تولید ویدیو در Gemini API

‫Gemini API دو مدل برای تولید ویدیو ارائه می‌دهد: Gemini Omni Flash و Veo. هرکدام برای گردش‌های کاری مختلفی طراحی شده‌اند.

از Gemini Omni Flash به‌عنوان مدل پیش‌فرض برای تولید ویدیو استفاده کنید. این مدل انسجام ویدیویی برتر، استدلال چندورودی (پشتیبانی هم‌زمان از ورودی‌های نوشتاری، تصویری، صوتی، و ویدیویی)، ثبات شخصیت، دقت واقعی، و ویرایش مکالمه‌ای چندنوبتی (مثلاً جایگزینی عناصر یا تغییر چشم‌انداز) را ارائه می‌دهد. از Veo 3.1 برای قابلیت‌های خاصی مثل ازهم باز کردن صحنه، کنترل قاب آخر، یا ادغام با خطوط لوله قدیمی استفاده کنید.

Gemini Omni Flash

‫Gemini Omni Flash مدلی سریع و چندوجهی برای تولید ویدیو و ویرایش مکالمه‌ای ویدیو است. این مدل در تبدیل سریع پیام‌واره‌های نوشتاری و تصاویر به ویدیوهای کوتاه عالی است و به شما امکان می‌دهد نتایج را در چندین نوبت بااستفاده از Interactions API اصلاح کنید.

شروع کار با Gemini Omni Flash →

Veo 3.1

‫Veo 3.1 مدلی برای تولید ویدیو با صدای بومی است. این مدل از ویژگی‌هایی مانند افزونه ویدیو، تولید فریم خاص، و جهت‌یابی مبتنی بر تصویر ازطریق generateContent API پشتیبانی می‌کند.

شروع به کار با Veo 3.1 →

درک ویدیو

اگر به‌جای تولید ویدیو جدید، نیاز به دریافت و تحلیل محتوای ویدیویی موجود دارید، راهنمای درک ویدیو را ببینید.