GeminiVideoOmni - ComfyUI Built-in Node Documentation

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

使用 Google 的 Gemini Omni Flash 模型，根据文本提示生成带音频的视频。可以选择提供参考图片和/或视频来指导或编辑生成结果。请在提示中直接描述所需的时长（3-10秒）和宽高比（16:9 或 9:16）。

​

输入

参数	说明	数据类型	必需	范围
model	用于生成视频的 Gemini 视频模型。	COMBO	是	”Omni Flash”
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（默认值：42）。	INT	是	0 至 2147483647
prompt	描述要生成视频的文本提示。去除首尾空白后，必须至少包含一个非空白字符。	STRING	是	去除首尾空格后至少 1 个字符
images	可选的参考图片，用于指导视频生成。总计最多 14 张图片。	IMAGE	否	允许多张图像（最多 14 张）
videos	可选的参考视频，用于指导或编辑视频生成。最多 3 个视频，每个最长 10 秒。	VIDEO	否	允许多个视频（最多 3 个，每个最长 10 秒）
temperature	控制生成过程中的随机性（默认值：1.0）。	FLOAT	否	0.0 至 2.0
top_p	核采样参数（默认值：0.95）。	FLOAT	否	0.0 至 1.0

注意：

• 如果图片输入包含多帧，则每一帧都计入 14 张图片的上限。
• 当提供 images 或 videos 时，编码后媒体的总大小必须保持在大约 90 MB 以下；否则节点会引发错误。

​

输出

输出名称	说明	数据类型
VIDEO	从 Gemini 模型生成的带音频的视频。	VIDEO
STRING	模型的任何文本响应，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): 1b7ca51d07cfb6a166cfed2a7e7174fd62f3290abcc1bdfdce94369dda242d3f