veo-3/fast/text-to-video
從文字提示快速生成具對話和音效的動態短片
輸入一張圖片和文字指令，模型即可將靜態畫面生成含聲音的電影感短片。它屬於 Google Gemini Omni Flash 系列；該系列還支援文字轉影片、影片編輯和參考圖轉影片，本頁面對應圖像轉影片任務。
模型會結合對現實世界和物理規律的理解來推斷動態，因此從第一幀開始，主體與場景的變化更連貫，不易在播放過程中出現漂移或變形。
輸入參數與 RunComfy OpenAPI 中圖像轉影片任務的 Input 架構一致。
| 參數 | 必填 | 類型 | 預設值 | 範圍 / 選項 | 說明 |
|---|---|---|---|---|---|
| prompt* | 是 (*) | string | — | 描述性文字 | 描述輸入影像應如何移動或變化 |
| image_url* | 是 (*) | string（影像 URI） | — | jpg, jpeg, png, webp | 要製作動畫的靜態影像 |
| aspect_ratio | 否 | string | 16:9 | 16:9, 9:16 | 生成影片的長寬比 |
| duration | 否 | integer | 8 | 3–10（秒） | 生成影片的時長，以整秒設定 |
依生成影片的時長計費：
從文字提示快速生成具對話和音效的動態短片
依照提示詞將現有影片延長 7 秒，以 720p 輸出，並可選擇是否產生音訊。
根據必填影片 URL 和音訊 URL 建立口型同步影片，並可從五種模式中選擇音影片時長不一致的處理方式。
將第一幀圖像動畫化為 768p 或 2K 視頻，最長 15 秒
FLUX 3 Draft Extend： 720p 的快速低成本剪輯延續草稿
根據提示詞重做現有影片中的指定片段，並可選擇替換音訊、畫面或同時替換兩者。
Gemini Omni Flash Image to Video 接收一張靜態影像和一段文字提示詞，將畫面生成含同步音訊的短片。模型會推斷主體與場景的自然動態，因此無需分別製作動畫和音軌，就能把單幀畫面變成有動作、有聲音的鏡頭。
它適合把靜態照片製作成社群媒體短片、根據參考圖測試鏡頭運動與節奏，以及快速驗證視聽概念。創作者、行銷人員、影視和遊戲團隊常用 Gemini Omni Flash Image to Video 先探索動作與氛圍，再投入完整製作。
模型會生成與畫面同步的對白、環境音效和音樂。你可以在 Gemini Omni Flash Image to Video 的提示詞中說明對白語氣或所需背景聲；如果需要安靜的短片，也可以明確要求「無對白」。
以上傳影像作為起點，相較於只使用文字提示詞，更容易固定開場構圖和主體形象。在 Gemini Omni Flash Image to Video 中，靜態圖決定畫面外觀，提示詞控制場景如何運動，因此特別適合已經有明確起始畫面的情況。
Gemini Omni Flash Image to Video 支援 16:9 橫向和 9:16 直向，影片時長可按整秒設定為 3–10 秒。可用設定可能會調整，請以目前 RunComfy 參數面板為準。
你需要提供一張輸入影像，以及描述運動方式的文字提示詞。支援的影像格式包括 jpg、jpeg、png 和 webp。部分限制可能會隨服務供應商的設定變化，未在此處列出的要求請以 RunComfy 參數面板為準。
可以。你可以先在 RunComfy 模型頁面中測試 Gemini Omni Flash Image to Video，再使用相同參數透過 RunComfy HTTP API 呼叫模型，用於自動化和正式環境。這樣無需自行託管或擴展模型，即可從測試順利過渡到整合。
Gemini Omni Flash Image to Video 依生成影片的時長計費，每秒 $0.14，費用從 RunComfy 帳戶的美元餘額或點數中扣除。新用戶通常可獲得試用額度，目前價格請查看本頁面的生成區域。
RunComfy 是首選的 ComfyUI 平台，提供 ComfyUI 在線 環境和服務，以及 ComfyUI 工作流程 具有驚豔的視覺效果。 RunComfy還提供 AI Models, 幫助藝術家利用最新的AI工具創作出令人驚艷的藝術作品。
