テキストから動画を生成
被写体、動き、場面、カメラの経路に光と音を加え、文章からショットを組み立てます。開始画像がなくても、絵コンテの検討やアイデア探索に使う短い映像を作れます。
無料クレジットでは利用できません。チャージすれば解放されます。
リクエストの構成
生成された結果
プレイグラウンドを実行すると、ここに出力が表示されます。
| 比較 | Gemini Omni 1.2 Flash | Gemini Omni 1.1 Flash |
|---|---|---|
| 入力 | prompt · images · frames · references | prompt · images · frames · references |
| 解像度 | 720p | 1080p | 4k | 720p | 1080p | 4k |
| 課金方式 | video | video |
| API | /v1/videos/tasks | /v1/videos/tasks |
手元の素材に合わせて入力方法を選び、ショットの始点と視覚的な方向を指定できます。
被写体、動き、場面、カメラの経路に光と音を加え、文章からショットを組み立てます。開始画像がなくても、絵コンテの検討やアイデア探索に使う短い映像を作れます。
画像1枚で開始画面を、2枚で開始と終了を順に指定します。その間の動きとカメラを文章で説明し、絵コンテや商品画像から動きのあるショットを作ります。
参照画像は人物、商品、場面の視覚情報を、参照動画は動きやカメラワークを示します。画像最大10枚と動画最大3本を組み合わせ、各素材の役割をプロンプトで指定します。
プロンプトで台詞、環境音、効果音を指定できます。動画には生成音声が含まれます。
V-Benchmark v2の総合スコアは100点中76.23点です。明示した指示が映像に反映されるかを測るプロンプト忠実度は35本で88.28点、被写体・空間・光の連続性を測る場面の一貫性は36本で88.56点でした。サンプルは2026年8月28日にGoogle経由で生成・評価され、レポートは11月3日に更新されています。
An astronaut in a white spacesuit pours latte art into a floating cup inside a cozy moon-base cafe, Earth visible through a large window, steam swirling in low gravity, slow dolly-in, warm lighting, gentle ambient cafe sounds.
An origami paper whale swims gracefully through a stylized paper-craft ocean, paper waves folding and unfolding, paper seagulls gliding above, soft sunlight, camera slowly orbiting, calm orchestral score.
短い動画を商品紹介、ストーリー、キャンペーン制作に活用できます。
商品画像を参照し、カメラの周回、照明、背景を指定して商品ページ用の映像を生成します。完成映像で商品の形やラベルを確認します。
開始と終了の画像を指定し、その間の動きを説明して、2つのショットをつなぐ映像を生成します。
人物や場所の参照を使い、動き、台詞、画面比率を変えて横長・縦長の映像を作ります。編集前に人物の連続性と音声を確認します。
参照画像と参照動画を組み合わせ、使いたい被写体やカメラの動きを指定して新しいショットを作ります。
非同期の動画タスクを作成し、完成したファイルをアプリケーションで取得します。
手元の素材に合わせて短いショットの制御方法を選べます。
テキストから始めるほか、開始・終了フレームや画像・動画の参照で新しい映像を導けます。
別の音声生成リクエストを行わず、1つのタスクで音声付き動画を生成できます。
掲載先に合わせて横長か縦長を選び、映像の長さと解像度を指定します。料金は指定した長さと解像度で決まります。
Googleのマルチモーダル動画生成・編集モデルです。BeatAPIはテキスト、フレーム、視覚参照からの動画生成を非同期APIで提供します。
プロンプトのみ、開始フレーム1枚、開始・終了フレーム2枚、または参照画像1〜10枚と参照動画最大3本を選べます。タスクごとに1つの入力方法を選び、参照動画には少なくとも1枚の参照画像を組み合わせます。
はい。出力には生成音声が含まれます。映像の動きとともに、台詞、環境音、効果音をプロンプトで指定できます。
長さは3〜10秒の整数、解像度は720p、1080p、4K、画面比率は16:9と9:16です。既定値は5秒、720p、16:9です。
リクエストした長さと出力解像度で決まります。参照素材の数と画面比率は料金を変えません。現在の料金は上の料金表、実際の請求額はタスクの usage で確認できます。
画像の商品や動画のカメラワークなど、各参照から取り入れたい要素を明示し、新しいショットの動きと場面を説明します。
作成時に返るタスクIDを使い、ポーリングまたは webhook で完了を確認します。成功後にメディアURLからダウンロードして保存してください。URLの保存期間は保証されません。
レスポンスのエラーと再試行可能かどうかを確認してください。動画タスクの契約では失敗したタスクは返金されます。入力が無効な場合は修正してから再送してください。
3〜10秒の長さを選ぶ場合や、参照画像と動画でショットを導く場合はGemini Omni 1.1 Flashを選べます。BeatAPIのVeo 3.1は固定8秒で、Quality、Fast、Liteの各モードがあります。入力方法と料金はそれぞれのページで確認してください。
このモデルの現在の BeatAPI 公開料金です。
| モデル | 仕様と料金 | 料金 |
|---|---|---|
| Gemini Omni 1.1 Flash | 8 sec · 720p | $0.48 |
| Gemini Omni 1.1 Flash | 8 sec · 1080p | $0.72 |
| Gemini Omni 1.1 Flash | 8 sec · 4K | $1.44 |
Gemini Omni 1.1 Flash を、BeatAPI カタログ内の他の実稼働対応の API に接続します。
Gemini Omni 1.1 Flash をさらに活用するためのガイドと実践的なメモ。