Gemini Omni 1.2 Flash od Googlu je nyní obecně dostupný

Společnost Google 5. listopadu 2026 oznámila Gemini Omni 1.2 Flash a zpřístupnila tento model pro generování a úpravy videí široké veřejnosti. Aktualizace prodlužuje nativní délku klipu na 15 sekund, přidává vícekrokové konverzační úpravy a snižuje cenu videa v rozlišení 720p o 30 % na přibližně $0,07 za sekundu.

Model generuje synchronizované video a nativní zvuk na základě textových, obrazových i video vstupů. Delší stopáž má umožnit vytvořit v rámci jediného generování kompletní příběhy, vysvětlující produktová videa i celé spoty pro reklamu na sociálních sítích.

Delší klipy a konverzační úpravy

Dokumentace pro vývojáře uvádí, že lze nastavit délku v celých sekundách od 3 do 15 sekund, zatímco u Omni 1.1 je maximum 10 sekund; výchozí délka je 10 sekund. Výchozím nastavením výstupu je rozlišení 720p a orientace na šířku s poměrem stran 16:9; podporována je také orientace na výšku s poměrem 9:16. Týmy mohou připravit návrhy v rozlišení 360p nebo 720p a vybrané výsledky převést na vyšší rozlišení 1080p nebo 4K.

Při konverzačních úpravách lze nahradit produkt nebo pozadí, změnit osvětlení či počasí nebo upravit poměr stran, přičemž nezmíněné prvky zůstanou zachovány. Identifikátor předchozí interakce uchovává kontext mezi požadavky API, takže předchozí video není nutné znovu nahrávat. Každý požadavek může využívat také až šest referenčních obrázků, včetně až tří obrázků na postavu, a to až pro dvě postavy.

Rozšíření videa je samostatná funkce, která se liší od nativního generování: při každém kroku přidá 3 až 10 sekund a jako kontext použije posledních 10 sekund; celková délka může dosáhnout až 30 sekund. Nelze přidávat záběry na začátek ani vkládat materiál doprostřed klipu a interpolace mezi prvním a posledním snímkem je nadále omezena na výstupy v délce 3 až 10 sekund.

Ceny a přechod na novou verzi

V placené verzi Gemini API činí cena 12 USD za milion tokenů výstupního videa, přičemž účtování vychází z 5 792 tokenů za sekundu videa v rozlišení 720p. Uvedené ceny jsou přibližně 0,70 USD za desetisekundový klip a 1,04 USD za patnáctisekundový klip. Vstupní text, obrázky a video stojí 1,50 USD za milion tokenů a model není dostupný v bezplatné verzi.

Gemini Omni 1.1 Flash zůstane dostupný během čtyřtýdenního přechodného období. Dne 3. prosince 2026 se požadavky API pro verzi 1.1 začnou automaticky směrovat na verzi 1.2, aniž by bylo nutné měnit kód, a budou se na ně vztahovat nižší ceny verze 1.2. Stávající integrace tak mají stanovené datum přechodu, aniž by bylo nutné okamžitě přepisovat jejich kód.

Deklarované přínosy pro kvalitu a omezení při produkčním nasazení

Google uvádí, že aktualizace lépe zachovává tváře, oblečení, typografii na obalech a barvy značky při změnách úhlu kamery a přechodech, s menšími vizuálními odchylkami a deformacemi. Zároveň přináší přesnější synchronizaci pohybu rtů s řečí, přirozenější dialogy, zřetelnější odlišení hlasů více mluvčích a plynulý pohyb kamery s menším počtem nežádoucích skokových střihů.

Přímé srovnávací testy společnosti Google DeepMind ukazují, že Omni 1.2 v testech převodu textu na video dosahuje 62% úspěšnosti v oblasti vizuální konzistence, zatímco Omni 1.1 dosahuje 38 %. Ve srovnání převodu referencí na video dosahuje verze 1.2 v konzistenci identity napříč více referencemi 63% úspěšnosti, zatímco verze 1.1 dosahuje 37 %.

Model má také výslovně stanovená technická omezení. Vývoj pokračuje v oblasti rychlých sportovních akcí, náhlých změn scénáře a složité fyziky. Gemini API plně podporuje angličtinu, ostatní jazyky však dosud nebyly vyhodnoceny. Aktuální API nepodporuje úpravy hlasu, nahrávání zvukových vstupů ani zvukové reference. Doba generování se liší podle délky, rozlišení a zatížení API; bezpečnostní filtry se uplatňují na zadání i vygenerovaná videa.

Dostupnost a produkční využití

Vývojáři mohou vytvářet prototypy v Google AI Studio a využívat placené Gemini API. Širší zavádění zahrnuje Flow pro řízení scén a vícekrokové úpravy, delší klipy v Google Vids bez dalších poplatků s účtem Google nebo předplatným Workspace, zpřístupnění aplikace Gemini předplatitelům Google AI Ultra a tvorbu kampaní v Google Ads. Každé video vytvořené prostřednictvím API obsahuje neviditelný vodoznak SynthID, který lze programově detekovat a ověřit tak původ videa.

Oznámení společnosti Google Cloud o všeobecné dostupnosti přináší přístup prostřednictvím konzole a API, podnikovou infrastrukturu a zabezpečení i službu Provisioned Throughput; použití zvukových referencí je podmíněno zařazením na seznam povolených. Generální ředitel společnosti Photoroom Matt Rouif uvedl, že delší limit délky generování patřil k nejčastějším požadavkům uživatelů a že všeobecná dostupnost se smlouvami o úrovni služeb umožní společnosti spoléhat se při produkčním nasazení Gemini Omni Flash pro prodejce a podnikové zákazníky. Tento model pohání nástroje Photoroom Video Ad Maker a Product Animator.

Vydání spojuje nižší ceny se změnou produkčního procesu: cílené úpravy mohou nahradit kompletní opakované generování a vykreslování ve vyšším rozlišení lze vyhradit pro vybrané výstupy. Hodnota pro produkční nasazení proto závisí na uváděném zlepšení konzistence, protože právě zachování postav, produktů a scén napříč úpravami činí iterativní editaci praktickou alternativou k zahájení práce od začátku.