マルチモーダル入力
テキストは意図、画像は外観、音声は声やリズム、動画は動きや時間を示します。
- 入力方法
- マルチモーダル
- 編集方法
- 会話型
- 提供状態
- Preview
- このサイト
- 独立
4つの要素で理解する
このサイトでは、複数入力と自然言語の修正を組み合わせる動画ワークフローとして説明します。
短尺動画出力
提供資料は短尺のPreview出力を説明しています。実際の制限はモデルとアカウントで異なります。
会話型編集
うまくいった部分を保ち、対象変更を言葉で指示してゼロからの再生成を減らします。
APIワークフロー
構造化リクエスト、状態確認、結果取得、予算と再試行の制限を実装できます。
ワークフローの全体像
モデルは制作システムの1つの層です。
制作コンテキストを入力
見える判断を制御するプロンプトと参照素材だけを組み合わせます。
短い下書きを生成
低リスクの最初の出力で被写体、構図、動き、時間を検証します。
修正を説明
成功部分を保ち、背景、動作、カメラ、物体の1つを変更します。
出所情報と納品
必要なAI表示を保ち、利用権、コンテンツ規約、開示要件を確認します。
ワークフローの例
サイト素材でマルチモーダル生成と編集を紹介します。公式ベンチマークではありません。
自然言語による物体変更
周囲の動きと構図を保ちながら指定物体を置き換えます。
絵から動きへ
静止画を動きと場面展開の基礎にします。
一貫した複数回編集
成功した要素を保ちながら対象指示で改善します。
本番前に確認する制限
Previewは変化が速く、公式モデルと第三者アクセスで違う場合があります。
対応入力タイプ
時間と解像度
フレームレートと比率
割り当てとキュー
入力と出力料金
商用と出所表示の条件
現在の公式情報を確認
Previewの情報と条件は変更されます。本番、購入、法的判断の前に一次資料を確認してください。
Gemini Omniとはの質問
Gemini Omniはテキスト動画モデルですか？
テキストから動画を含みますが、提供資料は画像、音声、動画入力と会話型編集を含む広いマルチモーダル方式を説明しています。
Flashとは何ですか？
一般に高速または効率的な反復向けの経路を示します。実際の挙動と制限は現在のモデル資料を確認してください。
Free Gemini OmniはGoogle公式ですか？
いいえ。独立した製品と情報サイトで、Googleとの提携、推奨、後援を主張していません。
公式情報はどこで確認しますか？
本番または法的判断の前に、Google AI for Developers、Google DeepMind、公式料金、ブランドガイドを確認してください。
概要から次へ
ジェネレーター、API、動画用途、料金計画へ進みます。