メインコンテンツへスキップ
POST

承認

Authorization
string
header
必須

##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

application/json
model
enum<string>
必須

モデル名。入力素材とタスクに応じたモデルIDを選択してください。

  • gemini-omni-1.2-flash-text-to-video:テキストから動画
  • gemini-omni-1.2-flash-image-to-video:画像から動画(開始フレーム、または開始・終了フレーム)
  • gemini-omni-1.2-flash-reference-to-video:参照素材から動画
  • gemini-omni-1.2-flash-video-edit:動画編集
  • gemini-omni-1.2-flash-video-extend:動画延長
  • gemini-omni-1.2-flash-video-upscale:動画アップスケール
利用可能なオプション:
gemini-omni-1.2-flash-text-to-video,
gemini-omni-1.2-flash-image-to-video,
gemini-omni-1.2-flash-reference-to-video,
gemini-omni-1.2-flash-video-edit,
gemini-omni-1.2-flash-video-extend,
gemini-omni-1.2-flash-video-upscale
例:

"gemini-omni-1.2-flash-text-to-video"

prompt
string

生成・編集・続きの内容を指定するテキストプロンプト。中国語と英語に対応します。アップスケール以外は必須です。アップスケールではプロンプトは不要です。

  • 被写体、動作、場面、カメラの動き、変更せずに保つ内容を明確に記述してください。
  • 否定的な指定は直接記述します(例:No dialogue、文字を表示しない)。独立したネガティブプロンプトのパラメータはありません。

動画アップスケールでは prompt を使用しません。指定しても無視されます。

例:

"ガラス玉が木製のコースを勢いよく転がり、最後に水へ落ちてしぶきを上げる。"

image_urls
string<uri>[]

入力画像の配列。

  • 画像から動画:必須、1〜2枚。1枚なら開始フレーム、2枚なら開始・終了フレームです。
  • 参照素材から動画:必須。公開されている推奨上限は参照画像10枚です。
  • 動画編集:任意、参照画像は最大10枚。
  • 動画延長:任意、参照画像は最大10枚。
  • テキストから動画・アップスケール:画像入力は非対応。

HTTP/HTTPS画像URLのみ。形式:png、jpeg、webp。

Required array length: 1 - 10 elements
例:
video_urls
string<uri>[]

入力動画の配列。

  • 参照素材から動画:任意。公開されている推奨上限は3本。duration が10秒を超える場合は最大1本。
  • 動画編集:1本必須、最大15秒。
  • 動画延長:1本必須、最大30秒。
  • アップスケール:1本必須、最大15秒。サイズは 640×360、1280×720、1920×1080 と、それぞれの縦向きサイズのみ。
  • テキストから動画・画像から動画:動画入力は非対応。

各参照動画の長さは 10 秒以下である必要があります。

Required array length: 1 - 3 elements
例:
quality
enum<string>

動画の解像度。

選択肢(横向き / 縦向き):

  • 360p:640×360 / 360×640
  • 720p:1280×720 / 720×1280
  • 1080p:1920×1080 / 1080×1920
  • 4k:3840×2160 / 2160×3840
  • auto:編集・延長のみ。入力動画の解像度に合わせます。

既定値:

  • テキスト・画像・参照素材から動画:720p。
  • 動画編集・延長:auto。
  • アップスケール:目標解像度の指定が必須で、入力より高い必要があります。360p → 720p または 1080p、720p → 1080p または 4k、1080p → 4k。

課金について: テキスト・画像・参照素材からの動画生成、編集、延長では、入力トークン、動画出力トークン、その他の出力トークン(思考を含む)が個別に課金されます。動画アップスケールでは動画出力トークンのみが課金され、入力トークンや思考トークンの料金は発生しません。送信時の料金は見積額であり、最終的な料金は実際の使用量に基づいて精算されます。

利用可能なオプション:
360p,
720p,
1080p,
4k,
auto
例:

"720p"

duration

動画の長さ。

  • テキスト・参照素材から動画:3〜15 秒の整数。既定値 3。
  • 画像から動画:開始フレーム1枚なら 3〜15 秒、開始・終了の2枚なら 3〜10 秒。既定値 3。
  • 動画編集・アップスケール:auto のみで、既定値も auto。入力動画の長さに合わせます。
  • 動画延長:3〜10 秒の整数。既定値 3。追加する長さを表します。
必須範囲: 3 <= x <= 15
例:

3

aspect_ratio
enum<string>
デフォルト:auto

動画のアスペクト比。既定値は auto。

  • 16:9:横向き。
  • 9:16:縦向き。
  • auto:プロンプトと素材に基づいてモデルが決定します。既定値です。

編集・延長・アップスケールは auto のみ指定でき、入力動画の比率を維持します。

利用可能なオプション:
16:9,
9:16,
auto
例:

"auto"

seed
integer

乱数シード。既定ではランダムです。範囲は 0〜4294967295。シードを固定すると、プロンプト調整時のパラメータ変更によるばらつきを抑え、再現性を高められます。

必須範囲: 0 <= x <= 4294967295
例:

42

callback_url
string<uri>

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
例:

"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

created
integer

タスク作成のタイムスタンプ

例:

1757169743

id
string

タスクID

例:

"task-unified-1757169743-7cvnl5zw"

model
string

実際に使用されたモデル名

例:

"gemini-omni-1.2-flash-text-to-video"

object
enum<string>

タスクの具体的な種別

利用可能なオプション:
video.generation.task
progress
integer

タスクの進捗率 (0-100)

必須範囲: 0 <= x <= 100
例:

0

status
enum<string>

タスクの状態。作成APIは常に processing を返します。内部状態の pending もクライアントには processing として公開されます。

利用可能なオプション:
pending,
processing,
completed,
failed
例:

"processing"

task_info
object

動画タスクの詳細情報

type
enum<string>

タスクの出力タイプ

利用可能なオプション:
text,
image,
audio,
video
例:

"video"

usage
object

使用量と課金情報