ComfyPilotComfyPilot
文档 / 节点说明 / Google Gemini Omni（视频）

Google Gemini Omni（视频）

使用 Google 的 Gemini Omni Flash 模型，根据文本提示生成带有音频的视频。

节点说明 GeminiVideoOmni 更新于 2026-11-12

查看官方原文

Google Gemini Omni（视频） - ComfyUI Built-in Node Documentation

使用 Google 的 Gemini Omni Flash 模型，根据文本提示生成带有音频的视频。

使用 Google 的 Gemini Omni Flash 模型，根据文本提示生成带有音频的视频。可选择提供参考图像和/或参考视频来引导或编辑结果。直接在提示中描述所需的时长（3-10 秒）和宽高比（16:9 或 9:16）。

注意： 此节点在源代码中已被标记为弃用。

输入

通用输入

参数描述数据类型是否必填范围
model用于生成视频的 Gemini 视频模型。DYNAMIC\_COMBO是"Omni Flash"
seedseed 控制节点是否应重新运行；无论种子如何，结果都是不确定的（默认值：42）。INT是0 到 2147483647

Omni Flash 输入

参数描述数据类型是否必填范围
prompt描述要生成的视频。直接在提示中指定时长和宽高比，例如“一个 6 秒、16:9 的片段”。时长可为 3-10 秒；宽高比必须为 16:9（横向）或 9:16（纵向）。输出为 720p、24 FPS，并带有音频。STRING是去除空白后至少 1 个字符
temperature控制随机性。较低的值更聚焦/确定，较高的值变化更多（默认值：1.0）。FLOAT否0.0 到 2.0
top_p核采样：从累积概率达到 top_p 的最小标记集合中进行采样（默认值：0.95）。FLOAT否0.0 到 1.0

参考输入

参数描述数据类型是否必填范围
images可增长插槽：连接一个或多个参考图像（image_1...image_14）以引导或动画化视频。总共最多 14 张图像。IMAGE否0 到 14 张图像
videos可增长插槽：连接一个或多个参考视频（video_1...video_3）以引导或编辑。最多 3 个视频，每个最长 10 秒。VIDEO否0 到 3 个视频，每个最长 10 秒

注意事项：

  • 如果图像输入包含多个帧，则每一帧都计入 14 张图像的上限。
  • 当提供参考图像或视频时，编码后的媒体总大小必须保持在约 90 MB 以下；否则节点会报错。
  • 当未提供参考图像或视频时，节点仅根据文本提示生成视频。

输出

Output Name描述数据类型
VIDEO来自 Gemini 模型的、带有音频的生成视频。VIDEO
STRING模型返回的任何文本回复，例如推理或解释。STRING
本文档由 AI 生成。如果您发现任何错误或有改进建议，欢迎贡献！ 在 GitHub 上编辑

Source fingerprint (SHA-256): da533824adf93b7502465cf985941f70e0ae4d6813c951f4ffa98c007437c03c