Gemini Omni Flash Text-to-Video

Gemini Omni Flash Text-to-Video 是 Google DeepMind 发布的 Gemini Omni 系列首款统一多模态大模型。该模型深度融合 Gemini 的逻辑推理能力与 Veo 的视觉生成技术，支持原生"任意输入到任意输出"，能够通过纯文本提示词直接生成带音频的 24 FPS 高质量视频。模型最高支持 1080P 及 4K 超采样输出，支持 16:9 与 9:16 画幅及 3–10 秒单次生成，内置 SynthID 数字水印，并支持多轮对话式视频编辑与上下文保持，适用于短剧创作、商业广告、影视特效及多模态 Agent 工作流。

Gemini Omni Flash Text-to-Video

Base URL

https://api.icreat.ai

认证

所有 API 请求需要通过 API Key 进行认证。您可以在控制台获取 API Key。

export ICREAT_API_KEY="your-api-key-here"

HTTP 请求头

import os

API_KEY = os.environ.get("ICREAT_API_KEY")
headers = {
    "Content-Type": "application/json",
    "Authorization": "Bearer " + API_KEY,
}

保护好您的 API Key

切勿在客户端代码或公开仓库中暴露您的 API Key。请使用环境变量或后端代理。

代码示例

图片/视频生成采用三段式异步调用：先提交任务获取 task_id，再轮询任务状态，最后在状态为 SUCCEEDED 时获取生成结果。以下示例使用同一 task_id 串联三个步骤。

1. 提交任务

向提交接口发送生成请求。

POST/v1/task/submit/atlas/gemini-omni-flash/text-to-video

curl --fail-with-body --connect-timeout 10 --max-time 60 \
  -X POST https://api.icreat.ai/v1/task/submit/gemini-omni-flash/image-to-video \
  -H "Authorization: Bearer ${ICREAT_API_KEY}" \
  -H "Content-Type: application/json" \
  -H "X-ICREAT-AI-GROUP: atlas" \
  -d '{
  "input": [
    {
      "type": "text",
      "text": "Slowly pan the camera to reveal the changing light and shadows within the still image"
    },
    {
      "type": "image",
      "url": "https://example.com/example.png"
    }
  ],
  "response_format": {
    "type": "video",
    "aspect_ratio": "9:16",
    "duration": 4,
    "resolution": "720p"
  }
}'

2. 轮询状态

使用 task_id 查询任务进度。响应体仅包含 status 字段。

POST/v1/task/query-status

curl --connect-timeout 10 --max-time 60 \
  -X POST https://api.icreat.ai/v1/task/query-status \
  -H "Authorization: Bearer ${ICREAT_API_KEY}" \
  -H "Content-Type: application/json" \
  -d '{
  "task_id": "task-xxx"
}'

3. 获取结果

任务成功后拉取最终输出。

POST/v1/task/get-result

curl --connect-timeout 10 --max-time 60 \
  -X POST https://api.icreat.ai/v1/task/get-result \
  -H "Authorization: Bearer ${ICREAT_API_KEY}" \
  -H "Content-Type: application/json" \
  -d '{
  "task_id": "task-xxx"
}'

输入参数

提交任务 — 输入参数

以下参数在提交任务请求体中被接受。

总计: 4 必填: 3 可选: 1

contentarray[object]必填

多模态输入内容数组。

resolutionstring必填

视频分辨率。

durationinteger必填

视频时长（秒）。

ratiostring

宽高比。

轮询状态 — 输入参数

总计: 1 必填: 1 可选: 0

task_idstring必填

提交任务接口返回的任务 ID。

获取结果 — 输入参数

总计: 1 必填: 1 可选: 0

task_idstring必填

提交任务接口返回的任务 ID。

输出参数

提交任务 — 输出参数

总计: 1

task_idstring

提交任务接口返回的任务 ID。

轮询状态 — 输出参数

总计: 1

statusstring

当前任务状态。当状态为 SUCCEEDED 时可获取结果。

获取结果 — 输出参数

响应体为资源对象数组（array[object]）。

总计: 3

typestring

资源类型，视频模型为 Video。

urlstring

预览/访问 URL。

download_urlstring

下载 URL。

LLM友好的提示词

以下是一段 LLM 友好的 Markdown 提示词，可复制到 Cursor、ChatGPT 等 AI 助手中，帮助 AI 理解本模型的 API 接入方式、调用流程与关键参数。点击「复制LLM提示词」按钮或下方代码块均可复制全文。

# atlas/gemini-omni-flash/text-to-video

> Gemini Omni Flash Text-to-Video 是 Google DeepMind 发布的 Gemini Omni 系列首款统一多模态大模型。

## 概述

通过 iCreat 三段式异步任务 API 提交生成请求，轮询任务状态后在成功时获取视频资源 URL。

## API 信息

- **Base URL**：`https://api.icreat.ai`
- **Submit endpoint (POST)**：`/v1/task/submit/atlas/gemini-omni-flash/text-to-video`
- **Poll endpoint (POST)**：`/v1/task/query-status`
- **Get result endpoint (POST)**：`/v1/task/get-result`
- **Model ID**：`atlas/gemini-omni-flash/text-to-video`
- **认证**：`Authorization: Bearer ${ICREAT_API_KEY}`

## 调用流程

1. **Submit**：POST submit 路径，Body 见输入要点；响应 `{ "task_id": "..." }`
2. **Poll**：POST `/v1/task/query-status`，Body `{ "task_id": "..." }`；响应**仅** `{ "status": "SUBMITTED|SUCCEEDED|FAILED" }`
3. **Get result**：`status` 为 `SUCCEEDED` 时 POST `/v1/task/get-result`；响应为顶层数组，`type` 为 `Video` 时读取 `url` 或 `download_url`

### 输入要点

- 请求体以 `content` 多模态数组为核心，配合分辨率/时长等参数
- `resolution`（必填）：视频分辨率。
- `duration`（必填）：视频时长（秒）。
- `ratio`（可选）：宽高比。

### 输出要点

- 轮询：只看 `status`
- 结果：顶层 `[{ "type": "Video", "url": "...", "download_url": "..." }]`

## 注意事项

- 三段式须用同一 `task_id` 串联；不可跳过轮询
- `FAILED` 为终态，需排查请求参数或参考内容