GeminiVideoOmniV2 - 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。您可以选择附加参考图像和/或视频来引导生成结果或编辑现有素材。请在提示中直接描述所需时长（3-10 秒）。

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 1.1" "Omni Flash”

参数	描述	数据类型	必填	范围
`prompt`	描述要生成的视频，或要对附加视频执行的编辑操作。请在提示中直接指定时长，例如“a 6-second clip”；对于“extend”任务，可写“extend by 5 seconds”。生成时长可为 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”任务会改为保持输入视频的宽高比。（默认：“16:9”）	COMBO	是	”16:9" "9:16”
`task_type`	指定如何处理提示和附加媒体。使用“auto”时由模型自行决定。“text_to_video”仅根据提示生成，并拒绝附加媒体。“image_to_video”将一张图像制作成动画，或在附加两张图像时从起始帧插值到结束帧。“reference_to_video”将附加媒体视为主体参考。“edit”仅重写一段附加视频，“extend”将新片段追加到该视频，因此输出会以输入视频开头。（默认：“auto”）	COMBO	是	”auto" "text_to_video" "image_to_video" "reference_to_video" "edit" "extend”
`seed`	seed 控制节点是否应重新运行；无论 seed 为何，结果均为非确定性。（默认：42）	INT	是	0 到 2147483647

参数	描述	数据类型	必填	范围
`prompt`	描述要生成的视频，或要对附加视频执行的编辑操作。请在提示中直接指定时长，例如“a 6-second clip”；时长可为 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”任务会改为保持输入视频的宽高比。（默认：“16:9”）	COMBO	是	”16:9" "9:16”
`task_type`	指定如何处理提示和附加媒体。使用“auto”时由模型自行决定。“text_to_video”仅根据提示生成，并拒绝附加媒体。“image_to_video”将一张图像制作成动画，或在附加两张图像时从起始帧插值到结束帧。“reference_to_video”将附加媒体视为主体参考。“edit”仅重写一段附加视频。（默认：“auto”）	COMBO	是	”auto" "text_to_video" "image_to_video" "reference_to_video" "edit”
`temperature`	控制随机性。较低的值更聚焦/更确定，较高的值更多样。（默认：1.0）	FLOAT	是	0.0 到 2.0 (step 0.01)
`top_p`	核采样：从累积概率达到 top_p 的最小 token 集合中采样。（默认：0.95）	FLOAT	是	0.0 到 1.0 (step 0.01)
`seed`	seed 控制节点是否应重新运行；无论 seed 为何，结果均为非确定性。（默认：42）	INT	是	0 到 2147483647

参数	描述	数据类型	必填	范围
`images`	可增长插槽：最多连接 14 张图像（`image_1`…`image_14`）。可选的参考图像，用于引导或生成视频动画。使用“image_to_video”任务时，第一张图像为起始帧，可选的第二张图像为结束帧。	IMAGE	否	0 到 14 images
`videos`	可增长插槽：最多连接 3 个视频（`video_1`…`video_3`）。可选的参考视频，用于引导或编辑。每个视频最长 10 秒。	VIDEO	否	0 到 3 videos

注意：

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），且需要恰好 1 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（两种模型均支持）和“extend”任务（仅 Omni Flash 1.1 支持）需要恰好一个输入视频，并保持该输入视频的宽高比，从而覆盖 aspect_ratio。
最多可附加 14 张图像和 3 个视频，且每个附加视频的长度必须不超过 10 秒。
Omni Flash 始终输出 720p、24 FPS 且带音频的视频；仅 Omni Flash 1.1 提供分辨率选择。
temperature 和 top_p 控件仅适用于 Omni Flash 模型；Omni Flash 1.1 使用固定的生成设置。

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：使用在 `resolution` 输入中选择的分辨率。	VIDEO
`text`（第二个输出）	模型随视频生成的文本内容（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): 7a0dda4bcd662c9df3c680297ec9de7886d35e618de8b3ce0cd95b9afd13a892