を照会
- 生成リンクの有効期限は24時間です。
承認
##すべてのインターフェースはBearer Tokenによる認証が必要です##
API Key の取得:
API Key 管理ページ にアクセスして API Key を取得してください
利用時はリクエストヘッダーに以下を追加します:
ボディ
モデル名。固定値は gemini-omni-1.1-flash-text-to-video
gemini-omni-1.1-flash-text-to-video "gemini-omni-1.1-flash-text-to-video"
被写体、動作、シーン、カメラワークを記述するプロンプト。
"ガラス玉が木製レールを転がり、水に落ちてしぶきを上げる。"
動画解像度。デフォルトは 720p です。
対応値:
360p:横 640×360 / 縦 360×640720p:横 1280×720 / 縦 720×1280。デフォルト1080p:横 1920×1080 / 縦 1080×19204k:横 3840×2160 / 縦 2160×3840
向きは aspect_ratio で決まり、16:9 は横向き、9:16 は縦向きです。
課金: 出力 token は解像度に比例します。720p を基準に、360p は約 1/3、1080p は約 1.5 倍、4k は約 3 倍です。実際の料金は生成時の使用量に基づきます。
360p, 720p, 1080p, 4k "720p"
動画の長さ(秒)。デフォルトは 3 です。
説明:
3~10の任意の整数を指定可能- 長さは課金額に直接影響します
3 <= x <= 103
アスペクト比: 16:9、9:16、auto。既定値auto。
16:9, 9:16, auto "auto"
タスク完了後のHTTPSコールバックアドレス
コールバックのタイミング:
- タスクの完了(completed)、失敗(failed)、キャンセル(cancelled)時にトリガーされます
- 課金確定後に送信されます
セキュリティ制限:
- HTTPSプロトコルのみ対応
- 内部ネットワークIPアドレス(127.0.0.1、10.x.x.x、172.16-31.x.x、192.168.x.x など)へのコールバックは禁止
- URLの長さは
2048文字以内
コールバックの仕組み:
- タイムアウト時間:
10秒 - 失敗後は最大
3回まで再試行します(失敗後それぞれ1秒/2秒/4秒後に再試行します) - コールバックのレスポンスボディの形式はタスク照会インターフェースの返却形式と同一です
- コールバックアドレスが2xxステータスコードを返した場合は成功とみなし、それ以外のステータスコードは再試行をトリガーします
"https://your-domain.com/webhooks/video-task-completed"
レスポンス
動画タスクの作成に成功しました
タスク作成のタイムスタンプ
1757169743
タスクID
"task-unified-1757169743-7cvnl5zw"
実際に使用されたモデル名
"gemini-omni-1.1-flash-text-to-video"
タスクの具体的な種別
video.generation.task タスクの進捗率 (0-100)
0 <= x <= 1000
タスク状態。作成APIは processing を返します。
pending, processing, completed, failed "processing"
動画タスクの詳細情報
タスクの出力タイプ
text, image, audio, video "video"
使用量と課金情報