Felo API PlatformFelo API Platform
মডেলে ফিরে যান

Gemini Omni 1.1 Flash API

টেক্সট, ছবি, অডিও ও ভিডিও থেকে ভিডিও তৈরি ও সম্পাদনার জন্য গুগলের দ্রুত মাল্টিমোডাল মডেল।

Gemini Omni 1.1 Flash হলো Google DeepMind-এর একটি মাল্টিমোডাল ভিডিও মডেল, যা টেক্সট, ছবি, অডিও ও ভিডিও ইনপুট নিয়ে ভিডিও আউটপুট দিতে পারে। এটি টেক্সট প্রম্পট, একক ছবি, রেফারেন্স ছবি ও ভিডিও, এমনকি প্রথম ও শেষ ফ্রেম থেকে ভিডিও তৈরি করতে সক্ষম। মডেলটি ভিডিওর সাথে নেটিভ অডিও—কথা, সংগীত ও সাউন্ড ইফেক্ট—একসাথে তৈরি করে।

ভিডিও নির্মাণের পাশাপাশি এটি প্রাকৃতিক ভাষার নির্দেশে কথোপকথনমূলক ভিডিও সম্পাদনা সমর্থন করে। দৃশ্য ১০ সেকেন্ডের ধাপে বাড়িয়ে মোট ৪০ সেকেন্ড পর্যন্ত সম্প্রসারণ করা যায়। ৩৬০p ড্রাফট মোড, ৭২০p জেনারেশন ও 4K আপস্যাম্পলিংয়ের সুবিধা রয়েছে। সর্বোচ্চ ৭টি রেফারেন্স ছবি ও ৩টি রেফারেন্স ভিডিও গ্রহণ করা যায়।

এটি বিপণন প্রোডাকশন, কথোপকথনমূলক স্টোরিবোর্ডিং, ভয়েসওভার-চালিত ভিডিও তৈরি, বহুভাষিক ব্যাখ্যামূলক কনটেন্ট এবং নতুন এআই ফিচারের প্রোটোটাইপিংয়ের জন্য উপযুক্ত। মডেলটি ছবি তৈরি বা সম্পাদনা, স্ট্রাকচার্ড আউটপুট, সিস্টেম নির্দেশনা, কনটেক্সট ক্যাশিং ও টিউনিং সমর্থন করে না।

সময়সীমাবদ্ধবিনামূল্যে ট্রায়াল

আপডেট:

মডেল ID

gemini-omni-1.1-flash
কনটেক্সট
131.072K
সর্বোচ্চ আউটপুট
65.536K
ইনপুট
text / image / video
আউটপুট
video

মূল বৈশিষ্ট্য

  • টেক্সট, ছবি, অডিও ও ভিডিও ইনপুট সমর্থন
  • ভিডিওর সাথে নেটিভ অডিও তৈরি
  • প্রাকৃতিক ভাষায় কথোপকথনমূলক ভিডিও সম্পাদনা
  • ৩৬০p ড্রাফট মোড ৭২০p-এর চেয়ে ৬০% পর্যন্ত দ্রুত
  • সর্বোচ্চ ৭টি রেফারেন্স ছবি ও ৩টি রেফারেন্স ভিডিও
  • Content Credentials (C2PA) সমর্থন

প্রোভাইডার

1 প্রোভাইডার

প্রোভাইডারদের মধ্যে API মূল্য তুলনা করুন। সব চার্জ ও শর্ত দেখতে একটি প্রোভাইডার নির্বাচন করুন।

প্রোভাইডার · মূল্যের বিবরণ
প্রাপ্যতা

রিজনিং

ডিফল্ট এফোর্ট
low
সর্বদা সক্রিয়
হ্যাঁ
উপলব্ধ এফোর্ট স্তর
high / low

ভিডিও স্পেসিফিকেশন

আস্পেক্ট অনুপাত
16:9 / 9:16
অডিও · আউটপুট
হ্যাঁ
রেজোলিউশন
720p / 1080p / 4K / 360p

API রেফারেন্স

এই মডেলের প্রোটোকলের বিস্তারিত প্রকাশ করা হয়নি। ইন্টিগ্রেশনের প্রয়োজনীয়তার জন্য API রেফারেন্স দেখুন।

API রেফারেন্স →

সমর্থিত প্যারামিটার

  • prompt
  • duration
  • resolution
  • aspect_ratio
  • generate_audio
  • seed
  • size
  • frame_images
  • input_references
  • user
  • session_id
  • trace

সাধারণ প্রশ্ন

মডেল পরিচিতি: Gemini Omni 1.1 Flash?

Gemini Omni 1.1 Flash হলো Google DeepMind-এর একটি মাল্টিমোডাল ভিডিও মডেল, যা টেক্সট, ছবি, অডিও ও ভিডিও ইনপুট নিয়ে ভিডিও আউটপুট দিতে পারে। এটি টেক্সট প্রম্পট, একক ছবি, রেফারেন্স ছবি ও ভিডিও, এমনকি প্রথম ও শেষ ফ্রেম থেকে ভিডিও তৈরি করতে সক্ষম। মডেলটি ভিডিওর সাথে নেটিভ অডিও—কথা, সংগীত ও সাউন্ড ইফেক্ট—একসাথে তৈরি করে। ভিডিও নির্মাণের পাশাপাশি এটি প্রাকৃতিক ভাষার নির্দেশে কথোপকথনমূলক ভিডিও সম্পাদনা সমর্থন করে। দৃশ্য ১০ সেকেন্ডের ধাপে বাড়িয়ে মোট ৪০ সেকেন্ড পর্যন্ত সম্প্রসারণ করা যায়। ৩৬০p ড্রাফট মোড, ৭২০p জেনারেশন ও 4K আপস্যাম্পলিংয়ের সুবিধা রয়েছে। সর্বোচ্চ ৭টি রেফারেন্স ছবি ও ৩টি রেফারেন্স ভিডিও গ্রহণ করা যায়। এটি বিপণন প্রোডাকশন, কথোপকথনমূলক স্টোরিবোর্ডিং, ভয়েসওভার-চালিত ভিডিও তৈরি, বহুভাষিক ব্যাখ্যামূলক কনটেন্ট এবং নতুন এআই ফিচারের প্রোটোটাইপিংয়ের জন্য উপযুক্ত। মডেলটি ছবি তৈরি বা সম্পাদনা, স্ট্রাকচার্ড আউটপুট, সিস্টেম নির্দেশনা, কনটেক্সট ক্যাশিং ও টিউনিং সমর্থন করে না।

ব্যবহারের জন্য কীভাবে চার্জ হয়?

আপনার বিল নির্ভর করে আপনি কোন প্রোভাইডার ব্যবহার করেন, তার মূল্য এবং আপনার ব্যবহারের ওপর। দীর্ঘ ইনপুট বা অন্যান্য শর্তে ভিন্ন মূল্য প্রযোজ্য হতে পারে। প্রকৃত জেনারেশন খরচের ভিত্তিতে চার্জ করা হয়। চূড়ান্ত পরিমাণের জন্য আপনার বিল দেখুন।

Gemini Omni 1.1 Flash কী কী ইনপুট নিতে পারে?

এটি টেক্সট, ছবি, অডিও ও ভিডিও ইনপুট নিতে পারে এবং ভিডিও ও নেটিভ অডিও আউটপুট দিতে পারে।

এটি কি ছবি তৈরি বা সম্পাদনা করতে পারে?

না, এটি ছবি তৈরি বা ছবি সম্পাদনা সমর্থন করে না।

ভিডিওর দৈর্ঘ্য কতটা বাড়ানো যায়?

দৃশ্য ১০ সেকেন্ডের ধাপে বাড়িয়ে মোট ৪০ সেকেন্ড পর্যন্ত সম্প্রসারণ করা যায়।

এটি কী ধরনের কাজের জন্য উপযুক্ত?

বিপণন প্রোডাকশন, কথোপকথনমূলক স্টোরিবোর্ডিং, ভয়েসওভার-চালিত ভিডিও তৈরি, বহুভাষিক ব্যাখ্যামূলক কনটেন্ট এবং নতুন এআই ফিচারের প্রোটোটাইপিংয়ের জন্য উপযুক্ত।

এটি কি স্ট্রাকচার্ড আউটপুট বা সিস্টেম নির্দেশনা সমর্থন করে?

না, এটি স্ট্রাকচার্ড আউটপুট, সিস্টেম নির্দেশনা, কনটেক্সট ক্যাশিং বা টিউনিং সমর্থন করে না।

সংশ্লিষ্ট মডেল