gemini-omni-flash-api

该技能用于生成式视频编辑、文生视频、图像参考视频生成以及首帧到视频的过渡动画，基于官方 google-genai SDK，使用 Gemini Omni Flash 模型（gemini-omni-flash-preview）。\n\n主要能力：编辑现有视频（最长 10 秒），可做风格修改、局部修补或扩展；由文本提示生成视频；由单张输入图像生成视频（首帧）；使用图像中的风格、角色或物体参考引导生成；通过 Interactions API 做逐轮编辑；支持并行批量任务。\n\n使用方式：依赖 Python >= 3.10 与 google-genai >= 2.10.0，安装/升级命令为 pip install -U google-genai；预处理、检查与去音频需系统 PATH 中有 ffmpeg 与 ffprobe。输入媒体须先经 Files API 上传获得 URI 与 MIME 类型后再引用。主要脚本：upload_file.py 上传本地图片/视频并轮询至 ACTIVE；generate_video.py 端到端生成并下载，可配置 --aspect-ratio（如 16:9、9:16）与 --duration（3 到 10 的整数秒），支持 --image 首帧/参考帧、--video 编辑源、--strip-audio、--previous-interaction-id 续接编辑、--prompts-file 与 --batch jobs.json 配合 --concurrency 并行；prep_video.py 做基于时间码的裁剪、帧率转换与等比缩放（横屏最大 1280x720，竖屏 720x1280），超 10 秒在交互终端中提示选择前 10 秒、后 10 秒或自定义时间码；inspect_video.py 用 ffprobe 查看时长、分辨率、帧率、音轨与格式，支持 --json 与 --raw。提示词可用 <FIRST_FRAME>、<IMAGE_REF_N> 标签声明图像角色，编辑时宜用简短提示并可加“Keep everything else the same”，可描述音频、时间点与场景切换，模型对视频内文字渲染较好。\n\n限制：上传视频用于视频编辑在 EEA、瑞士、英国及部分美国州不可用，若视频到视频编辑快速完成且输出为空（total_output_tokens: 0 或无视频内容）通常即此限制；编辑源视频最长 10 秒；若需完全重新生成音频，必须先去音频再上传。使用前应核对官方文档中的命令、API 行为、价格、配额与凭据，示例不能替代环境测试、安全审查或对破坏性/高成本操作的用户批准。