Googles Gemini Omni 1.2 Flash bliver generelt tilgængelig

Google annoncerede Gemini Omni 1.2 Flash den 5. november 2026 og gjorde dermed modellen til videogenerering og -redigering generelt tilgængelig. Opdateringen øger den maksimale længde på klip, der genereres direkte, til 15 sekunder, tilføjer samtalebaseret redigering over flere omgange og sænker prisen for 720p med 30 % til cirka 0,07 dollar pr. sekund.

Modellen genererer synkroniseret video og lyd direkte ud fra tekst, billeder og video. Den ekstra varighed skal gøre det muligt at samle hele historier, produktforklaringer og komplette reklamer til sociale medier i én generering.

Længere klip og samtalebaseret redigering

Udviklerdokumentationen understøtter varigheder i hele sekunder fra 3 til 15 sekunder, sammenlignet med en maksimal varighed på 10 sekunder for Omni 1.1, og standardvarigheden er 10 sekunder. Output er som standard i 720p og liggende 16:9-format, og stående 9:16-format understøttes også. Teams kan lave udkast i 360p eller 720p og opskalere udvalgte resultater til 1080p eller 4K.

Samtalebaseret redigering kan udskifte et produkt eller en baggrund, ændre belysning eller vejrforhold eller skifte billedformat, mens elementer, der ikke nævnes, forbliver uændrede. En identifikator for den foregående interaktion bevarer konteksten mellem API-anmodninger, så den tidligere video ikke skal uploades igen. Hver anmodning kan desuden bruge op til seks referencebilleder, herunder op til tre billeder pr. figur for op til to figurer.

Videoforlængelse er adskilt fra direkte generering: Funktionen føjer 3 til 10 sekunder til for hver omgang og bruger de sidste 10 sekunder som kontekst, op til en samlet varighed på 30 sekunder. Den kan ikke føje optagelser til i begyndelsen eller indsætte materiale midt i et klip, og interpolation mellem første og sidste billede er fortsat begrænset til output på 3 til 10 sekunder.

Priser og overgang

På den betalte Gemini API er prisen 12 dollar pr. million videotokens i output, beregnet ud fra 5.792 tokens pr. sekund 720p-video. De angivne priser er cirka 0,70 dollar for et klip på 10 sekunder og 1,04 dollar for et klip på 15 sekunder. Input af tekst, billeder og video koster 1,50 dollar pr. million tokens, og modellen er ikke tilgængelig i gratisversionen.

Gemini Omni 1.1 Flash vil fortsat være tilgængelig i en overgangsperiode på fire uger. Den 3. december 2026 vil API-anmodninger til 1.1 automatisk blive videresendt til 1.2 uden ændringer i koden og blive afregnet efter de lavere priser for 1.2. Eksisterende integrationer får dermed en fastlagt dato for overgangen uden at skulle omskrives med det samme.

Påstande om kvalitet og begrænsninger i produktionen

Google oplyser, at opdateringen bedre bevarer ansigter, beklædning, tekst på emballage og brandfarver på tværs af kameravinkler og overgange, med mindre visuel afdrift og færre formforvrængninger. Samtidig giver den tydeligere læbesynkronisering, mere naturlig dialog, særskilt betingning for flere talere og kontinuerlige kamerabevægelser med færre utilsigtede hårde klip.

Google DeepMinds sammenlignende evalueringer viser, at Omni 1.2 vinder på visuel konsistens i 62 % af sammenligningerne mod 38 % for Omni 1.1 i test af videogenerering ud fra tekst. I sammenligningen af videogenerering ud fra referencer opnår 1.2 en sejr på 63 % for identitetskonsistens på tværs af flere referencer mod 37 %.

Der er også udtrykkelige tekniske begrænsninger. Arbejdet med hurtige sportsbevægelser, hurtige ændringer i manuskriptet og kompleks fysik fortsætter. Gemini API understøtter engelsk fuldt ud, men andre sprog er ikke blevet evalueret. Stemmestyring ved redigering, upload af lydinput og lydreferencer understøttes ikke i den nuværende API. Genereringstiden varierer efter varighed, opløsning og belastningen på API’en, og sikkerhedsfiltre gælder for både prompts og genereret video.

Tilgængelighed og brug i produktion

Udviklere kan afprøve prototyper i Google AI Studio og bruge den betalte Gemini API. Den bredere udrulning omfatter Flow til scenestyring og redigering over flere omgange, længere klip i Google Vids uden ekstra omkostninger for brugere med en Google-konto eller et Workspace-abonnement, adgang til Gemini-appen for abonnenter på Google AI Ultra samt oprettelse af kampagner i Google Ads. Alle videoer, der genereres via API’en, indeholder et usynligt SynthID-vandmærke, som kan registreres programmatisk for at verificere videoens oprindelse.

Google Clouds meddelelse om generel tilgængelighed omfatter adgang via konsol og API, infrastruktur og sikkerhed til virksomheder samt Provisioned Throughput. Lydreferencer kræver godkendelse via en tilladelsesliste. Photorooms administrerende direktør Matt Rouif sagde, at den længere genereringsgrænse var et af brugernes største ønsker, og at den generelle tilgængelighed med serviceniveauaftaler ville gøre det muligt for virksomheden at bruge Gemini Omni Flash i produktionen til sælgere og erhvervskunder. Modellen driver Photorooms Video Ad Maker og Product Animator.

Udgivelsen kobler de lavere priser til en ændret produktionsproces: Målrettede rettelser kan erstatte fulde omgange med generering, og gengivelse i højere opløsning kan forbeholdes udvalgte resultater. Værdien i produktionen afhænger derfor af de rapporterede forbedringer i konsistens, fordi det er evnen til at bevare figurer, produkter og scener på tværs af rettelser, der gør iterativ redigering til et praktisk alternativ til at begynde forfra.