Stel dat je een wit kopje, een koffiebar en koffiebonen uploadt, maar de video een ander kopje in een generieke ruimte toont. Om Gemini Omni 1.2 Flash multiple reference images goed te gebruiken, kies je Reference-to-Video, geef je elke afbeelding één duidelijke taak en beschrijf je die taken in uploadvolgorde. Begin met een korte shot en inspecteer daarna het begin, midden, einde en de beweging daartussen. Een referentie stuurt een generatie; het garandeert geen pixel-voor-pixel-kopie.
Het testprotocol gebruikt dezelfde kopjeshot tweemaal: eerst met alleen de kopjesafbeelding, daarna met het kopje, het café en de bonen. Een tweede voorbeeld gebruikt exterieur- en interieurfoto's van het Pantheon om een bewegend gezichtspunt te testen. De vergelijking scheidt wat de prompt vraagt van wat de output daadwerkelijk toont, zodat je kunt bepalen of een extra referentie hielp of juist conflict toevoegde.
Belangrijkste conclusies
- Kies Reference-to-Video wanneer afbeeldingen de inhoud moeten sturen zonder het openingsframe te dicteren.
- Geef elke geüploade afbeelding een rol en noem deze in de prompt in uploadvolgorde.
- Vergelijk een korte baseline met 1 afbeelding met een run met 3 afbeeldingen voordat je de complexiteit opvoert.
- Controleer identiteit, setting, props en beweging gedurende de hele clip, niet alleen het eerste frame.
Wat meerdere referentieafbeeldingen aansturen in Gemini Omni 1.2 Flash
Een referentieset met meerdere afbeeldingen kan verschillende onderdelen van één shot beschrijven. De ene foto kan een product identificeren, een andere kan een locatie leveren en een derde kan een prop identificeren. Je kunt afbeeldingen ook gebruiken voor een personage of een visuele stijl. Deze rollen zijn alleen nuttig wanneer de prompt zegt welke zichtbare kenmerken bij welke afbeelding horen. 'Gebruik alle afbeeldingen' laat het model beslissen of het tweede kopje op een cafefoto een tweede product is of achtergrondruis.
Voor de kopjestest definieert afbeelding 1 het witte keramische kopje en het oor. Afbeelding 2 levert de espressobar-balie en de warme binnenomgeving. Afbeelding 3 levert zichtbare bonen naast het kopje. We vragen het model niet om de witte achtergrond van de bonenfoto of elk object op de cafébalie over te nemen. Die uitsluiting is belangrijk: een referentiefoto bevat vaak meer visuele informatie dan de taak die je wilt dat deze vervult.
De referentieset kan niet elke ambiguïteit wegnemen. Een hand kan het oor verbergen. Camerabeweging kan een kant van het kopje onthullen die de bronfoto nooit toont. Belichting en camera-angles kunnen conflicteren tussen de drie bronfoto's. Behandel de prompt als een hiërarchie van prioriteiten, waarbij de vorm van het kopje boven een exacte match met achtergrondmeubilair staat. In de aankondiging van november 2026 beschrijft Google een sterkere referentieopvolging in Gemini Omni 1.2 Flash, terwijl wordt opgemerkt dat snelle actie en complexe fysica verbeterpunten blijven.
Schrijf vóór het uploaden één zin voor elke bron: 'Deze afbeelding definieert X; negeer Y.' Als je dat niet kunt doen zonder twee afbeeldingen dezelfde taak te geven, vereenvoudig dan de set. Kies daarna de invoermodus die bij je doel past.
Reference-to-Video of First-and-Last Frame?
Reference-to-Video is de juiste modus wanneer je afbeeldingen een nieuwe bewegende shot moeten beïnvloeden. Als je een exact openingsbeeld nodig hebt, gebruik dan in plaats daarvan een first-frame- of Image-to-Video-workflow. Als je twee gespecificeerde eindpunten nodig hebt, gebruik dan waar beschikbaar een first-and-last-frame-workflow. Dezelfde geüploade foto kan een heel andere rol spelen, afhankelijk van de geselecteerde modus, en een promptzin kan het inputcontract van de modus niet altijd overschrijven.
| Modus | Wat de input aanstuurt | Verwacht openingsbeeld | Beste gebruik |
|---|---|---|---|
| Reference-to-Video | Onderwerp, scène, prop of stijlindicaties | Een gegenereerd beeld gestuurd door de referenties | Combineer een kopje, café en bonen in één shot |
| Image-to-Video / first frame | De visuele begintoestand | Sterk gekoppeld aan de meegeleverde eerste afbeelding | Een bepaalde still animeren |
| First-and-last frame | De visuele begin- en eindtoestand | Begint vanaf de gespecificeerde eerste afbeelding | Een overgang tussen vaste eindpunten plannen |
De documentatie van Google Cloud over referentieafbeeldingen, geraadpleegd in november 2026, beschrijft referentieafbeeldingen als aanvullende sturing voor generatie. Het onderscheid is praktisch: als de eerst geüploade foto vrijwel ongewijzigd als frame 1 verschijnt en je een nieuw samengesteld openingsbeeld wilde, inspecteer dan de modus en het afbeeldingsslot voordat je de creatieve prompt herschrijft.
Een wit kopje op een effen bronachtergrond kan in Reference-to-Video redelijkerwijs een kopje op een cafébalie worden. Dat is het experiment hier. Voor het Pantheon zullen de exterieur- en koepelfoto's twee scènes sturen, maar het zijn geen voorgeschreven eerste en laatste frames. Hun taak is om architecturale elementen herkenbaar te maken tijdens een continue beweging.
Bouw een referentieset die het model kan lezen
Kies een duidelijke hoofdreferentie voordat je ondersteunende afbeeldingen verzamelt. Het kopje moet groot genoeg zijn om de rand, het lichaam en het oor te beoordelen. Op de goedgekeurde bronfoto is het kopje klein en lijkt het lichtcrème, hoewel de bestandstitel het wit noemt. Dat maakt deze input een nuttige stresstest, maar elk verlies van oor-detail kan al bij de bron beginnen. Een piepklein kopje op een drukke cafefoto is een zwakke productreferentie omdat het model weinig specifieke vorminformatie heeft om te behouden. De ondersteunende cafefoto heeft een andere taak: de omgeving leesbaar maken, vooral de balie en espressomachine. De bonenfoto moet een prop identificeren, niet een concurrerende compositie leveren.
Houd de uploadvolgorde stabiel. De onderstaande prompt zegt 'first', 'second' en 'third'; die woorden helpen alleen als de bestandsvolgorde overeenkomt. Als je tijdens een nieuwe poging een bron vervangt, controleer dan de UI opnieuw voordat je start. Wanneer meerdere foto's vergelijkbare kopjes tonen, verwijder dan het extra kopje of sluit het expliciet uit. Anders kan het model oren, verhoudingen of kleuren van de twee vermengen. Voor een product met complexe verpakking kunnen meerdere weergaven van hetzelfde object waardevoller zijn dan een aparte stijlreferentie.
| Upload | Doel detail | Niet overnemen |
|---|---|---|
| 1: wit kopje | Lichaam, rand en oor van het kopje | De achtergrond van de bronfoto |
| 2: Romeinse koffiebar | Balie, apparatuur, binnenatmosfeer | Andere kopjes of personen als productreferenties |
| 3: koffiebonen | Herkenbare bonen naast het kopje | De witte achtergrond van de bonenfoto |
De drie foto's komen van Wikimedia Commons: de foto's van het witte keramische kopje en de Romeinse koffiebar zijn gemarkeerd als CC0, en de koffiebonenfoto is gemarkeerd als publiek domein. Hun vermelde hergebruikstatus maakt de demonstratie gemakkelijker te traceren; het maakt gegenereerde output niet tot een geverifieerde foto van een echt product.
De drie bronfoto's scheiden het product, de setting en de prop voordat er een video wordt gegenereerd.
Workflow die je direct kunt kopiëren: 1 kopje, 3 referenties, 1 bewegende shot
Download de bronfoto's op volledige grootte en noteer elke Commons-bestandspagina. Selecteer in de Gemini Omni 1.2 Flash Reference-to-Video playground het Reference-to-Video-model, niet een Image-to-Video-variant. Upload alleen het kopje voor run A1. Stel 8 seconden, 16:9, 1080p en standaard thinking in. Controleer of het geüploade bestand in het veld reference-images verschijnt. Plak deze prompt exact:
plaintext1Create an eight-second product video featuring the white ceramic cup in the first reference image. Preserve its recognizable cup shape and handle. Begin with the cup resting still on a counter. The camera itself physically travels in a smooth semicircular arc around the stationary cup, so the counter and café background shift with clear parallax while the cup keeps the same orientation relative to the counter. Do not spin or rotate the cup, and do not place it on a turntable. After the camera arc, raise the camera to a slightly elevated viewpoint as a hand briefly lifts the cup and sets it back down without twisting it. Natural café ambience, no dialogue, no logos or added text. Use the uploaded image as a product reference, not as a literal opening frame.
Voer A1 uit en bekijk de volledige output. De eerste upload is de baseline, dus noteer de vorm van het kopje en of zowel de orbit als het verhoogde aanzicht plaatsvindt. Reken A1 niet af op het weglaten van een specifiek café of bonen: geen van beide is als referentie meegeleverd. Bewaar dat resultaat apart voordat je het formulier wijzigt.
Gebruik voor run A2 hetzelfde model en dezelfde instellingen. Upload het kopje, de koffiebar en de bonen in die volgorde. Bevestig dat alle drie de thumbnails in het referentieveld verschijnen en plak dan:
plaintext1Create an eight-second product video. The first reference image defines the white ceramic cup: preserve its recognizable shape and handle. The second reference image defines the espresso bar counter and its warm indoor atmosphere, but do not copy any other cup from that image. The third reference image defines the coffee beans placed beside the cup, not the background. Begin with the cup and beans on the counter. Move the camera in a smooth semicircle around the cup, then change to a slightly elevated viewpoint as a hand lifts the cup and sets it down. Keep the same cup and counter through the whole shot. Natural café ambience, no dialogue, no logos or added text. Use all three images as references rather than literal opening frames.
Voer A2 uit en wacht op de voltooide output. Bekijk het gegenereerde bestand, niet alleen de preview-thumbnail. De twee voltooide clips hieronder tonen welke details de camerabeweging en handeling overleefden.
Wat verandert er met de tweede en derde afbeelding?
Vergelijk de clips op hetzelfde weergaveformaat. Speel elke clip van begin tot eind af en pauzeer dan rond het begin, het midden en het einde. Inspecteer voor de identiteit van het kopje het randprofiel, de kant van het oor en de lichaamsverhoudingen, vooral nadat de hand het optilt. Kijk voor de omgeving naar een balie en espressobar-aanwijzingen in plaats van een generieke bruine ruimte. Controleer voor de bonen of het duidelijke props naast het kopje zijn in plaats van een onduidelijke textuur.
A1 behoudt een wit kopje en een zichtbaar oor tijdens het optillen met de hand. De cameraverschuiving is bescheiden in plaats van een duidelijke halfcirkelvormige orbit.
A2 voegt zichtbare koffiebonen en een specifiekere espressobar-setting toe. Het kopje ziet er crèmekleurig en minder regelmatig van vorm uit dan het kopje van A1.
| Controle | A1: 1 afbeelding | A2: 3 afbeeldingen | Waar je op moet letten |
|---|---|---|---|
| Vorm en oor van het kopje | Wit lichaam en oor blijven zichtbaar | Oor blijft zichtbaar; lichaam ziet er crème en minder regelmatig uit | Hetzelfde identificeerbare object nadat de camera beweegt |
| Cafébalie | Generieke café-setting | Espressomachine en balie zijn duidelijk | Omgeving lijkt op de bron van de balie |
| Koffiebonen | Niet getoond | Zichtbaar naast het kopje | Duidelijke bonen naast het kopje |
| Beweging | Hand tilt kopje op; cameraverschuiving is bescheiden | Hand tilt kopje op; gezichtspunt verandert bescheiden | Orbit, verhoogd aanzicht, optillen en neerzetten |
De toegevoegde referenties maken de balie en bonen gemakkelijker te identificeren, maar de kleur en vorm van het kopje veranderen. Geen van beide clips voltooit duidelijk de gevraagde halfcirkelvormige camerabeweging. Dit zijn afzonderlijke outputs, dus het zijn diagnostische voorbeelden in plaats van een prestatiestatistiek. Als de identiteit van het kopje het belangrijkst is, moet de volgende test de kopjesreferentie versterken of de handeling vereenvoudigen, terwijl de andere instellingen gelijk blijven.
Een architectuurtest met twee afbeeldingen
De kopjestest vraagt of verschillende soorten details naast elkaar bestaan in één productshot. Twee foto's van het Pantheon stellen een andere vraag: kunnen exterieur- en interieurreferenties een coherent bewegend gezichtspunt sturen? De eerste Commons-afbeelding toont de buitenfaçade; de tweede toont de binnenkoepel en het oculus. De Wikimedia Commons-bestandspagina's voor zowel de exterieur- als de koepelfoto's markeren deze als CC0.
De exterieur- en koepelfoto's bieden afzonderlijke scène-aanwijzingen voor een gegenereerde passage het gebouw in.
Upload eerst het exterieur, daarna het interieur, in hetzelfde Reference-to-Video-model. Stel 12 seconden, 16:9, 1080p en standaard thinking in. Gebruik de onderstaande prompt:
plaintext1Create a twelve-second architectural concept video guided by the two reference photographs of the Pantheon in Rome. The first image defines the exterior facade and entrance; the second defines the interior dome and oculus. Begin from a human-height viewpoint outside, move steadily toward and through the entrance, then tilt upward inside to reveal the dome and oculus. Use a continuous moving viewpoint with clear parallax and no sudden teleporting or isolated zoom. Keep the building recognizable while treating the result as a generated visualization, not documentary footage. Natural footsteps and room ambience, no dialogue, no titles or labels. Both images are scene references, not mandatory first and last frames.
De gegenereerde passage beweegt van de façade door het portico en naar een aanzicht van de koepel en het oculus.
Beoordeel de clip op zichtbare kenmerken en overgangskwaliteit, niet op geografische precisie. De façade, het portico en de koepel zijn herkenbaar, en het gezichtspunt beweegt richting de ingang voordat het binnen omhoogkijkt. Het resultaat is een AI-visualisatie op basis van foto's, geen documentairebeelden of een betrouwbare architecturale opname. Een first-and-last-frame-opstelling zou een andere vraag beantwoorden: hoe je twee voorgeschreven afbeeldingen als eindpunten met elkaar verbindt.
Drie referentierollen in één shot van 15 seconden
De kopjesvergelijking test een product, een plaats en een prop. Deze extra shot geeft drie referenties veeleisender rollen: een bewegend dier, een kleurrijke omgeving en een bewegende groep die later binnenkomt. De vraag is of alle drie leesbaar blijven terwijl de camera de actie volgt, in plaats van alleen in geïsoleerde frames te verschijnen.
Afbeelding 1 is een Wikimedia Commons-foto van een groene zeeschildpad voor het brede schild, de kop en de flippers van de schildpad. Afbeelding 2 is een Wikimedia Commons-foto van een koraalrif voor roze en crème koraalvormen en helder water. Afbeelding 3 is een Wikimedia Commons-foto van een school geelstaartvissen voor de vissenlichamen en groepsbeweging. Elke bestandspagina markeert de foto als publiek domein. De bronnen komen van verschillende plaatsen, dus de gegenereerde scène is een visueel concept, geen registratie van één echt rif.
De drie uploads geven het model een onderwerp, een setting en een groep die later in de shot moet verschijnen.
Upload ze in die volgorde in Reference-to-Video. Selecteer 15 seconden, 16:9, 1080p en standaard thinking. Gebruik deze prompt:
plaintext1Create a 15-second, single continuous underwater concept film using the three uploaded photographs as references in their exact upload order. The first image defines one green sea turtle: preserve its broad mottled oval shell, head, and four flippers, but ignore that photo's background. The second image defines the setting: vivid pink and cream branching corals, rounded coral heads, clear turquoise water, and rippling sunlight; it is not a mandatory first frame. The third image defines a dense school of slender silver fish with yellow tails; use the fish as moving animals, not as a background texture or a copy of their original seabed. In the opening five seconds, the turtle swims forward above the colorful reef with visible flipper strokes while the camera tracks alongside it. In the middle five seconds, the yellow-tailed fish school sweeps across the frame and curves around the turtle as the camera rises to a three-quarter overhead view. In the final five seconds, the camera widens and arcs to show the same turtle, reef, and fish school together in one coherent underwater space. Keep the turtle's shell pattern and the fish appearance consistent throughout. Show real subject movement, water particles, soft sunbeams, and clear parallax. Smooth camera movement, no cuts, no teleporting, no spinning turtle, no additional turtles, no text, logos, or narration. This is a generated visualization, not documentary footage.
De gegenereerde clip van 15 seconden begint met de schildpad boven koraal en brengt daarna de geelstaartige school in dezelfde bewegende scène.
Het gevlekte schild en de flippers van de schildpad blijven herkenbaar van begin tot eind. Roze koraal is het duidelijkst rond het begin; zilveren vissen met gele staarten komen rond het midden binnen en delen later het frame met de schildpad. De camera volgt en verbreedt, hoewel het gevraagde bovenaanzicht niet duidelijk tot stand komt. Deze enkele output toont de drie referentierollen die samenwerken, maar ook waar de camera-instructie uit de prompt slechts gedeeltelijk is gevolgd.
Los referentiedrift op zonder het hele idee opnieuw te starten
Wanneer een kopje van vorm verandert, identificeer dan het exacte frame waarin dat gebeurt. Als het oor alleen verdwijnt terwijl een hand het bedekt, kan dat occlusie zijn. Als het aan de verkeerde kant terugkomt of het randprofiel verandert nadat het kopje is neergezet, is de productidentiteit gedrift. Maak het kopje groter en duidelijker in de referentie, vereenvoudig het optillen of geef een gezichtspunt op waarbij het oor zichtbaar blijft. Bewaar de vorige output zodat je kunt zien of de wijziging hielp.
Als de setting tussen cafés springt, inspecteer dan de bronmenset op conflicterende ruimtes, belichting of vergelijkbare objecten. Vervang de zwakke scène-afbeelding of verwijder een referentie die ongewenst meubilair levert. Geef in de prompt aan welke afbeelding eigenaar is van de balie en welke visuele elementen genegeerd moeten worden. Een langere lijst met negatieve instructies kan meer ambiguïteit creëren; één precieze rolverklaring is meestal gemakkelijker te testen.
Als de laatste seconden detail verliezen, verkort dan de actie in plaats van meer zelfstandige naamwoorden toe te voegen. Vraag om één continue orbit en een kleine lift voordat je een langere sequentie met meerdere overgangen probeert. In Google's lanceringsnotitie staat dat het model follow-upediting ondersteunt, maar ga er niet van uit dat een edit elk onaangeroerd detail behoudt. Inspecteer een edit met dezelfde controles voor begin, midden en einde.
Wijzig één variabele per nieuwe poging: referentieselectie, promptformulering, duur of camerataak. Houd een log bij van de exacte bestanden en instellingen. Dat verandert een teleurstellende output in een bruikbare diagnose en voorkomt dat een gelukkig frame wordt aangezien voor consistente controle.
Limieten, kosten en waar je het kunt proberen
Google kondigde Gemini Omni 1.2 Flash aan op 5 november 2026, met native clips tot 15 seconden. De Atlas Cloud Reference-to-Video modelpagina vermeldt momenteel 1–10 referentieafbeeldingen, keuzes voor een duur van 3–15 seconden, beeldverhoudingen van 16:9 of 9:16 en uitvoeropties van 360p, 720p, 1080p en 4K. De keuzes 1080p en 4K zijn opgeschaald vanaf native gegenereerde frames. Invoerlimieten kunnen per toegangsroute verschillen, dus controleer het veld in de interface die je gebruikt. Deze gids heeft slechts 1, 2 of 3 afbeeldingen nodig.
Gebruik voor de exacte voorbeelden de modelpagina die in de workflow is gelinkt en controleer vóór elke run de actuele prijsopgave. De openbare Atlas Cloud modelcatalogus biedt een tweede plek om beschikbaarheid en actuele prijzen te controleren. Een tarief per seconde in de kop beschrijft misschien niet elke resolutie of accountconditie, dus begroot op basis van de daadwerkelijk geselecteerde instellingen in plaats van een introductieprijs over te nemen in een productieplan.
De praktische volgende stap voor Gemini Omni 1.2 Flash multiple reference images is om eerst de kopjesbaseline uit te voeren. Bewaar de exacte prompt en output. Voeg het café en de bonen pas toe nadat je kunt identificeren welk detail de baseline mist, en beoordeel daarna de volledige bewegingsclip aan de hand van de vier bovenstaande controles.
Veelgestelde vragen
Kan ik afbeeldingsreferenties combineren met een bewegingsreferentieclip?
Google beschrijft ondersteuning voor korte bewegingsreferenties, maar dat is een andere inputmix dan de statische-fototests hier. Controleer de limieten en duurregels van het specifieke toegangspunt voordat je ze combineert. Houd de afbeeldingsrollen expliciet, zelfs wanneer beweging afzonderlijk wordt geleverd.
Zal het model mijn referentiefoto's exact kopiëren?
Nee. Referenties sturen identiteit, setting, props of stijl. Een gegenereerd frame kan camera-angle, belichting, verborgen oppervlakken of kleine details veranderen. Als je een exact startframe nodig hebt, kies dan een first-frame-workflow en inspecteer nog steeds de rest van de clip.
Kan ik foto's van iemand anders of merkmaterialen gebruiken?
Gebruik materiaal waarvoor je toestemming hebt en controleer de licentie voor je beoogde publicatie. De Wikimedia Commons-bestandspagina's voor de bronfoto's vermelden hun hergebruikvoorwaarden. Controleer elke toepasselijke licentie vóór publicatie. Die bronstatus verleent geen rechten op niet-gerelateerde logo's, personen of assets die je later toevoegt.
