GeminiVideoOmni - 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。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）。

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”
`seed`	`seed` 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

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：

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): 648844868affb68298d2eac8ac20095bfe378d32e721396781de330ef6a6d69f