PixVerse 上的 Gemini Omni Flash：分步提示词工作流

Gemini Omni Flash 是 PixVerse 上可选的视频模型之一，在点击生成之前做一些规划会带来明显更好的效果。本教程将带你走完一套可重复使用的工作流：选择输入类型、锁定时长与画幅比例、构建结构化提示词，并像审核制作素材一样检查输出，而不是单纯依赖运气。

无论是文生视频、图生视频，还是多图参考生成，你都可以套用同一套流程，然后将结果与 PixVerse 工作台中的其他模型进行对比，包括 PixVerse V6 和 PixVerse C1，再决定最终使用哪条素材。

开始之前：本教程涵盖的范围

PixVerse 目前接入的 Gemini Omni Flash 是一套生成工作流，而不是 Google 在其 API 文档中描述的完整对话式编辑能力。提前了解这些边界，能避免你规划出模型在 PixVerse 上暂时无法实现的分镜。

能力	PixVerse 目前是否支持	规划提示
文生视频	支持	适合原创概念和快速创意测试。
图生视频	支持	适合将静态图（产品图、海报、草图）转化为动态视频。
参考图生视频	支持，最多 5 张	在提示词中依次引用为 `@image1` 到 `@image5`。
视频时长	3-10 秒	选择能清晰表达创意的最短时长。
输出规格	720p，16:9 或 9:16	生成前先根据目标渠道匹配画幅比例。
音频	由提示词驱动，与画面同步	通过文字提示指定环境音、音效或静音。
自然语言编辑、延展、转场、视频/语音参考	PixVerse 暂未支持	当这些能力是首要需求时，请使用 PixVerse 的其他模型。

第一步：选择 Gemini Omni Flash 作为模型

在 PixVerse 生成界面中打开模型选择器，如果你的账号可用，选择 Gemini Omni Flash。由于 PixVerse 同时提供多个模型，你可以用同一份创意需求先跑一遍 Gemini Omni Flash，再切换到其他模型，看看哪一个更贴合你的具体镜头需求。

如果暂时看不到 Gemini Omni Flash，请检查你的账号等级和应用内的上线提示——模型可用性和积分消耗可能会调整，因此应以模型选择器中的实时状态为准，而非本文的描述。

第二步：确定起始素材类型

你的提示词策略完全取决于你输入的素材类型：

文生视频——适合没有现成素材的场景：全新概念、社交媒体短片、快速广告草稿、讲解类画面。
图生视频——适合已经有一张静态图作为场景锚点的情况：产品图、主视觉、海报、包装图。
参考图生视频——适合需要多张图共同引导结果的场景。最多可上传 5 张 JPEG/PNG 图片，并在提示词中逐一标注（@image1、@image2 等），明确说明每张图控制的内容——主体、配色、光线、姿态。

第三步：先锁定时长和画幅比例

在写提示词之前先确定这两项设置，因为它们决定了提示词需要承载多少叙事内容。

时长：单个产品动作用 5-6 秒足够；若要展现起承转合（人物出场、讲解类内容），建议使用 8-10 秒。
画幅比例：9:16 适用于 TikTok、Reels 和 Shorts；16:9 适用于 YouTube、落地页和演示文稿。为不同比例分别单独生成任务,而不是把一条主素材裁剪成多种比例使用。

第四步：把提示词写成一份迷你制作简报

只描述氛围（比如“做得高级一点”）给模型的信息远不如具体描述场景来得有效。按以下顺序逐项填写：

主体——画面中锚定的人物、产品或物体。
动作——整个片段中实际发生的变化。
镜头——特写、远景、推近、环绕、手持、俯拍、固定机位。
光线与氛围——日光、霓虹、柔和影棚光、戏剧化、轻松愉快。
环境——地点、道具、天气、材质、质感。
音频——环境音、音效、音乐氛围，或明确说明“无对白”。
时间轴——超过 6-7 秒的片段，需要说明每个时间段发生的内容。
约束条件——需要避免的内容：Logo、多余文字、场景切换、名人肖像。

可以套用以下模板填空：

制作一段 [时长] [画幅比例] 的视频。主体是 [具体主体]。动作是 [具体动作]。镜头 [运镜方式与取景]。环境是 [地点、光线、材质、道具]。音频：[环境音、音效、音乐氛围，或静音]。约束条件：[需要保留的内容、需要避免的内容]。

需要单镜头时，务必明确说明

如果不加约束，Gemini Omni Flash 可能会在一个片段中切换多个小镜头。对于产品镜头、时尚动态,或任何切镜会破坏连贯性的场景,请在提示词中直接加入“single continuous shot”（单一连续镜头）、“no scene cuts”（不切镜）或“one unbroken take”（一镜到底）。

每次都要在提示词中写明音频方向

由于音频是与画面同步生成的，不要把它交给运气。描述你想要的环境音或音效（轻微点击声、房间环境音、人群氛围），如果片段需要保持无声，就写明“无对白”。避免要求特定歌曲、艺人或已知的嗓音风格——改为描述你想要的氛围。

为多节奏片段添加时间码

对于包含多个叙事节奏的 8-10 秒片段，加入时间码指令有助于让模型贴合你设定的结构：

[0-2秒] 产品在桌面上定场。 [2-5秒] 镜头推近，光线洒在表面。 [5-8秒] 产品轻微旋转，最终定格在干净的收尾画面。

保持在两到三个节奏点以内——在 10 秒的窗口内塞入过多内容,容易让模型模糊掉最重要的动作。

说明每张参考图分别承担什么作用

如果使用多张参考图，含糊不清是最大的问题。请明确说明每一张的作用：

使用 @image1 作为精确的产品参考——保留瓶身形状、瓶盖颜色和标签位置。使用 @image2 仅作为光线和背景氛围参考。不要沿用 @image2 中的任何 Logo 或人物。

第五步：生成后，以制作人的视角而非粉丝的视角审核

片段生成后，请对照它需要完成的任务来评判，而不是只看第一眼的观感。检查以下几点：

主体/产品在全程中是否保持视觉一致？
画面中的文字是否清晰可读，还是变形？
音频是否真正与画面动作匹配？
最后一帧是否适合作为封面图或剪辑点使用？

如果用于商业用途，还需要审查版权风险——避免涉及真实人物肖像、品牌 Logo，或可辨识的歌曲、嗓音。想深入了解 Gemini Omni Flash 在安全性和水印方面的处理方式，可参考我们的Gemini Omni Flash 综述。

五个可直接套用的提示词范例

以下范例可作为起点模板，替换成你自己的产品、主体和约束条件。

范例一：产品图转竖版广告

设置： 9:16，6-8 秒，图生视频或单张产品参考图。

制作一段 8 秒的 9:16 产品视频，使用 @image1 作为精确的产品参考。保留产品形状、瓶盖、颜色、标签位置和轮廓。产品置于日出时分潮湿的深色石面上。[0-2秒] 微距特写表面的水珠。[2-5秒] 镜头缓慢拉远，暖色光线映照边缘。[5-8秒] 产品轻微旋转并居中定格。音频：轻柔水珠声、微弱环境音，无对白。约束条件：无多余 Logo，无多余文字，不切镜。

范例二：科普讲解短片

设置： 16:9 或 9:16，8-10 秒，文生视频。

制作一段 10 秒的 16:9 讲解短片，讲述太阳能板如何将阳光转化为电力，采用深色桌面上的纸艺风格。[0-3秒] 一个纸质太阳发出温暖黄色光线射向蓝色面板。[3-6秒] 发光的小点沿绘制的电路移动。[6-10秒] 一座纸屋轻轻亮起。镜头：固定俯拍机位，配合轻微的定格动画式运动。文字：仅出现“sunlight”、“panel”、“electricity”，拼写准确。音频：轻柔的纸张移动声、一声轻微铃声，无旁白。约束条件：无多余文字，无人手出现，无 Logo。

范例三：基于参考图的角色出场

设置： 16:9，8-10 秒，最多三张参考图。

制作一段 9 秒的 16:9 原创角色出场短片。使用 @image1 作为身份参考——保留脸型、发型、夹克颜色和整体轮廓。使用 @image2 仅作为光线和城市背景氛围参考。角色站在黄昏时分的屋顶上，转向镜头，举起一个发光的小装置。镜头：缓慢中景推近，单一连续镜头。光线：蓝色黄昏天空，暖色轮廓光。音频：远处城市环境音，装置发出的柔和电子嗡鸣声。约束条件：仅限原创角色，不涉及任何特许经营内容，无 Logo，无对白。

范例四：应用宣传循环视频

设置： 16:9，6-8 秒，文生视频。

制作一段 7 秒的 16:9 AI 规划应用宣传循环视频。一个半透明的浮动时间线界面悬浮在整洁的桌面上方，抽象卡片和线条排列组合成一份平静的周计划。镜头：缓慢从左到右滑动，浅景深，单一连续镜头。光线：自然晨光，柔和阴影，青色与暖黄色点缀。音频：轻微的界面点击声，柔和的环境音调。文字：不出现可读的应用名称或任务文字。结尾画面应与开头画面呼应，使片段能够顺畅循环播放。

范例五：时尚造型册动态

设置： 9:16，8-10 秒，参考图生视频。

制作一段 10 秒的 9:16 时尚造型册短片。使用 @image1 作为服装参考——保留大衣长度、面料质感、配色和鞋款风格。使用 @image2 仅作为影棚光线参考。一位虚构模特走过混凝土影棚，停顿，一侧肩膀转向镜头，大衣随步伐自然摆动。镜头：垂直全身取景，平滑推轨运镜，不切镜。光线：左侧大型柔光箱。音频：安静的影棚环境音，轻柔脚步声，无对白。约束条件：虚构模特，不涉及名人肖像，无品牌 Logo。

常见问题

我一定要用 Gemini Omni Flash 吗，还是可以用 PixVerse 的其他模型？

Gemini Omni Flash 只是 PixVerse 提供的众多选项之一。它非常适合以提示词驱动的场景，具备同步音频和多图参考控制能力；如果你更需要延展、转场或更长篇幅的编辑功能,在这些能力接入 Gemini Omni Flash 之前，PixVerse 的其他模型可能更合适。

我可以上传多少张参考图？

每次生成最多可上传 5 张 JPEG 或 PNG 图片，并在提示词中分别引用为 @image1 到 @image5。

输出的分辨率和时长是多少？

目前 PixVerse 接入的版本输出 720p 视频，时长 3-10 秒，画幅比例为 16:9 或 9:16。

能获得精确的画面文字吗？

在提示词中保持屏幕文字简短明确（准确用词，加引号），并预留时间仔细检查——精确的字体排版目前仍是效果可能有所波动的环节。

目前支持视频延展或转场吗？

PixVerse 当前的 Gemini Omni Flash 工作流暂不支持。当延展、转场或视频/语音参考是首要需求时，请使用 PixVerse 的其他模型。