Google GenMedia Toolkit
Kit unifié en ligne de commande et scripting, propulsé par les modèles multimodaux natifs Google Gemini pour la création et l'édition conversationnelle de médias génératifs.
Prérequis
Tous les scripts de ce kit doivent être exécutés avec uv run.
uv run scripts/<script_name>.py "PROMPT" [OPTIONS]
Outils & Index de Référence
| Outil | Script | Guide de Référence | Description |
|---|---|---|---|
| Génération d'Images | scripts/genimage.py | references/genimage.md | Série Nano Banana (Gemini 3.1 Flash / Pro): Texte-vers-image, 4K, inpainting, transfert de style, 14 images de référence, ancrage par recherche Google et édition multi-tours. |
| Génération Vidéo | scripts/genvideo.py | references/genvideo.md | Gemini Omni Flash (gemini-omni-1.1-flash): Texte/image-vers-vidéo, interpolation d'images, édition vidéo multi-tours et extension temporelle. |
| Génération Musicale | scripts/genmusic.py | references/genmusic.md | Google Lyria 3 (Clip & Pro): Extraits de 30s, chansons structurées complètes avec paroles, et composition image-vers-musique. |
| Synthèse Vocale | scripts/text2speech.py | references/text2speech.md | Gemini TTS : 30 voix expressives préfabriquées, narration mono-locuteur et dialogues multi-locuteurs scriptés. |
1. Génération et Édition d'Images : genimage.py
Générez et éditez des images avec les modèles de la série Nano Banana (gemini-3.1-flash-image par défaut, gemini-3-pro-image, gemini-3.1-flash-lite-image). Prend en charge jusqu'à la résolution 4K sur 14 rapports d'aspect, la composition multi-images (jusqu'à 14 images de référence), l'ancrage par recherche Google et l'édition conversationnelle multi-tours.
Exemples Rapides
# Texte-vers-Image (résolution 2K, 16:9 écran large)
uv run scripts/genimage.py "Une ville cyberpunk futuriste avec des lumières néon et des voitures volantes sous la pluie, éclairage cinématographique" -a 16:9 -s 2K -o city.jpg
# Inpainting d'objet / Modification d'élément
uv run scripts/genimage.py "En utilisant l'image fournie de mon chat, veuillez ajouter un petit chapeau de sorcier tricoté sur sa tête. Faites en sorte qu'il ait l'air assis confortablement." -i cat.png -o cat_with_hat.png
# Édition Conversationnelle Multi-tours
uv run scripts/genimage.py "Mettez à jour cette infographie en espagnol. Ne modifiez aucun autre élément." --previous-id "v1_interaction_id..." -o infographic_spanish.png
👉 Pour des modèles détaillés d'ingénierie de prompt (photoréalisme, autocollants, typographie, maquettes de produits, transfert de style) et les tables de résolution, voir references/genimage.md.
2. Génération et Édition Vidéo : genvideo.py
Créez, éditez et étendez des vidéos cinématographiques avec conception sonore intégrée en utilisant Gemini Omni Flash (gemini-omni-1.1-flash). Prend en charge le texte-vers-vidéo, l'image-vers-vidéo, l'interpolation entre première et dernière image, l'édition conversationnelle multi-tours avec état et l'extension de clips vidéo.
Exemples Rapides
# Texte-vers-Vidéo (plan continu 1080p sans coupure avec conception sonore)
uv run scripts/genvideo.py "Plan continu et fluide en drone survolant des montagnes de pins brumeuses au lever du soleil. Conception sonore : brise légère, chants d'oiseaux lointains. Pas de dialogue." -a 16:9 -r 1080p -o sunrise.mp4
# Interpolation entre première et dernière image
uv run scripts/genvideo.py "Une transition cinématographique fluide d'une forêt estivale verdoyante et ensoleillée à une forêt enneigée sous un ciel étoilé nocturne." -i summer.jpg -i winter.jpg -o season_transition.mp4
# Édition Vidéo avec État (Multi-tours)
uv run scripts/genvideo.py "Rends le violon invisible. Garde tout le reste identique." --previous-id "v1_video_id..." -o invisible_violin.mp4
# Extension Vidéo (Ajoute 3-10s à la fin du clip)
uv run scripts/genvideo.py "Continue la scène : la caméra panoramique traverse les montagnes alors que le crépuscule s'installe." -v clip.mp4 --task extend -o extended_clip.mp4
👉 Pour les techniques de mouvement de caméra, les stratégies de conception audio et les options de livraison URI pour les vidéos volumineuses/4K, voir references/genvideo.md.
3. Génération Musicale et de Chansons : genmusic.py
Synthétisez des pistes musicales haute-fidélité et des bandes-son en utilisant Google Lyria 3 (lyria-3-clip-preview pour des extraits/boucles de 30s, lyria-3-pro-preview pour des chansons complètes multi-sections).
Exemples Rapides
# Thème de Bande-son Instrumentale
uv run scripts/genmusic.py "Bande-son orchestrale cinématographique et optimiste avec des cordes énergiques et une fanfare de cuivres inspirante, 120 BPM, uniquement instrumental" -o epic_theme.mp3
# Chanson Complète avec Paroles Structurées et Chant
uv run scripts/genmusic.py "Piste synthwave mélodique avec des leads analogiques 80s nostalgiques, une batterie percutante et un chant vocoder chantant des rêves néons" -m lyria-3-pro-preview -l lyrics.txt -o synthwave_song.mp3
# Image-vers-Musique (Bande-son d'Ambiance Visuelle)
uv run scripts/genmusic.py "Compose une bande-son ambiante qui capture l'atmosphère mystique et tranquille de ce paysage fantastique." -i landscape.jpg -o ambient_bgm.mp3
👉 Pour l'ingénierie de prompt en 5 dimensions (genre, ambiance, instrumentation, tempo, chant) et les balises de paroles structurées, voir references/genmusic.md.
4. Synthèse Texte-vers-Parole : text2speech.py
Synthétisez un discours naturel et expressif en utilisant Gemini TTS (gemini-3.1-flash-tts-preview). Prend en charge 30 voix préfabriquées distinctes, des indices émotionnels intégrés ([soupir], [rire], [murmure], [excité]), la narration mono-locuteur et les dialogues multi-locuteurs scriptés.
Exemples Rapides
# Narration Mono-locuteur avec Indices Vocaux
uv run scripts/text2speech.py "[soupir] Bon retour... [excité] Créons quelque chose d'extraordinaire aujourd'hui !" -v Puck -o welcome.wav
# Lire un Article depuis un Fichier
uv run scripts/text2speech.py -f article.txt -v Charon -o article_narration.wav
# Dialogue Multi-locuteurs Scripté
uv run scripts/text2speech.py "Alice : [excité] Bonjour Bob ! As-tu vu le nouveau modèle d'image Gemini ?
Bob : [rire] Absolument Alice ! Le rendu de texte et le mode de réflexion sont époustouflants." -s "Alice:Aoede" -s "Bob:Fenrir" -o podcast_dialogue.wav
👉 Pour le répertoire complet des 30 voix préfabriquées, le répertoire des balises émotionnelles ([xxx]), et les directives de formatage des scripts de dialogue, voir references/text2speech.md.