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

Google Gemini Omni (Video) genera un video con audio a partir de un mensaje de texto usando los modelos Gemini Omni Flash de Google. Opcionalmente puedes adjuntar imágenes y/o videos de referencia para guiar el resultado o editar material existente. Describe la duración deseada directamente en el mensaje: de 3 a 10 segundos para Omni Flash y Omni Flash 1.1, de 3 a 15 segundos para Omni Flash 1.2.

Entradas

Entradas comunes

Parámetro	Descripción	Tipo de datos	Obligatorio	Rango
`modelo`	El modelo Gemini de video usado para generar el video.	DYNAMIC_COMBO	Sí	”Omni Flash 1.2" "Omni Flash 1.1" "Omni Flash”

Entradas de Omni Flash 1.2

Parámetro	Descripción	Tipo de datos	Obligatorio	Rango
`prompt`	Describe el video a generar, o la edición a aplicar a un video adjunto. Especifica la duración directamente en el mensaje, p. ej. «un clip de 6 segundos» o, para la tarea ‘extend’, «extender 5 segundos»; la duración generada puede ser de 3 a 15 segundos, y ‘extend’ añade como máximo 10 segundos. La salida tiene audio. (predeterminado: "")	STRING	Sí	-
`resolution`	Resolución de salida. (predeterminado: “720p”)	COMBO	Sí	”360p" "720p" "1080p" "4k”
`aspect_ratio`	Relación de aspecto de salida: 16:9 (horizontal) o 9:16 (vertical). En cambio, las tareas ‘edit’ y ‘extend’ mantienen la relación de aspecto del video de entrada. (predeterminado: “16:9”)	COMBO	Sí	”16:9" "9:16”
`task_type`	Qué hacer con el mensaje y los contenidos multimedia adjuntos. Con ‘auto’, el modelo decide. ‘text_to_video’ genera a partir del mensaje únicamente y rechaza los contenidos multimedia adjuntos. ‘image_to_video’ anima una imagen o interpola desde un fotograma inicial hasta un fotograma final cuando se adjuntan dos. ‘reference_to_video’ trata los contenidos multimedia adjuntos como referencias del sujeto. ‘edit’ reescribe exactamente un video adjunto, y ‘extend’ le añade metraje nuevo, de modo que la salida comienza con el video de entrada. (predeterminado: “auto”)	COMBO	Sí	”auto" "text_to_video" "image_to_video" "reference_to_video" "edit" "extend”
`seed`	La semilla controla si el nodo debe volver a ejecutarse; los resultados no son deterministas independientemente de la semilla. (predeterminado: 42)	INT	Sí	0 a 2147483647

Entradas de Omni Flash 1.1

Parámetro	Descripción	Tipo de datos	Obligatorio	Rango
`prompt`	Describe el video a generar, o la edición a aplicar a un video adjunto. Especifica la duración directamente en el mensaje, p. ej. «un clip de 6 segundos» o, para la tarea ‘extend’, «extender 5 segundos»; la duración generada puede ser de 3 a 10 segundos y, de forma predeterminada, es 10. La salida tiene audio. (predeterminado: "")	STRING	Sí	-
`resolution`	Resolución de salida. (predeterminado: “720p”)	COMBO	Sí	”360p" "720p" "1080p" "4k”
`aspect_ratio`	Relación de aspecto de salida: 16:9 (horizontal) o 9:16 (vertical). En cambio, las tareas ‘edit’ y ‘extend’ mantienen la relación de aspecto del video de entrada. (predeterminado: “16:9”)	COMBO	Sí	”16:9" "9:16”
`task_type`	Qué hacer con el mensaje y los contenidos multimedia adjuntos. Con ‘auto’, el modelo decide. ‘text_to_video’ genera a partir del mensaje únicamente y rechaza los contenidos multimedia adjuntos. ‘image_to_video’ anima una imagen o interpola desde un fotograma inicial hasta un fotograma final cuando se adjuntan dos. ‘reference_to_video’ trata los contenidos multimedia adjuntos como referencias del sujeto. ‘edit’ reescribe exactamente un video adjunto, y ‘extend’ le añade metraje nuevo, de modo que la salida comienza con el video de entrada. (predeterminado: “auto”)	COMBO	Sí	”auto" "text_to_video" "image_to_video" "reference_to_video" "edit" "extend”
`seed`	La semilla controla si el nodo debe volver a ejecutarse; los resultados no son deterministas independientemente de la semilla. (predeterminado: 42)	INT	Sí	0 a 2147483647

Entradas de Omni Flash

Parámetro	Descripción	Tipo de datos	Obligatorio	Rango
`prompt`	Describe el video a generar, o la edición a aplicar a un video adjunto. Especifica la duración directamente en el mensaje, p. ej. «un clip de 6 segundos»; la duración puede ser de 3 a 10 segundos. La salida es de 720p, 24 FPS, con audio. (predeterminado: "")	STRING	Sí	-
`aspect_ratio`	Relación de aspecto de salida: 16:9 (horizontal) o 9:16 (vertical). La tarea ‘edit’ mantiene en cambio la relación de aspecto del video de entrada. (predeterminado: “16:9”)	COMBO	Sí	”16:9" "9:16”
`task_type`	Qué hacer con el mensaje y los contenidos multimedia adjuntos. Con ‘auto’, el modelo decide. ‘text_to_video’ genera a partir del mensaje únicamente y rechaza los contenidos multimedia adjuntos. ‘image_to_video’ anima una imagen o interpola desde un fotograma inicial hasta un fotograma final cuando se adjuntan dos. ‘reference_to_video’ trata los contenidos multimedia adjuntos como referencias del sujeto. ‘edit’ reescribe exactamente un video adjunto. (predeterminado: “auto”)	COMBO	Sí	”auto" "text_to_video" "image_to_video" "reference_to_video" "edit”
`temperature`	Controla la aleatoriedad. Un valor más bajo es más enfocado/determinista; uno más alto es más variado. (predeterminado: 1.0)	FLOAT	Sí	0.0 a 2.0 (paso 0.01)
`top_p`	Muestreo de núcleo: toma muestras del conjunto de tokens más pequeño cuya probabilidad acumulada alcanza top_p. (predeterminado: 0.95)	FLOAT	Sí	0.0 a 1.0 (paso 0.01)
`seed`	La semilla controla si el nodo debe volver a ejecutarse; los resultados no son deterministas independientemente de la semilla. (predeterminado: 42)	INT	Sí	0 a 2147483647

Entradas de referencia

Parámetro	Descripción	Tipo de datos	Obligatorio	Rango
`images`	Ranura ampliable: conecta hasta 14 imágenes (`image_1`…`image_14`). Imágenes de referencia opcionales para guiar o animar el video. Con la tarea ‘image_to_video’, la primera es el fotograma inicial y una segunda opcional es el fotograma final.	IMAGE	No	0 a 14 imágenes
`videos`	Ranura ampliable: conecta hasta 3 videos (`video_1`…`video_3`). Videos de referencia opcionales para guiar o editar. Cada uno de hasta 10 segundos de duración.	VIDEO	No	0 a 3 videos

Notas:

El prompt no debe estar vacío; el nodo lanza un error si lo está.
La tarea text_to_video genera únicamente a partir del mensaje; adjuntar imágenes o videos lanza un error.
La tarea image_to_video acepta solo imágenes (no videos) y requiere exactamente 1 o 2 imágenes: la primera es el fotograma inicial y la segunda opcional es el fotograma final.
La tarea edit (todos los modelos) y la tarea extend (solo Omni Flash 1.1 y 1.2) requieren exactamente un video de entrada y mantienen la relación de aspecto de ese video de entrada, sobrescribiendo aspect_ratio.
Se pueden adjuntar como máximo 14 imágenes y 3 videos. Cada video adjunto debe durar 10 segundos o menos, 15 segundos o menos con Omni Flash 1.2, y 25 segundos o menos para la tarea extend, cuyo resultado puede durar como máximo 30 segundos.
Omni Flash siempre genera video de 720p y 24 FPS con audio; la selección de resolución solo está disponible con Omni Flash 1.1 y 1.2.
Los controles temperature y top_p solo están disponibles con el modelo Omni Flash; Omni Flash 1.1 y 1.2 usan ajustes de generación fijos.

Salidas

Nombre de salida	Descripción	Tipo de datos
`video` (primera salida)	El video generado con audio. Para Omni Flash: 720p, 24 FPS. Para Omni Flash 1.1 y 1.2: la resolución seleccionada en la entrada `resolution`.	VIDEO
`text` (segunda salida)	El contenido de texto generado por el modelo junto con el video (puede estar vacío).	STRING

Esta documentación fue generada por IA. Si encuentra algún error o tiene sugerencias de mejora, ¡no dude en contribuir! Editar en GitHub

Source fingerprint (SHA-256): 1fc6017d4d6fbce8f04b2f0ded496553074b8498e3b7342179550fc768698897