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/视频生成采用二段式异步调用：先提交任务获取 task_id，再通过查询任务结果接口轮询进度；响应含 status 与 result（处理中为 []，SUCCEEDED 时 result 为资源列表且响应含 costUSD）。以下示例使用同一 task_id 串联两个步骤。

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/atlas/gemini-omni-flash/text-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. 查询任务结果（轮询）

使用提交步骤返回的 task_id 查询任务进度（可重复调用直至终态）。响应含 status 与 result：非终态或处理中时 result 为 []；SUCCEEDED 时 result 为资源数组且响应含 costUSD；FAILED 表示任务失败。

POST/v1/task/result

curl --fail-with-body --connect-timeout 10 --max-time 60 \
  -X POST "https://api.icreat.ai/v1/task/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: 2 必填: 2 可选: 0

inputobject[]必填

用于控制视频生成的多模态输入数组（文本与参考图等）。

response_formatobject必填

配置输出视频规格的对象。

查询任务结果 — 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。

查询任务结果 — 输出参数

总计: 可变

statusstring

当前任务状态。非成功时 result 通常为 []；SUCCEEDED 时 result 含资源项且响应含 costUSD。

SUBMITTEDSUCCEEDEDFAILED

resultarray[object]

生成资源列表。处理中或未成功时为 []；成功时为对象数组。

costUSDnumber

任务费用（美元），仅在 status 为 SUCCEEDED 时出现。

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 二段式异步任务 API 提交生成请求，再轮询查询任务结果接口，成功时从 `result` 获取视频资源 URL（含 `costUSD`）。

## API 信息

- **Base URL**：`https://api.icreat.ai`
- **Submit endpoint (POST)**：`/v1/task/submit/atlas/gemini-omni-flash/text-to-video`
- **Query result endpoint (POST)**：`/v1/task/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. **Query result**：POST `/v1/task/result`，Body `{ "task_id": "..." }`；响应含 `status` 与 `result`（处理中 `result` 为 `[]`）；`SUCCEEDED` 时 `result` 为资源数组且含 `costUSD`，`type` 为 `Video` 时读取 `url` 或 `download_url`

### 输入要点

- 请求体为顶层扁平字段
- 必填：`input`, `response_format`
- `input`（必填）：用于控制视频生成的多模态输入数组（文本与参考图等）。
- `response_format`（必填）：配置输出视频规格的对象。

### 输出要点

- 轮询：看 `status`；`result` 处理中为 `[]`
- 成功：`result` 为 `[{ "type": "Video", "url": "...", "download_url": "..." }]`，并含 `costUSD`

## 注意事项

- 两步须用同一 `task_id` 串联；处理中 `result` 为 `[]`，需继续轮询
- `FAILED` 为终态，需排查请求参数或参考内容