# Google Gemini Omni (ویدئو)

Google Gemini Omni (Video) با استفاده از مدل‌های Google Gemini Omni Flash، ویدیویی همراه با صدا از روی یک متن (پرامپت) تولید می‌کند. می‌توانید به‌صورت اختیاری تصاویر و/یا ویدیوهای مرجع را برای هدایت نتیجه یا ویرایش محتوای موجود متصل کنید. مدت‌زمان دلخواه (3 تا 10 ثانیه) را مستقیماً در پرامپت ذکر کنید.

## ورودی‌ها

### ورودی‌های مشترک

| پارامتر | توضیحات | نوع داده | الزامی | محدوده |
|-----------|-------------|-----------|----------|-------|
| `model` | مدل ویدیویی Gemini که برای تولید ویدیو استفاده می‌شود. | DYNAMIC_COMBO | بله | "Omni Flash 1.1"<br>"Omni Flash" |

### ورودی‌های Omni Flash 1.1

| پارامتر | توضیحات | نوع داده | الزامی | محدوده |
|-----------|-------------|-----------|----------|-------|
| `prompt` | ویدیویی را که می‌خواهید تولید شود توصیف کنید، یا ویرایشی را که می‌خواهید روی یک ویدیوی متصل اعمال شود. مدت‌زمان را مستقیماً در پرامپت مشخص کنید؛ مثلاً «a 6-second clip» یا برای کار «extend»، «extend by 5 seconds»؛ مدت‌زمان تولیدشده می‌تواند 3 تا 10 ثانیه باشد و پیش‌فرض 10 ثانیه است. خروجی شامل صدا است. (پیش‌فرض: "") | STRING | بله | - |
| `resolution` | قطع تصویر خروجی. (پیش‌فرض: "720p") | COMBO | بله | "360p"<br>"720p"<br>"1080p"<br>"4k" |
| `aspect_ratio` | نسبت تصویر خروجی: 16:9 (افقی) یا 9:16 (عمودی). کارهای «edit» و «extend» به‌جای آن نسبت تصویر ویدیوی ورودی را حفظ می‌کنند. (پیش‌فرض: "16:9") | COMBO | بله | "16:9"<br>"9:16" |
| `task_type` | مشخص می‌کند با پرامپت و رسانه‌های متصل چه کاری انجام شود. با «auto» مدل تصمیم می‌گیرد. «text_to_video» فقط از روی پرامپت تولید می‌کند و رسانه‌های متصل را رد می‌کند. «image_to_video» یک تصویر را متحرک می‌کند، یا وقتی دو تصویر متصل شده‌اند، از فریم شروع به فریم پایان درون‌یابی می‌کند. «reference_to_video» رسانه‌های متصل را به‌عنوان مراجع سوژه در نظر می‌گیرد. «edit» دقیقاً یک ویدیوی متصل را بازنویسی می‌کند و «extend» محتوای جدیدی به آن اضافه می‌کند، به‌طوری‌که خروجی با ویدیوی ورودی شروع می‌شود. (پیش‌فرض: "auto") | COMBO | بله | "auto"<br>"text_to_video"<br>"image_to_video"<br>"reference_to_video"<br>"edit"<br>"extend" |
| `seed` | Seed کنترل می‌کند که آیا گره باید دوباره اجرا شود؛ نتایج صرف‌نظر از seed غیرقطعی هستند. (پیش‌فرض: 42) | INT | بله | 0 تا 2147483647 |

### ورودی‌های Omni Flash

| پارامتر | توضیحات | نوع داده | الزامی | محدوده |
|-----------|-------------|-----------|----------|-------|
| `prompt` | ویدیویی را که می‌خواهید تولید شود توصیف کنید، یا ویرایشی که می‌خواهید روی ویدیوی متصل اعمال شود. مدت‌زمان را مستقیماً در پرامپت مشخص کنید؛ مثلاً «a 6-second clip»؛ مدت‌زمان می‌تواند 3 تا 10 ثانیه باشد. خروجی با کیفیت 720p، 24 فریم بر ثانیه و همراه با صدا است. (پیش‌فرض: "") | STRING | بله | - |
| `aspect_ratio` | نسبت تصویر خروجی: 16:9 (افقی) یا 9:16 (عمودی). کار «edit» در عوض نسبت تصویر ویدیوی ورودی را حفظ می‌کند. (پیش‌فرض: "16:9") | COMBO | بله | "16:9"<br>"9:16" |
| `task_type` | مشخص می‌کند با پرامپت و رسانه‌های متصل چه کاری انجام شود. با «auto» مدل تصمیم می‌گیرد. «text_to_video» فقط از روی پرامپت تولید می‌کند و رسانه‌های متصل را رد می‌کند. «image_to_video» یک تصویر را متحرک می‌کند، یا وقتی دو تصویر متصل شده‌اند، از فریم شروع به فریم پایان درون‌یابی می‌کند. «reference_to_video» رسانه‌های متصل را به‌عنوان مراجع سوژه در نظر می‌گیرد. «edit» دقیقاً یک ویدیوی متصل را بازنویسی می‌کند. (پیش‌فرض: "auto") | COMBO | بله | "auto"<br>"text_to_video"<br>"image_to_video"<br>"reference_to_video"<br>"edit" |
| `temperature` | کنترل تصادفی‌بودن. مقدار کمتر متمرکزتر/قطعی‌تر است، مقدار بیشتر متنوع‌تر. (پیش‌فرض: 1.0) | FLOAT | بله | 0.0 تا 2.0 (گام 0.01) |
| `top_p` | نمونه‌برداری هسته‌ای: از کوچک‌ترین مجموعه توکن‌هایی نمونه‌برداری کن که احتمال تجمعی آن‌ها به top_p برسد. (پیش‌فرض: 0.95) | FLOAT | بله | 0.0 تا 1.0 (گام 0.01) |
| `seed` | Seed کنترل می‌کند که آیا گره باید دوباره اجرا شود؛ نتایج صرف‌نظر از seed غیرقطعی هستند. (پیش‌فرض: 42) | INT | بله | 0 تا 2147483647 |

### ورودی‌های مرجع

| پارامتر | توضیحات | نوع داده | الزامی | محدوده |
|-----------|-------------|-----------|----------|-------|
| `images` | اسلات توسعه‌پذیر: حداکثر 14 تصویر را متصل کنید (`image_1`...`image_14`). تصویر(های) مرجع اختیاری برای هدایت یا متحرک‌سازی ویدیو. در کار «image_to_video»، اولین تصویر فریم شروع و تصویر دوم (اختیاری) فریم پایان است. | IMAGE | خیر | 0 تا 14 تصویر |
| `videos` | اسلات توسعه‌پذیر: حداکثر 3 ویدیو را متصل کنید (`video_1`...`video_3`). ویدیو(های) مرجع اختیاری برای هدایت یا ویرایش. هر یک حداکثر 10 ثانیه. | VIDEO | خیر | 0 تا 3 ویدیو |

**یادداشت‌ها:**

- «`prompt` نباید خالی باشد؛ اگر خالی باشد، گره خطا برمی‌دارد.»
- «کار `text_to_video` فقط از روی پرامپت تولید می‌کند — اتصال تصاویر یا ویدیوها خطا ایجاد می‌کند.»
- «کار `image_to_video` فقط تصاویر را می‌پذیرد (نه ویدیوها) و دقیقاً به 1 یا 2 تصویر نیاز دارد: اولی فریم شروع و دومی (اختیاری) فریم پایان است.»
- «کار `edit` (هر دو مدل) و کار `extend` (فقط Omni Flash 1.1) دقیقاً به یک ویدیوی ورودی نیاز دارند و نسبت تصویر همان ویدیوی ورودی را حفظ می‌کنند و `aspect_ratio` را نادیده می‌گیرند.»
- «حداکثر 14 تصویر و 3 ویدیو را می‌توان متصل کرد و هر ویدیوی متصل باید 10 ثانیه یا کوتاه‌تر باشد.»
- «Omni Flash همیشه ویدیوی 720p با 24 فریم بر ثانیه و صدا خروجی می‌دهد؛ انتخاب قطع تصویر فقط با Omni Flash 1.1 در دسترس است.»
- «کنترل‌های `temperature` و `top_p` فقط با مدل Omni Flash در دسترس هستند؛ Omni Flash 1.1 از تنظیمات ثابت تولید استفاده می‌کند.»

## خروجی‌ها

| نام خروجی | توضیحات | نوع داده |
|-------------|-------------|-----------|
| `video` (خروجی اول) | ویدیوی تولیدشده همراه با صدا. برای Omni Flash: 720p، 24 فریم بر ثانیه. برای Omni Flash 1.1: قطع تصویر انتخاب‌شده در ورودی `resolution`. | VIDEO |
| `text` (خروجی دوم) | محتوای متنی که مدل همراه با ویدیو تولید کرده است (ممکن است خالی باشد). | STRING |

> این مستند با هوش مصنوعی تهیه شده است. اگر خطایی دیدید یا پیشنهادی برای بهبود دارید، خوشحال می‌شویم مشارکت کنید! [ویرایش در GitHub](https://github.com/Comfy-Org/embedded-docs/blob/main/comfyui_embedded_docs/docs/GeminiVideoOmniV2/fa.md)

---
**Source fingerprint (SHA-256):** `7a0dda4bcd662c9df3c680297ec9de7886d35e618de8b3ce0cd95b9afd13a892`
