Seedream 5.5 is live on Atlas Cloud — native transparent PNG & 80+ round editing

Gemini Omni 1.2 Flash Nhiều Hình Ảnh Tham Chiếu: Cả 3 Có Trụ Được 15 Giây Không?

Để sử dụng Gemini Omni 1.2 Flash với nhiều ảnh tham chiếu một cách hiệu quả, hãy chọn Reference-to-Video, giao cho mỗi ảnh một vai trò riêng biệt và mô tả những vai trò đó theo thứ tự tải lên.

Giả sử bạn tải lên một chiếc cốc trắng, một quầy cà phê và hạt cà phê, nhưng video lại hiển thị một chiếc cốc khác trong một căn phòng chung chung. Để sử dụng Gemini Omni 1.2 Flash multiple reference images hiệu quả, hãy chọn Reference-to-Video, gán cho mỗi hình ảnh một nhiệm vụ riêng biệt và mô tả các nhiệm vụ đó theo thứ tự tải lên. Bắt đầu với một cảnh quay ngắn, sau đó kiểm tra phần đầu, giữa, cuối và chuyển động giữa chúng. Một tham chiếu định hướng quá trình tạo; nó không đảm bảo bản sao từng pixel.

Giao thức kiểm tra sử dụng cùng một cảnh quay cốc hai lần: lần đầu chỉ với hình ảnh cốc, sau đó với cốc, quán cà phê và hạt cà phê. Ví dụ thứ hai sử dụng ảnh bên ngoài và bên trong của Pantheon để kiểm tra góc nhìn chuyển động. Việc so sánh tách biệt những gì prompt yêu cầu với những gì đầu ra thực sự hiển thị, để bạn có thể quyết định liệu một tham chiếu khác có giúp ích hay tạo ra xung đột.

Những điểm chính cần ghi nhớ

  • Chọn Reference-to-Video khi hình ảnh nên định hướng nội dung mà không quy định khung hình mở đầu.
  • Gán vai trò cho mỗi hình ảnh tải lên và gọi tên nó theo thứ tự tải lên trong prompt.
  • So sánh đường cơ sở 1 hình ảnh ngắn với lần chạy 3 hình ảnh trước khi tăng độ phức tạp.
  • Kiểm tra danh tính, bối cảnh, đạo cụ và chuyển động trên toàn bộ clip, không chỉ khung hình đầu tiên.

Nhiều hình ảnh tham chiếu kiểm soát những gì trong Gemini Omni 1.2 Flash

Một bộ tham chiếu nhiều hình ảnh có thể mô tả nhiều phần của một cảnh quay. Một ảnh có thể xác định sản phẩm, một ảnh khác có thể cung cấp địa điểm, và ảnh thứ ba có thể xác định đạo cụ. Bạn cũng có thể sử dụng hình ảnh cho nhân vật hoặc phong cách hình ảnh. Những vai trò này chỉ hữu ích khi prompt nói rõ những đặc điểm hiển thị nào thuộc về hình ảnh nào. "Use all images" để mô hình tự quyết định liệu chiếc cốc thứ hai trong ảnh quán cà phê là sản phẩm thứ hai hay là vật thể nền.

Đối với thử nghiệm cốc, hình ảnh 1 xác định cốc sứ trắng và tay cầm. Hình ảnh 2 cung cấp quầy bar espresso và bối cảnh trong nhà ấm áp. Hình ảnh 3 cung cấp hạt cà phê có thể nhìn thấy gần cốc. Chúng tôi không yêu cầu mô hình chuyển nền trắng của ảnh hạt cà phê hoặc mọi đồ vật trên quầy cà phê. Việc loại trừ đó rất quan trọng: một ảnh tham chiếu thường chứa nhiều thông tin hình ảnh hơn nhiệm vụ bạn muốn nó thực hiện.

Bộ tham chiếu không thể loại bỏ mọi sự mơ hồ. Một bàn tay có thể che tay cầm. Chuyển động camera có thể để lộ một mặt của cốc mà ảnh nguồn chưa từng hiển thị. Ánh sáng và góc máy có thể xung đột giữa ba ảnh nguồn. Hãy coi prompt như một hệ thống phân cấp ưu tiên, với hình dạng của cốc cao hơn việc khớp chính xác với đồ nội thất nền. Trong thông báo tháng 11 năm 2026, Google mô tả khả năng tuân theo tham chiếu mạnh hơn trong Gemini Omni 1.2 Flash đồng thời lưu ý rằng hành động nhanh và vật lý phức tạp vẫn là những lĩnh vực cần cải thiện.

Trước khi tải lên, hãy viết một câu cho mỗi nguồn: "Hình ảnh này xác định X; bỏ qua Y." Nếu bạn không thể làm điều đó mà không gán cho hai hình ảnh cùng một nhiệm vụ, hãy đơn giản hóa bộ. Sau đó chọn chế độ đầu vào phù hợp với mục tiêu của bạn.

Reference-to-Video hay First-and-Last Frame?

Reference-to-Video là chế độ phù hợp khi hình ảnh của bạn nên ảnh hưởng đến một cảnh quay chuyển động mới. Nếu bạn cần một hình ảnh mở đầu chính xác, hãy sử dụng quy trình first-frame hoặc Image-to-Video thay thế. Nếu bạn cần hai điểm cuối được chỉ định, hãy sử dụng quy trình first-and-last-frame nếu có. Cùng một ảnh tải lên có thể đóng một vai trò rất khác nhau tùy thuộc vào chế độ được chọn và một câu prompt không phải lúc nào cũng có thể ghi đè hợp đồng đầu vào của chế độ.

Chế độĐầu vào kiểm soát gìKhung mở đầu dự kiếnSử dụng tốt nhất
Reference-to-VideoChủ thể, bối cảnh, đạo cụ hoặc gợi ý phong cáchChế độ xem được tạo hướng dẫn bởi các tham chiếuKết hợp cốc, quán cà phê và hạt cà phê trong một cảnh quay
Image-to-Video / first frameTrạng thái hình ảnh bắt đầuGắn chặt với hình ảnh đầu tiên được cung cấpTạo hoạt ảnh cho một ảnh tĩnh cụ thể
First-and-last frameTrạng thái hình ảnh bắt đầu và kết thúcBắt đầu từ hình ảnh đầu tiên được chỉ địnhLập kế hoạch chuyển tiếp giữa các điểm cuối cố định

Tài liệu về hình ảnh tham chiếu của Google Cloud, truy cập vào tháng 11 năm 2026, mô tả hình ảnh tham chiếu là hướng dẫn bổ sung cho quá trình tạo. Sự khác biệt mang tính thực tiễn: nếu ảnh tải lên đầu tiên xuất hiện gần như không thay đổi như khung hình 1 và bạn muốn một khung mở đầu được bố cục mới, hãy kiểm tra chế độ và vị trí hình ảnh trước khi viết lại prompt sáng tạo.

Một chiếc cốc trắng trên nền nguồn trơn có thể trở thành một chiếc cốc trên quầy cà phê trong Reference-to-Video một cách hợp lý. Đó là thử nghiệm ở đây. Đối với Pantheon, ảnh bên ngoài và mái vòm sẽ hướng dẫn hai cảnh, nhưng chúng không được quy định là khung đầu và khung cuối. Nhiệm vụ của chúng là làm cho các yếu tố kiến trúc có thể nhận diện được trong một chuyển động liên tục.

Xây dựng bộ tham chiếu mà mô hình có thể đọc được

Chọn một tham chiếu chính rõ ràng trước khi thu thập các hình ảnh hỗ trợ. Cốc phải đủ lớn để đánh giá vành, thân và tay cầm. Trong ảnh nguồn được phê duyệt, cốc nhỏ và trông nhạt màu kem mặc dù tiêu đề tệp gọi nó là màu trắng. Điều đó làm cho đầu vào này trở thành một bài kiểm tra căng thẳng hữu ích, nhưng bất kỳ mất mát chi tiết tay cầm nào có thể bắt đầu từ nguồn. Một chiếc cốc nhỏ trong ảnh quán cà phê đông đúc là một tham chiếu sản phẩm yếu vì mô hình có ít thông tin hình dạng cụ thể để giữ lại. Hình ảnh quán cà phê hỗ trợ có một nhiệm vụ khác: nó nên làm cho môi trường dễ đọc, đặc biệt là quầy và thiết bị espresso. Hình ảnh hạt cà phê nên xác định một đạo cụ, không cung cấp một bố cục cạnh tranh.

Giữ thứ tự tải lên ổn định. Prompt bên dưới nói "first," "second," và "third"; những từ đó chỉ hữu ích nếu thứ tự tệp khớp. Nếu bạn thay thế một nguồn trong lần thử lại, hãy kiểm tra lại giao diện người dùng trước khi chạy. Khi nhiều ảnh hiển thị các cốc tương tự, hãy xóa hoặc loại trừ rõ ràng chiếc cốc thừa. Nếu không, mô hình có thể trộn tay cầm, tỷ lệ hoặc màu sắc từ hai ảnh. Đối với một sản phẩm có bao bì phức tạp, nhiều góc nhìn của cùng một đối tượng có thể có giá trị hơn một tham chiếu phong cách riêng biệt.

Tải lênChi tiết mục tiêuKhông kế thừa
1: cốc trắngThân cốc, vành và tay cầmNền của ảnh nguồn
2: quán cà phê RomeQuầy, thiết bị, không khí trong nhàCác cốc hoặc người khác làm tham chiếu sản phẩm
3: hạt cà phêHạt cà phê dễ nhận biết bên cạnh cốcNền trắng của ảnh hạt cà phê

Ba bức ảnh đến từ Wikimedia Commons: ảnh cốc sứ trắng và quán cà phê Rome được đánh dấu CC0, và ảnh hạt cà phê được đánh dấu là phạm vi công cộng. Tình trạng tái sử dụng được nêu của chúng giúp dễ theo dõi minh chứng hơn; nó không biến đầu ra được tạo thành một bức ảnh đã xác minh của một sản phẩm thực.

image.png

Ba ảnh nguồn tách biệt sản phẩm, bối cảnh và đạo cụ trước khi bất kỳ video nào được tạo.

Quy trình sẵn sàng sao chép: 1 Cốc, 3 Tham chiếu, 1 Cảnh quay chuyển động

Tải xuống các ảnh nguồn kích thước đầy đủ và ghi chú lại từng trang tệp Commons. Trong Gemini Omni 1.2 Flash Reference-to-Video playground, chọn mô hình Reference-to-Video, không phải biến thể Image-to-Video. Tải lên chỉ riêng cốc cho lần chạy A1. Đặt 8 giây, 16:9, 1080p và thinking mặc định. Kiểm tra rằng tệp đã tải lên xuất hiện trong trường reference-images. Dán prompt này chính xác:

plaintext
1Create 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.

Chạy A1 và xem toàn bộ đầu ra. Lần tải lên đầu tiên là đường cơ sở, vì vậy hãy ghi chú hình dạng của cốc và liệu quỹ đạo và góc nhìn nâng cao có cùng xảy ra hay không. Đừng đánh giá thấp A1 vì đã bỏ qua một quán cà phê hoặc hạt cà phê cụ thể: cả hai đều không được cung cấp làm tham chiếu. Lưu kết quả đó riêng biệt trước khi thay đổi biểu mẫu.

Đối với lần chạy A2, sử dụng cùng mô hình và cài đặt. Tải lên cốc, quầy cà phê và hạt cà phê theo thứ tự đó. Xác nhận cả ba hình thu nhỏ xuất hiện trong trường tham chiếu, sau đó dán:

plaintext
1Create 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.

Chạy A2 và đợi đầu ra hoàn thành. Xem lại tệp được tạo, không chỉ hình thu nhỏ xem trước. Hai clip hoàn thành bên dưới cho thấy chi tiết nào tồn tại qua chuyển động camera và hành động của bàn tay.

Điều gì thay đổi với hình ảnh thứ hai và thứ ba?

So sánh các clip ở cùng kích thước hiển thị. Phát từng clip từ đầu đến cuối, sau đó tạm dừng gần phần mở đầu, giữa và cuối. Đối với danh tính của cốc, kiểm tra hình dáng vành, mặt tay cầm và tỷ lệ thân, đặc biệt là sau khi bàn tay nhấc nó lên. Đối với môi trường, tìm kiếm quầy và các dấu hiệu quán espresso thay vì một căn phòng nâu chung chung. Đối với hạt cà phê, kiểm tra xem chúng có phải là đạo cụ riêng biệt bên cạnh cốc hay không thay vì một kết cấu mơ hồ.

01-coffee-single-reference.gif

A1 giữ một chiếc cốc trắng và tay cầm có thể nhìn thấy qua hành động nhấc của bàn tay. Sự dịch chuyển camera khiêm tốn thay vì một quỹ đạo bán nguyệt rõ ràng.

02-coffee-three-references.gif

A2 thêm hạt cà phê có thể nhìn thấy và bối cảnh quán espresso cụ thể hơn. Chiếc cốc trông có màu kem và ít đều đặn về hình dạng hơn so với cốc của A1.

Kiểm traA1: 1 hình ảnhA2: 3 hình ảnhNhững gì cần tìm
Hình dạng cốc và tay cầmThân trắng và tay cầm vẫn nhìn thấyTay cầm vẫn nhìn thấy; thân trông kem và ít đều hơnCùng một đối tượng có thể nhận diện sau khi camera di chuyển
Quầy cà phêBối cảnh quán cà phê chung chungMáy espresso và quầy rõ ràngMôi trường giống nguồn quầy
Hạt cà phêKhông hiển thịCó thể nhìn thấy bên cạnh cốcHạt cà phê riêng biệt bên cạnh cốc
Chuyển độngBàn tay nhấc cốc; dịch chuyển camera khiêm tốnBàn tay nhấc cốc; góc nhìn thay đổi khiêm tốnQuỹ đạo, góc nhìn nâng cao, nhấc và đặt xuống

Các tham chiếu được thêm vào giúp dễ nhận diện quầy và hạt cà phê hơn, nhưng màu sắc và hình dạng của cốc thay đổi. Không clip nào hoàn thành rõ ràng chuyển động camera bán nguyệt được yêu cầu. Đây là các đầu ra đơn lẻ, vì vậy chúng là ví dụ chẩn đoán chứ không phải số liệu thống kê hiệu suất. Nếu danh tính của cốc quan trọng nhất, thử nghiệm tiếp theo nên củng cố tham chiếu cốc hoặc đơn giản hóa hành động của bàn tay trong khi giữ các cài đặt khác cố định.

Thử nghiệm kiến trúc hai hình ảnh

Thử nghiệm cốc hỏi liệu nhiều loại chi tiết có cùng tồn tại trong một cảnh quay sản phẩm hay không. Hai bức ảnh của Pantheon hỏi một câu hỏi khác: liệu các tham chiếu bên ngoài và bên trong có thể hướng dẫn một góc nhìn chuyển động mạch lạc không? Hình ảnh Commons đầu tiên hiển thị mặt tiền bên ngoài; hình thứ hai hiển thị mái vòm bên trong và lỗ khí. Các trang tệp Wikimedia Commons cho cả ảnh bên ngoài và mái vòm đều đánh dấu chúng là CC0.

image.pngẢnh bên ngoài và mái vòm cung cấp các gợi ý cảnh riêng biệt cho một đoạn được tạo vào tòa nhà.

Tải lên bên ngoài trước, bên trong thứ hai, trong cùng mô hình Reference-to-Video. Đặt 12 giây, 16:9, 1080p và thinking mặc định. Sử dụng prompt bên dưới:

plaintext
1Create 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.

03-pantheon-two-views.gif

Đoạn được tạo di chuyển từ mặt tiền qua cổng vòm và vào tầm nhìn của mái vòm và lỗ khí.

Đánh giá clip dựa trên các đặc điểm có thể nhìn thấy và chất lượng chuyển tiếp, không phải độ chính xác địa lý. Mặt tiền, cổng vòm và mái vòm có thể nhận diện được, và góc nhìn tiến về phía lối vào trước khi nhìn lên bên trong. Kết quả là một hình ảnh hóa AI dựa trên ảnh, không phải phim tài liệu hoặc khảo sát kiến trúc đáng tin cậy. Thiết lập first-and-last-frame sẽ trả lời một câu hỏi khác: làm thế nào để kết nối hai hình ảnh được chỉ định làm điểm cuối.

Ba vai trò tham chiếu trong một cảnh quay 15 giây

So sánh cốc kiểm tra một sản phẩm, địa điểm và đạo cụ. Cảnh quay bổ sung này cung cấp cho ba tham chiếu những vai trò đòi hỏi cao hơn: một động vật đang di chuyển, một môi trường đầy màu sắc và một nhóm đang di chuyển xuất hiện sau. Câu hỏi đặt ra là liệu cả ba có còn dễ đọc khi camera theo dõi hành động hay không, thay vì chỉ xuất hiện trong các khung hình riêng lẻ.

Hình ảnh 1 là ảnh rùa biển xanh từ Wikimedia Commons cho mai rộng, đầu và chân chèo của rùa. Hình ảnh 2 là ảnh rạn san hô từ Wikimedia Commons cho hình dạng san hô hồng và kem và nước trong. Hình ảnh 3 là ảnh đàn cá đuôi vàng từ Wikimedia Commons cho thân cá và chuyển động nhóm. Mỗi trang tệp đánh dấu ảnh của mình là phạm vi công cộng. Các nguồn đến từ những nơi khác nhau, vì vậy cảnh được tạo là một khái niệm hình ảnh, không phải bản ghi của một rạn san hô thực.

image.pngBa tải lên cung cấp cho mô hình một chủ thể, một bối cảnh và một nhóm sẽ xuất hiện sau trong cảnh quay.

Tải chúng lên theo thứ tự đó trong Reference-to-Video. Chọn 15 giây, 16:9, 1080p và thinking mặc định. Sử dụng prompt này:

plaintext
1Create 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.

Clip 15 giây được tạo bắt đầu với rùa trên san hô, sau đó đưa đàn cá đuôi vàng vào cùng cảnh quay chuyển động.

Mai rùa lốm đốm và chân chèo vẫn dễ nhận diện từ đầu đến cuối. San hô hồng rõ nhất gần phần mở đầu; cá bạc đuôi vàng xuất hiện khoảng giữa và chia sẻ khung hình với rùa sau đó. Camera theo dõi và mở rộng, mặc dù góc nhìn từ trên cao được yêu cầu không được thiết lập rõ ràng. Đầu ra đơn lẻ này cho thấy ba vai trò tham chiếu hoạt động cùng nhau đồng thời cũng cho thấy nơi hướng dẫn camera của prompt chỉ được tuân theo một phần.

Khắc phục trôi tham chiếu mà không cần khởi động lại toàn bộ ý tưởng

Khi một chiếc cốc thay đổi hình dạng, hãy xác định khung hình chính xác nơi nó xảy ra. Nếu tay cầm biến mất chỉ trong khi một bàn tay che nó, đó có thể là che khuất. Nếu nó trở lại ở phía sai hoặc vành thay đổi hình dáng sau khi cốc được đặt xuống, danh tính sản phẩm đã trôi. Làm cho cốc lớn hơn và rõ hơn trong tham chiếu, đơn giản hóa động tác nhấc, hoặc chỉ định một góc nhìn để tay cầm vẫn nhìn thấy. Giữ đầu ra trước đó để bạn có thể biết liệu thay đổi có giúp ích hay không.

Nếu bối cảnh nhảy giữa các quán cà phê, hãy kiểm tra bộ nguồn để tìm các phòng, ánh sáng hoặc đồ vật tương tự xung đột. Thay thế hình ảnh cảnh yếu hoặc xóa một tham chiếu cung cấp đồ nội thất không mong muốn. Trong prompt, nêu rõ hình ảnh nào sở hữu quầy và những yếu tố hình ảnh nào cần bỏ qua. Danh sách hướng dẫn phủ định dài hơn có thể tạo ra nhiều mơ hồ hơn; một tuyên bố vai trò chính xác thường dễ kiểm tra hơn.

Nếu những giây cuối mất chi tiết, hãy rút ngắn hành động thay vì thêm nhiều danh từ. Yêu cầu một quỹ đạo liên tục và một động tác nhấc nhỏ trước khi thử một chuỗi dài hơn với nhiều chuyển tiếp. Ghi chú ra mắt của Google cho biết mô hình hỗ trợ chỉnh sửa tiếp theo, nhưng đừng cho rằng một chỉnh sửa sẽ giữ lại mọi chi tiết chưa được chạm tới. Kiểm tra một chỉnh sửa với cùng các kiểm tra phần đầu, giữa và cuối.

Thay đổi một biến mỗi lần thử lại: lựa chọn tham chiếu, từ ngữ prompt, thời lượng hoặc nhiệm vụ camera. Ghi lại nhật ký các tệp và cài đặt chính xác. Điều đó biến một đầu ra đáng thất vọng thành một chẩn đoán có thể hành động và ngăn một khung hình may mắn bị nhầm với kiểm soát nhất quán.

Giới hạn, Chi phí và Nơi dùng thử

Google đã công bố Gemini Omni 1.2 Flash vào ngày 5 tháng 11 năm 2026, với các clip gốc lên đến 15 giây. Trang mô hình Atlas Cloud Reference-to-Video hiện liệt kê 1–10 hình ảnh tham chiếu, lựa chọn thời lượng 3–15 giây, tỷ lệ khung hình 16:9 hoặc 9:16 và tùy chọn đầu ra 360p, 720p, 1080p và 4K. Các lựa chọn 1080p và 4K được nâng cấp từ các khung hình được tạo gốc. Giới hạn đầu vào có thể khác nhau tùy theo tuyến truy cập, vì vậy hãy kiểm tra trường trong giao diện bạn sử dụng. Hướng dẫn này chỉ cần 1, 2 hoặc 3 hình ảnh.

Đối với các ví dụ chính xác, hãy sử dụng trang mô hình được liên kết trong quy trình và kiểm tra báo giá hiện tại của nó trước mỗi lần chạy. Danh mục mô hình Atlas Cloud công khai cung cấp nơi thứ hai để kiểm tra tính khả dụng và giá hiện tại. Mức giá tiêu đề mỗi giây có thể không mô tả mọi độ phân giải hoặc điều kiện tài khoản, vì vậy hãy lập ngân sách từ các điều khiển thực tế được chọn thay vì sao chép giá ra mắt vào kế hoạch sản xuất.

Bước tiếp theo thiết thực cho Gemini Omni 1.2 Flash multiple reference images là chạy đường cơ sở cốc trước. Lưu prompt và đầu ra chính xác của nó. Chỉ thêm quán cà phê và hạt cà phê sau khi bạn có thể xác định chi tiết nào mà đường cơ sở còn thiếu, sau đó đánh giá toàn bộ clip chuyển động dựa trên bốn kiểm tra ở trên.

Câu hỏi thường gặp

Tôi có thể kết hợp tham chiếu hình ảnh với clip tham chiếu chuyển động không?

Google mô tả hỗ trợ cho các tham chiếu chuyển động ngắn, nhưng đó là một hỗn hợp đầu vào khác với các thử nghiệm ảnh tĩnh ở đây. Kiểm tra giới hạn và quy tắc thời lượng của điểm truy cập cụ thể trước khi kết hợp chúng. Giữ vai trò hình ảnh rõ ràng ngay cả khi chuyển động được cung cấp riêng.

Mô hình có sao chép chính xác ảnh tham chiếu của tôi không?

Không. Tham chiếu hướng dẫn danh tính, bối cảnh, đạo cụ hoặc phong cách. Một khung hình được tạo có thể thay đổi góc máy, ánh sáng, bề mặt ẩn hoặc chi tiết nhỏ. Nếu bạn cần một khung hình bắt đầu chính xác, hãy chọn quy trình first-frame và vẫn kiểm tra phần còn lại của clip.

Tôi có thể sử dụng ảnh của người khác hoặc nội dung thương hiệu không?

Sử dụng tài liệu mà bạn được phép sử dụng và xem xét giấy phép của nó cho ấn phẩm dự định của bạn. Các trang tệp Wikimedia Commons cho ảnh nguồn nêu rõ điều khoản tái sử dụng của chúng. Kiểm tra từng giấy phép áp dụng trước khi xuất bản. Tình trạng nguồn đó không cấp quyền đối với logo, người hoặc nội dung không liên quan mà bạn có thể thêm sau.

Mô hình mới nhất

Một API cho mọi AI đa phương tiện.

Khám phá tất cả mô hình