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

Google Gemini Omni (Video) 使用 Google 的 Gemini Omni Flash 模型，根据文本提示生成带音频的视频。

Google Gemini Omni (Video) 使用 Google 的 Gemini Omni Flash 模型，根据文本提示生成带音频的视频。你可以选择性地附加参考图像和/或视频，以引导生成结果或编辑现有素材。请直接在提示中描述所需时长：Omni Flash 和 Omni Flash 1.1 为 3 到 10 秒，Omni Flash 1.2 为 3 到 15 秒。

输入

通用输入

参数	描述	数据类型	必填	范围
`model`	用于生成视频的 Gemini 视频模型。	DYNAMIC\_COMBO	是	"Omni Flash 1.2" "Omni Flash 1.1" "Omni Flash"

Omni Flash 1.2 输入

参数	描述	数据类型	必填	范围
`prompt`	描述要生成的视频，或要应用到所附视频上的编辑操作。请直接在提示中指定时长，例如 "a 6-second clip"，或者对于 'extend' 任务使用 "extend by 5 seconds"；生成长度可为 3-15 秒，'extend' 最多增加 10 秒。输出包含音频。（默认：""）	STRING	是	-
`resolution`	输出分辨率。（默认："720p"）	COMBO	是	"360p" "720p" "1080p" "4k"
`aspect_ratio`	输出宽高比：16:9（横屏）或 9:16（竖屏）。'edit' 和 'extend' 任务则改为保持输入视频的宽高比。（默认："16:9"）	COMBO	是	"16:9" "9:16"
`task_type`	如何处理提示和所附加的媒体。使用 'auto' 时由模型决定。'text\_to\_video' 仅根据提示生成，并拒绝附加的媒体。'image\_to\_video' 为一幅图像添加动画，或当附加两幅图像时，从起始帧插值到结束帧。'reference\_to\_video' 将附加的媒体视为主体参考。'edit' 精确重写一个附加视频，而 'extend' 向其追加新画面，因此输出以输入视频开头。（默认："auto"）	COMBO	是	"auto" "text\_to\_video" "image\_to\_video" "reference\_to\_video" "edit" "extend"
`seed`	种子控制节点是否应重新运行；无论种子如何，结果都是非确定性的。（默认：42）	INT	是	0 到 2147483647

Omni Flash 1.1 输入

参数	描述	数据类型	必填	范围
`prompt`	描述要生成的视频，或要应用到所附视频上的编辑操作。请直接在提示中指定时长，例如 "a 6-second clip"，或者对于 'extend' 任务使用 "extend by 5 seconds"；生成长度可为 3-10 秒，默认为 10 秒。输出包含音频。（默认：""）	STRING	是	-
`resolution`	输出分辨率。（默认："720p"）	COMBO	是	"360p" "720p" "1080p" "4k"
`aspect_ratio`	输出宽高比：16:9（横屏）或 9:16（竖屏）。'edit' 和 'extend' 任务则改为保持输入视频的宽高比。（默认："16:9"）	COMBO	是	"16:9" "9:16"
`task_type`	如何处理提示和所附加的媒体。使用 'auto' 时由模型决定。'text\_to\_video' 仅根据提示生成，并拒绝附加的媒体。'image\_to\_video' 为一幅图像添加动画，或当附加两幅图像时，从起始帧插值到结束帧。'reference\_to\_video' 将附加的媒体视为主体参考。'edit' 精确重写一个附加视频，而 'extend' 向其追加新画面，因此输出以输入视频开头。（默认："auto"）	COMBO	是	"auto" "text\_to\_video" "image\_to\_video" "reference\_to\_video" "edit" "extend"
`seed`	种子控制节点是否应重新运行；无论种子如何，结果都是非确定性的。（默认：42）	INT	是	0 到 2147483647

Omni Flash 输入

参数	描述	数据类型	必填	范围
`prompt`	描述要生成的视频，或要应用到所附视频上的编辑操作。请直接在提示中指定时长，例如 "a 6-second clip"；长度可为 3-10 秒。输出为 720p、24 FPS，带音频。（默认：""）	STRING	是	-
`aspect_ratio`	输出宽高比：16:9（横屏）或 9:16（竖屏）。'edit' 任务则改为保持输入视频的宽高比。（默认："16:9"）	COMBO	是	"16:9" "9:16"
`task_type`	如何处理提示和所附加的媒体。使用 'auto' 时由模型决定。'text\_to\_video' 仅根据提示生成，并拒绝附加的媒体。'image\_to\_video' 为一幅图像添加动画，或当附加两幅图像时，从起始帧插值到结束帧。'reference\_to\_video' 将附加的媒体视为主体参考。'edit' 精确重写一个附加视频。（默认："auto"）	COMBO	是	"auto" "text\_to\_video" "image\_to\_video" "reference\_to\_video" "edit"
`temperature`	控制随机性。较低值更集中、更具确定性，较高值则更多样。（默认：1.0）	FLOAT	是	0.0 到 2.0（步长：0.01）
`top_p`	核采样：从累积概率达到 top\_p 的最小词元集合中进行采样。（默认：0.95）	FLOAT	是	0.0 到 1.0（步长：0.01）
`seed`	种子控制节点是否应重新运行；无论种子如何，结果都是非确定性的。（默认：42）	INT	是	0 到 2147483647

参考输入

参数	描述	数据类型	必填	范围
`images`	可增长槽位：最多可连接 14 张图像（`image_1`...`image_14`）。可选的参考图像，用于引导视频或为其添加动画。在 'image\_to\_video' 任务中，第一张为起始帧，可选的第二张为结束帧。	IMAGE	否	0 到 14 张图像
`videos`	可增长槽位：最多可连接 3 个视频（`video_1`...`video_3`）。可选的参考视频，用于引导或编辑。每个最长 10 秒。	VIDEO	否	0 到 3 个视频

注意事项：

prompt 不能为空；如果为空，节点会报错。
text_to_video 任务仅根据提示生成——附加图像或视频会报错。
image_to_video 任务仅接受图像（不接受视频），并且要求正好 1 张或 2 张图像：第一张为起始帧，可选的第二张为结束帧。
edit 任务（所有模型）和 extend 任务（仅 Omni Flash 1.1 和 1.2）要求正好一个输入视频，并保持该输入视频的宽高比，覆盖 aspect_ratio。
最多可附加 14 张图像和 3 个视频。每个附加视频时长必须不超过 10 秒；使用 Omni Flash 1.2 时为不超过 15 秒；对于 extend 任务则为不超过 25 秒，其结果最长可为 30 秒。
Omni Flash 始终输出带音频的 720p、24 FPS 视频；分辨率选择仅在 Omni Flash 1.1 和 1.2 中可用。
temperature 和 top_p 控制项仅在 Omni Flash 模型中可用；Omni Flash 1.1 和 1.2 使用固定的生成设置。

输出

输出名称	描述	数据类型
`video`（第一个输出）	生成的带音频视频。对于 Omni Flash：720p、24 FPS。对于 Omni Flash 1.1 和 1.2：使用 `resolution` 输入中选择的分辨率。	VIDEO
`text`（第二个输出）	模型随视频一起生成的文本内容（可能为空）。	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): 1fc6017d4d6fbce8f04b2f0ded496553074b8498e3b7342179550fc768698897