Atlas Cloud 现已成为 Dreamina Seedance 2.5 与 Seedream 5.0 Pro 的美国授权经销商。Atlas Cloud 现已成为 Dreamina Seedance 2.5 与 Seedream 5.0 Pro 的美国授权经销商。Gemini Omni 是 Google DeepMind 原生多模态视频系列，支持通过提示词引导创作与编辑。可从文本生成视频、让静态图像动起来，或在可选视觉参考的辅助下修改现有素材，同时保留未改动的内容。灵活的分辨率、宽高比和时长控制，满足多样化的制作流程。Atlas Cloud 通过透明的按需付费定价模式，统一提供访问能力。立即开始构建。
Gemini Omni Flash 由 Google 开发。Atlas Cloud（由 Atlas Cloud AI LLC 运营）仅提供接入服务，并不拥有该模型。所有商标均归其各自所有者所有。
Atlas Cloud 为您提供最新的行业领先创意模型。
对比七个专业视频端点的 Gemini Omni 输入路径、输出能力和生产应用场景。
| 模态 | 描述 |
|---|---|
| Gemini Omni Flash R2V API (Reference To Video) | 将文本提示与 1 到 5 张参考图片结合，即可生成带原生声音的电影感视频。主体、场景和风格的一致性，使该端点适用于品牌系列内容、 recurring 角色和协调统一的视觉叙事。 |
| Gemini Omni Flash I2V API (Image To Video) | 以静态图片和文本提示为基础，该端点可生成带声音的电影感视频，同时保留源主体和构图。适用于产品动画、肖像动态化和视觉概念开发。 |
| Gemini Omni Flash Video Edit API | 提交现有视频、文本指令和可选参考图片，即可在保持场景一致性的情况下进行修改，并保留原生音频。由于未修改的素材会得到保留，编辑人员可以进行针对性调整，无需重建整个场景。 |
| Gemini Omni Flash T2V API (Text To Video) | 仅凭文本提示即可生成带同步原生音频的电影感视频，动作符合现实世界物理规律。其可控的高速生成能力支持概念可视化、故事开发和快速视频原型制作。 |
| Gemini Omni Flash R2V Developer API | 如需进行引导式转换，可将现有视频片段与参考图片和文本提示结合使用。该端点支持视频风格迁移、场景编辑和角色插入，适用于根据所提供素材生成定向变体的创意应用。 |
| Gemini Omni Flash I2V Developer API | 最多可使用 7 张参考图片引导文本生成视频，同时在整个结果中保持视觉身份一致。对于 recurring 角色、一致的产品视觉素材或贯穿整个营销活动的统一资产，可选择此路径。 |
| Gemini Omni Flash T2V Developer API | 结合文本提示以及所需的分辨率、宽高比和时长，生成可控的电影感视频。灵活的输出设置可帮助开发者创建适配特定平台的内容、自动化生成工作流，并测试多种创意方向。 |
每个 Gemini Omni Flash API 请求都可以接收任意组合的文本、图片、视频和音频，生成同步声音，模拟真实世界物理规律，并通过对话不断优化结果。
使用自然语言优化片段，Gemini Omni Flash API 会应用相应修改，同时保留场景的其他部分。其有状态的 Interactions API 会记住每一轮对话，让每次编辑都能基于之前的修改继续进行。
Gemini Omni Flash API 支持在单个提示中接收任意组合的文本、图片、视频和音频。这种“万物皆可输入”的能力，让你可以使用已有的任何素材驱动生成。
声音与画面在一次推理中同步生成，因此对白、音效和环境声始终与动作保持一致。Gemini Omni Flash API 无需之后再单独处理音频。
Gemini Omni Flash API 基于真实世界物理规律的模型，能够渲染逼真的反射、重力、光照和天气效果。即使在动态镜头中，场景也能保持视觉上的连贯，而不会逐渐出现伪影。
你可以使用最多七张参考图片和三段短视频引导生成，Gemini Omni Flash API 会保持主体、风格和场景的一致性。这能让主体身份在多次编辑和不同镜头之间保持稳定。
Gemini Omni 与其他领先视频模型使用相同提示词生成：多镜头与高端商业影片
生成一个由 3 个场景连续组成的视频： 场景 1： 一名女子站在东京一条下着雨的街道上，霓虹灯在她身上闪烁。湿润地面映出倒影，具有电影感的景深和手持摄影机运动。 场景 2： 摄影机缓慢切换到更近的镜头。她与提供的语音同步轻声说话，唇部动作与语音完美匹配。背景中的交通流畅自然地持续着。 场景 3： 她走进一座地铁站。光线、天气和氛围保持一致。摄影机从后方跟随她，同时保持人物身份的一致性。 约束条件： - 确保所有场景中的面部身份完全一致 - 保持光线连续性（雨水、霓虹灯倒影） - 确保物理真实感（雨水互动、湿润表面） - 确保与输入语音保持视听同步 - 转场之间不得重置场景；保持连续的世界状态 风格： 高端电影级写实风格、胶片颗粒、变形宽银幕镜头、浅景深、4K 胶片质感
Gemini Omni
Wan 2.7
Kling v3.0
生成一个由 4 个场景连续组成的视频： 场景 1： 午夜时分，在一间昏暗的公寓里，一台小型白色机器人静静地坐在木桌上。月光透过窗户照进来。机器人的眼睛缓慢亮起，随后响起微弱的机械嗡鸣声。 场景 2： 机器人小心翼翼地从桌上爬下来。它小巧的金属脚在木地板上发出轻微的咔哒声。摄影机以低角度跟拍，保持机器人大小和形状的一致性。 场景 3： 机器人走进厨房。冰箱门和瓷砖地板上的倒影随着它的移动自然变化。上一场景中的月光和宁静的夜间氛围延续至此。 场景 4： 机器人在窗边停下，望向窗外的城市灯光。摄影机从后方缓慢推进，同时保持机器人在身份、材质、比例、光线和声音上的连续性。 要求： - 确保所有场景中的机器人设计完全一致 - 保持公寓布局连续，不得重置场景 - 确保不同房间之间的光线保持一致 - 使脚步声和机械嗡鸣与机器人的动作匹配 - 使用符合物理规律的倒影、阴影和物体互动 - 场景之间平滑过渡，仿佛在拍摄一个连续的世界 风格： 电影级写实风格、宁静的科幻氛围、柔和月光、细致材质、真实的摄影机运动、浅景深、高端商业影片质感
Gemini Omni
Kling V3.0
Pixverse v6
Gemini Omni 通过文本、图像、参考素材和视频编辑工作流，结合同步原生音频，贯穿营销活动制作、对话式修改、预可视化、视觉化学习、品牌连续性和内置创作者工具。
将已获批准的产品静帧制作成电影感动态画面，同时保留主体和构图。营销团队可以制作新品预告、社交广告和精美的产品展示，并配以同步原生音频。
描述需要调整的部分，Gemini Omni 即可编辑现有素材，同时保持未修改内容不变。剪辑师无需重建已获批准的场景，就能制作不同版本、适配本地化的变体和客户修改稿。
使用参考图像引导生成，让产品、角色和视觉风格在整个片段中保持一致。制片公司可以跨渠道打造协调统一的营销素材、持续发展的品牌世界和易于识别的系列内容。
从文本提示开始，生成带同步音频且符合现实世界物理规律的电影感视频。导演和设计师可以在制作前探索故事节点、镜头创意和面向不同平台的格式。
通过描述场景、动作和预期的学习顺序，将抽象概念转化为简短的视觉化讲解。教育团队可以制作科学演示、流程演示和培训模块，并配以原生音效。
在一个 Gemini Omni 集成中，整合文本生成、静态图像动画、参考素材引导创作和视频编辑。创作者平台无需组装独立的视觉与音频管线，即可提供相互连接的制作工具。
对比 Gemini Omni API 参考视频模型（包括 Gemini Omni 1.1 Flash）与主流替代方案，比较其支持的输入类型、参考容量、音频生成能力和标准价格。
| 模型 | 接受的输入 | 参考容量 | 音频生成 | 标准价格 | Standard Base Price |
|---|---|---|---|---|---|
| Gemini Omni 1.1 Flash Reference-to-Video | Text, source video, reference images | Conversational additions, removals, replacements, and restyling | 360p, 720p, upscaled 1080p, upscaled 4K | Native synchronized audio | $0.041 |
| Gemini Omni Flash Reference-to-Video | Text, source video, up to 5 reference images | Scene-consistent edits that preserve untouched footage | 720p | Native audio editing | $0.14 |
| Seedance 2.0 Reference-to-Video | Text, source video, up to 5 reference images | Instruction-guided video changes with visual references | 720p, 1080p | Automatic audio or original audio retention | $0.14 |
| Wan-2.7 Reference-to-video | Text, source video, reference images, optional driving audio | Style transfer, scene changes, and element replacement | 720p, 1080p | Original audio retention, regeneration, or driving audio | $0.10 |
几分钟即可上手 — 按照以下简单步骤，通过 Atlas Cloud 平台集成和部署模型。
在 atlascloud.ai 注册并完成验证。新用户可获得免费额度，用于探索平台和测试模型。
将先进的 Gemini Omni Flash 模型与 Atlas Cloud 的 GPU 加速平台相结合，提供无与伦比的性能、可扩展性和开发体验。
低延迟：
GPU 优化推理，实现实时响应。
统一 API：
一次集成，畅用 Gemini Omni Flash、GPT、Gemini 和 DeepSeek。
透明定价：
按 Token 计费，支持 Serverless 模式。
开发者体验：
SDK、数据分析、微调工具和模板一应俱全。
可靠性：
99.99% 可用性、RBAC 权限控制、合规日志。
安全与合规：
SOC 2 Type II 认证、HIPAA 合规、美国数据主权。
Gemini Omni API 通过 Atlas Cloud 为开发者提供 Google DeepMind 原生多模态视频生成与编辑系列模型的使用能力。根据所选 endpoint，它可以根据文本或图像生成视频、使用参考媒体、编辑现有素材，并生成与画面同步的原生音频。
Gemini Omni 1.1 Flash 新增视频延展、首尾帧插值、从 360p 到 4K 的输出分辨率，以及更丰富的参考引导功能。其延展版本每次请求可增加 3 到 10 秒，并且可以链式调用，生成最长 40 秒、内容连贯的视频。
创建 Atlas Cloud 账户，将 API key 保存在服务器端，并选择与工作流匹配的模型 endpoint。Atlas Cloud 提供一个兼容 OpenAI 的 key，而每个 endpoint 发布的 schema 会定义所需的 prompt、媒体输入和生成设置。
从 prompt 开始时选择 text to video；为静态图像添加动画时选择 image to video；需要保持人物或物体身份及风格一致时选择 reference to video。修改现有素材时使用 video edit；要延续场景时使用 Gemini Omni 1.1 Flash video extend endpoint。
参考媒体的限制因 endpoint 和模型版本而异。Gemini Omni 1.1 Flash Reference to Video 最多接受 10 张参考图像和 3 段参考视频，而较早的 endpoint 支持不同的数量限制，因此提交媒体前请先检查所选 endpoint 的 schema。
Gemini Omni 1.1 Flash 支持时长为 3 到 10 秒、帧率为 24 FPS 的输出，并提供 360p、720p、upscaled 1080p 和 upscaled 4K 分辨率选项。支持的宽高比为 16:9 和 9:16，但具体可用控制项可能因 Atlas Cloud endpoint 而异。
可以。video edit 版本会根据文本指令添加、移除、替换或重设元素样式，同时保留 prompt 未提及的画面内容。进行迭代修改时，请使用聚焦明确的指令，以及所选工作流支持的交互上下文。
要延续场景，请向 Gemini Omni 1.1 Flash video extend endpoint 提供现有视频片段，并请求额外增加 3 到 10 秒。延展内容最多可链式生成至总计 40 秒；image to video 版本则可以在提供的首帧和尾帧之间进行插值。
Gemini Omni 1.1 Flash 在 Atlas Cloud 上的标准定价为：text to video、reference to video、视频编辑和视频延展均为每秒 $0.041；image to video 为每秒 $0.043。较早的 Gemini Omni Flash endpoint 起价为每秒 $0.112，按使用量计费且无需订阅。
每个生成的视频都包含不可见的 SynthID 水印，并且可以通过程序检测。安全过滤器会同时应用于 prompt 和生成结果；处理时间则取决于时长、分辨率和服务负载。不支持专用的 negative prompt、system instruction、temperature、top_p 和 stop sequence 控制项，因此请将排除条件写入主 prompt。
Seedance 2.5 API 现已在 Atlas Cloud 上线！它为开发者提供了 ByteDance 最新的视频模型。该模型可通过文本、单张图像或多达 50 个多模态参考，一次性生成长达 30 秒的原生视频，并包含同步音频和画面内的多语言文本。在 Atlas Cloud 上，您可以通过单个密钥访问它，其主体一致性和改进的物理特性能够保持长镜头的连贯性。
Wan 3.0 API 是阿里巴巴 Wan 视频系列的下一代产品，旨在将长视频生成、多参考控制和音视频质量推向新的高度。Atlas Cloud 已经托管了 Wan 2.7、2.6 和 2.5，而 Wan 3.0 使用相同的统一密钥运行，无需额外设置。立即开始构建吧。向下滚动至展示区，查看 Wan 3.0 的创作能力。
MiniMax H3 是 MiniMax 的多模态视频系列，支持文本、图像和参考内容引导创作。在支持的路由中，它能够保留参考媒体中的主体，提供灵活的宽高比，并通过 H3 Developer 将生成的声音与画面结合；输出配置则由 endpoint 选择。Atlas Cloud 通过一个 OpenAI 兼容密钥统一接入整个系列，并提供透明的按量付费定价，标准费率为每秒 $0.038。立即开始构建。
OpenAI 的 gpt-image-2.5 系列为开发者提供 Flare 和 Sunburst 两种选择，满足生产级图像工作流需求。支持最高 3840x2160 的任意分辨率渲染，并提供包括 xhigh 和 max 在内的五档质量等级，以匹配特定的输出要求。Atlas Cloud 提供开箱即用的 REST 推理服务，无冷启动，每次生成起价 $0.004，采用标准定价。立即开始构建。
Seedream 5.0 Pro API 为开发者在 Atlas Cloud 上提供了字节跳动的可控图像编辑模型。它通过锚点和坐标精确定位编辑，将图像分离为可编辑图层，融合多个参考，并精准匹配颜色和材质，支持 2K 和 3K 分辨率的多语言文本。在 Atlas Cloud 上，您只需一个密钥即可访问！
Seedance 2.0 是 ByteDance 面向生产环境的视频模型，专用于精准镜头创作。将提示词转换为视频，使用首帧图像生成动画并可选用尾帧引导，或结合参考媒体和可选的联网搜索来塑造结果。Atlas Cloud 将这些工作流整合到统一的 API 中，提供透明的按量付费定价和一个兼容 OpenAI 的密钥。立即开始构建。
Kling 3.0 API 通过一个 OpenAI 兼容的密钥，将 Kuaishou 的旗舰视频套件引入 Atlas Cloud。它包含两个模型：Kling 3.0 用于 AI Director 叙事、多语言唇形同步和精准的屏幕文本；Kling 3.0 Omni (O3) 用于通过短视频或图像进行主体和声音克隆。两者都能在同一次处理中生成原生音频，最高支持 4K 输出。在可靠的基础设施上构建电影级叙事、全球营销、多语言广告和系列化角色内容。
Grok Imagine Video 为开发者提供访问 xAI 视频模型家族的能力，用于创建、制作动画、延展和编辑视频片段。通过提示词生成 1 至 15 秒的视频，使用最多 7 张参考图像引导人物、物体或风格，并支持 480p 或 720p。Atlas Cloud 通过兼容 OpenAI 的端点整合这些能力，并提供透明的按需付费定价。立即开始构建。
Vidu Q4 是 Vidu 最新的旗舰视频模型，专为图像转视频和参考图转视频生成而设计。它可以让单张静态图像动起来，并自动创建场景转场，为不同的产品工作流提供两种输入路径。Atlas Cloud 提供专用 API 端点，并以经验证的标准价格 $0.04/second 发布参数 schema。立即开始构建。
Gemini Omni 1.1 Flash 是 Google DeepMind 推出的原生多模态视频系列，适用于灵活的生产工作流。通过文本指令编辑现有素材，借助最多 10 张参考图像和 3 段视频片段保持视觉一致性，或以可串联的片段延长镜头，最长可达 40 秒。在 Atlas Cloud 上使用一个 OpenAI-compatible API key 即可访问所有工作流，按量付费，并支持 Day-0 上线。立即开始构建。
Nano Banana 2.1 是 Google 基于 Gemini 3.6 Flash 打造的图像模型系列。它以 Flash 级速度提供 Pro 级生成与编辑能力，支持通过自然语言对 1 到 14 张输入图像进行编辑和融合，并可保持最多 4 个角色和 10 个对象的一致性。通过 Atlas Cloud，开发者只需使用一个 OpenAI-compatible 密钥，即可访问该系列模型，享受可靠的运行时间保障和 Day-0 可用性。立即开始构建。
使用由 Google 的 Gemini 3.1 Flash Image 模型驱动的 Nano Banana 2 API 进行构建。它可生成分辨率高达 4096x2304 的原生 4K 视觉效果，具备准确的文本渲染能力，并在生成和编辑过程中支持多达 14 张参考图像的角色一致性。在 Atlas Cloud 上，您可以通过一个统一的 API 访问它以及其他 300 多个模型，价格低至每张图像 0.04 美元，提供 99.99% 的正常运行时间，并附赠免费额度供您开始使用。
指南、教程与产品动态，助你充分发挥 Atlas Cloud 的价值。
