Gemini Omni Flash 视频 API

Gemini Omni Flash 是高性能多模态模型，适合快速视频生成、视频编辑和电影化控制。它可以同时理解文本、图片、音频和视频，通过 Interactions API 支持对话式编辑，并结合 Gemini 的世界知识处理物理场景和叙事细节。

调用方式

接口与鉴权

使用 Gemini 兼容的 Interactions 接口：

POST https://api.exchangetoken.ai/v1beta/interactions

使用 Exchange Token API Key，支持以下任一鉴权 Header：

x-goog-api-key: YOUR_API_KEY

Authorization: Bearer YOUR_API_KEY

Content-Type Header：

Content-Type: application/json

Request Body

请求体遵循 Interactions create schema。下方示例主要使用这些字段：

字段	类型	必填	说明
model	string	是	模型名称。使用 gemini-omni-flash-preview。
input	string、content object 或 content array	是	interaction 的主输入内容。文生视频可直接传字符串；图生视频或视频编辑传多模态数组。
input[].type	string	条件必填	内容项类型，例如 text、image、video、user_input。
input[].text	string	条件必填	当 type 为 text 时传入文本提示词。
input[].data	string	条件必填	图片或视频输入的 base64 编码媒体内容。
input[].mime_type	string	条件必填	媒体输入的 MIME 类型，例如 image/jpeg、image/png、video/mp4。
input[].content	array	条件必填	使用 user_input 包装时传入的嵌套内容数组。
response_format	object	否	输出格式配置。视频输出可传 {"type":"video"}。
response_format.type	string	否	输出类型。该模型使用 video。
response_format.aspect_ratio	string	否	视频画面比例。示例中使用 16:9 和 9:16。
generation_config	object	否	生成配置。
generation_config.video_config.task	string	否	可选的视频任务提示。支持 text_to_video、image_to_video、reference_to_video、edit。

Response Body

常见字段：

字段	类型	说明
id	string	interaction 的唯一标识
object	string	资源类型标识，通常为 interaction
status	string	当前 interaction 状态，例如 in_progress、completed、failed
role	string	响应载荷对应的角色，通常为 model
created	string	interaction 的 ISO 8601 创建时间
updated	string	interaction 的 ISO 8601 更新时间
model	string	本次 interaction 使用的模型名称
steps	array	interaction 返回的有序步骤对象
usage	object	上游返回时附带的 token usage 汇总信息

常见的 steps 字段：

字段	类型	说明
type	string	步骤类型，例如 model_output
content	array	该步骤携带的内容项

示例：

{
  "id": "v1_...",
  "status": "completed",
  "role": "model",
  "created": "2026-05-27T06:15:03Z",
  "updated": "2026-05-27T06:15:03Z",
  "steps": [
    {
      "content": [
        {
          "text": "",
          "type": "text"
        }
      ],
      "type": "model_output"
    },
    {
      "content": [
        {
          "mime_type": "video/mp4",
          "data": "AAAAIGZ0eXBpc29t...",
          "type": "video"
        }
      ],
      "type": "model_output"
    }
  ],
  "object": "interaction",
  "model": "gemini-omni-flash-preview"
}

文生视频

根据文本提示词生成带音频的视频。建议在提示词里写清楚场景、镜头运动、光线、氛围和关键动作。

curl -X POST "https://api.exchangetoken.ai/v1beta/interactions" \
  -H "x-goog-api-key: $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gemini-omni-flash-preview",
    "input": "A marble rolling fast on a chain reaction style track, continuous smooth shot."
  }'

控制画面比例

设置 response_format.aspect_ratio 为 9:16 可生成竖屏视频。默认是横屏 16:9。

curl -X POST "https://api.exchangetoken.ai/v1beta/interactions" \
  -H "x-goog-api-key: $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gemini-omni-flash-preview",
    "input": "A futuristic city with neon lights and flying cars, cyberpunk style",
    "response_format": {
      "type": "video",
      "aspect_ratio": "9:16"
    }
  }'

图生视频

可以把参考图和文本提示词一起传入。模型会根据提示词判断如何使用图片，适合让产品图、插画或照片动起来。

curl -X POST "https://api.exchangetoken.ai/v1beta/interactions" \
  -H "x-goog-api-key: $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gemini-omni-flash-preview",
    "input": [
      { "type": "image", "data": "'"$BASE64_IMAGE"'", "mime_type": "image/jpeg" },
      { "type": "text", "text": "turn this into realistic footage, using the drawing only as a guide for movement, do not show the drawing in the final video" }
    ]
  }'

TIP

图生视频建议使用高清图片，并写清楚运动方式。像“让它动起来”这类笼统提示，通常不如明确描述镜头、主体动作和环境变化效果好。

主体参考

你可以传入多张图片作为主体参考。例如，传入猫和毛线球两张图片，生成猫玩毛线球的视频。

curl -X POST "https://api.exchangetoken.ai/v1beta/interactions" \
  -H "x-goog-api-key: $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gemini-omni-flash-preview",
    "input": [
      { "type": "image", "data": "'"$CAT_B64"'", "mime_type": "image/png" },
      { "type": "image", "data": "'"$YARN_B64"'", "mime_type": "image/png" },
      { "type": "text", "text": "A cat playfully batting at a ball of yarn." }
    ]
  }'

task 参数

使用 generation_config.video_config.task 可以明确告诉模型你要执行的任务。如果不传，模型会根据提示词自动判断。

可选值：

• text_to_video
• image_to_video
• reference_to_video
• edit

curl -X POST "https://api.exchangetoken.ai/v1beta/interactions" \
  -H "x-goog-api-key: $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gemini-omni-flash-preview",
    "input": [
      { "type": "image", "data": "'"$BASE64_IMAGE"'", "mime_type": "image/jpeg" },
      { "type": "text", "text": "turn this into realistic footage, using the drawing only as a guide for movement, do not show the drawing in the final video" }
    ],
    "generation_config": {
      "video_config": {
        "task": "image_to_video"
      }
    }
  }'

编辑自己的视频

传入或上传已有视频后，可以要求 Gemini Omni Flash 进行编辑。

VIDEO_B64=$(base64 -w 0 "$VIDEO_FILE")

curl -sS -w "\n[HTTP %{http_code}]\n" "https://api.exchangetoken.ai/v1beta/interactions" \
  -H "x-goog-api-key: $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gemini-omni-flash-preview",
    "input": [
      {
        "type": "user_input",
        "content": [
          {
            "type": "video",
            "mime_type": "video/mp4",
            "data": "'"$VIDEO_B64"'"
          },
          {
            "type": "text",
            "text": "When the person touches the mirror, make the mirror ripple beautifully like liquid, and the person arm turns into reflective mirror material"
          }
        ]
      }
    ],
    "response_format": { "type": "video" }
  }'