Gemini Omni 多模态交互计划

解决什么

Gemini Omni 1.1 Flash 支持文本、图片、音频和视频输入，并可通过多轮交互生成或编辑视频。这个技能把任务意图、输入顺序、媒体角色、输出时长、分辨率、帧率和人工授权确认固定成离线计划，避免把编辑视频、延展视频和首尾帧插值混用。

输入

• - 脱敏 JSON 任务计划
• 文本提示词与相对媒体路径
• 模型 ID、任务意图、目标输出和权属确认

输出

• - INLINECODE0
• INLINECODE1
• 通过时状态为 ready_for_interaction_review；失败时状态为 blocked 并返回非零退出码

核心规则

1. 1. 只接受 gemini-omni-1.1-flash；意图只能是 generate、edit、extend 或 interpolate。
2. INLINECODE9 和 extend 必须有视频输入；interpolate 必须有 start 与 end 两张图片；generate 至少要有文本或图片输入。
3. 视频输入必须记录时长不超过 10 秒；输出时长必须在 3 到 10 秒内，分辨率只能为 360p、720p、1080p 或 4k，帧率固定记录为 24。
4. 每个输入有唯一 role，媒体使用相对路径；禁止 URL、绝对路径、父目录越界和空提示词。
5. 计划必须明确 preserve 保留项和 change 修改项，且 rights_reviewed 为 true。
6. 多轮编辑必须有 parent_interaction_id；首轮计划不能伪造父交互 ID。

边界

本技能不上传文件、不调用 Interactions API、不校验 Google 账号和额度、不读取视频帧、不判断模型是否真的遵循提示词。模型版本、接口字段、输入限制、存储和计费以操作者当前官方页面及账号返回为准。

运行

CODEBLOCK0