Gemini Omni Flash

Comment Gemini Omni Flash lit un prompt

Gemini Omni Flash est le modèle vidéo de Google pour générer et modifier des clips. Google le décrit comme nativement multimodal : il lit texte, images et vidéo en même temps et génère l’image et le son en une seule passe. La documentation de Google conseille d’écrire les prompts avec la scène, le mouvement de caméra, l’éclairage et l’ambiance, et ajoute quelques habitudes propres qui comptent plus qu’avec d’autres modèles.

Il coupe entre les plans par défaut. Google indique qu’Omni Flash cherche à construire un petit récit avec plusieurs plans différents. Si vous voulez un seul plan, demandez-le : « En un seul plan continu », « En une seule scène ininterrompue » ou « Aucune coupe de scène ».

Ce que vous ne voulez pas se dit dans le prompt, en phrases simples. Il n’y a pas de prompt négatif séparé. Écrivez « Pas de dialogue », « Sans fioritures » ou « Pas d’effets sonores supplémentaires ».

Vous pouvez demander la qualité directement. Google appelle cela le meta prompting : des phrases comme « Soignez le micro-détail, l’expression et le rythme pour créer une scène très riche et détaillée, mais tout à fait naturelle » ou « Soyez très précis sur les personnes, les articles et les objets de la scène » changent la façon dont le modèle aborde tout le clip.

Timing et coupes

Vous pouvez placer les événements dans le temps en langage simple (« Après 3 secondes, une femme entre dans la scène », « À 5s, le refrain commence ») ou avec des timecodes :

[0-3s] Une personne marche
[3-6s] Elle s’arrête et se retourne
[6-10s] Elle se met à courir

C’est aussi ainsi que vous définissez vos propres coupes et votre rythme, y compris des séquences rapides comme « chaque seconde, coupe sur un nouveau lieu ».

Son et texte

Si vous ne décrivez pas de piste audio, le modèle en choisit une, et Google précise que ce n’est souvent pas celle que vous voulez, surtout pour la musique. Décrivez-la : « Ajoute une musique de fond calme », « La vidéo a un beat techno très énergique », « une radio au son métallique en fond qui joue une chanson ». Mettez le dialogue entre guillemets après la personne qui le prononce. Google ne prend pleinement en charge que l’anglais ; il indique que les autres langues n’ont pas été évaluées et peuvent donner des résultats inégaux.

Omni Flash génère du texte lisible. Si du texte doit apparaître naturellement dans la scène, comme des enseignes, des étiquettes ou des plaques d’immatriculation, écrivez exactement ce que chacun doit indiquer.

Références, première et dernière image

Joignez des images pour garder constants des personnages, des objets, des lieux ou un style, jusqu’à 10 au total. Les balises de Google associent chaque image à un rôle dans le prompt : <IMAGE_REF_0> est la première image jointe, <IMAGE_REF_1> la deuxième, en comptant à partir de 0. Par exemple, « dans le style de <IMAGE_REF_0> une femme <IMAGE_REF_1> marche » reprend le style d’une image et la personne de l’autre.

Avec un clip joint et Mode du clip réglé sur référence, le clip devient <VIDEO_REF_0>. Google indique que les références vidéo fonctionnent mieux pour la ressemblance des personnes, et que l’audio de la référence est ignoré.

Pour partir d’une image, joignez une seule image et activez Première image. Google recommande une image haute résolution et une description précise du mouvement du sujet, du mouvement de caméra et des effets de la scène. Ajoutez une Dernière image et le modèle anime la transition d’une image à l’autre ; décrivez comment il passe de l’une à l’autre.

Modifier un clip

Joignez un clip avec Mode du clip réglé sur modification et écrivez ce qu’il faut changer. La recommandation de Google est l’inverse de celle de la génération : les prompts simples fonctionnent mieux, et les descriptions longues peuvent provoquer des changements que vous n’avez pas demandés. Terminez par « Garde tout le reste identique ». L’exemple de Google : au lieu d’une longue phrase sur un chat noir qui arrive en courant par la droite et saute sur les genoux de l’homme, écrivez « Ajoute un chat qui saute sur ses genoux, et il commence à le caresser. Garde tout le reste identique. » Le clip modifié conserve la durée et le format de l’original.

Gemini Omni Flash ou Veo 3.1

Les deux sont des modèles vidéo de Google avec son, et les deux sont dans Endless. L’API Gemini de Google recommande désormais Omni Flash pour générer de la vidéo, tandis que Veo 3.1 reste disponible sur la plateforme entreprise de Google. Choisissez Omni Flash pour modifier un clip que vous avez déjà, pour combiner jusqu’à 10 références ou pour des clips de 3 à 10 secondes ; Veo 3.1 pour ses plans de 4, 6 ou 8 secondes.

Réglages importants

• Durée : de 3 à 10 secondes. Un clip modifié conserve la durée de l’original.
• Résolution : 360p, 720p, 1080p ou 4K. Google indique que 1080p et 4K sont obtenues par agrandissement. 360p est la façon économique de tester un prompt ; 1080p coûte 1,5 fois plus par seconde que 720p, et 4K trois fois plus.
• Format : 16:9 ou 9:16. Un clip modifié conserve son propre format.
• Mode du clip : modification change le clip lui-même ; référence utilise jusqu’à 10 secondes du clip pour le mouvement et la ressemblance dans une nouvelle vidéo.