Το Gemini Omni 1.2 Flash της Google διατίθεται πλέον ευρέως

Η Google ανακοίνωσε το Gemini Omni 1.2 Flash στις 5 Νοεμβρίου 2026, καθιστώντας το μοντέλο δημιουργίας και επεξεργασίας βίντεο ευρέως διαθέσιμο. Η ενημέρωση αυξάνει τη μέγιστη διάρκεια των εγγενώς παραγόμενων κλιπ στα 15 δευτερόλεπτα, προσθέτει συνομιλιακή επεξεργασία πολλαπλών γύρων και μειώνει κατά 30% την τιμή για βίντεο 720p, στα περίπου $0,07 ανά δευτερόλεπτο.

Το μοντέλο δημιουργεί συγχρονισμένο βίντεο και εγγενή ήχο από εισόδους κειμένου, εικόνας και βίντεο. Ο επιπλέον χρόνος προβολής προορίζεται να επιτρέπει τη δημιουργία ολοκληρωμένων ιστοριών, επεξηγηματικών βίντεο προϊόντων και πλήρων διαφημίσεων για τα μέσα κοινωνικής δικτύωσης με μία μόνο δημιουργία.

Μεγαλύτερα κλιπ και συνομιλιακή επεξεργασία

Η τεκμηρίωση για προγραμματιστές υποστηρίζει διάρκειες σε ακέραια δευτερόλεπτα από 3 έως 15, έναντι μέγιστης διάρκειας 10 δευτερολέπτων στο Omni 1.1, και ορίζει ως προεπιλογή τα 10 δευτερόλεπτα. Η προεπιλεγμένη ανάλυση εξόδου είναι 720p και η μορφή 16:9 σε οριζόντιο προσανατολισμό, ενώ υποστηρίζεται και κατακόρυφη μορφή 9:16. Οι ομάδες μπορούν να δημιουργούν προσχέδια σε ανάλυση 360p ή 720p και να αναβαθμίζουν επιλεγμένα αποτελέσματα σε 1080p ή 4K.

Η συνομιλιακή επεξεργασία μπορεί να αντικαταστήσει ένα προϊόν ή το φόντο, να αλλάξει τον φωτισμό ή τον καιρό ή να προσαρμόσει τον λόγο διαστάσεων, διατηρώντας ανέπαφα τα στοιχεία που δεν αναφέρονται. Ένα αναγνωριστικό προηγούμενης αλληλεπίδρασης διατηρεί το πλαίσιο μεταξύ των αιτημάτων API, ώστε να μην χρειάζεται να μεταφορτωθεί ξανά το προηγούμενο βίντεο. Κάθε αίτημα μπορεί επίσης να χρησιμοποιήσει έως και έξι εικόνες αναφοράς, συμπεριλαμβανομένων έως και τριών εικόνων ανά χαρακτήρα για έως και δύο χαρακτήρες.

Η επέκταση βίντεο είναι ξεχωριστή από την εγγενή δημιουργία: προσθέτει 3 έως 10 δευτερόλεπτα σε κάθε γύρο, χρησιμοποιώντας τα τελευταία 10 δευτερόλεπτα ως πλαίσιο αναφοράς, για συνολική διάρκεια έως και 30 δευτερόλεπτα. Δεν μπορεί να προσθέσει πλάνα στην αρχή ή να εισαγάγει υλικό στη μέση του κλιπ, ενώ η παρεμβολή μεταξύ του πρώτου και του τελευταίου καρέ εξακολουθεί να περιορίζεται σε αποτελέσματα διάρκειας 3 έως 10 δευτερολέπτων.

Τιμολόγηση και μετάβαση

Στο επί πληρωμή Gemini API, η τιμολόγηση είναι $12 ανά εκατομμύριο διακριτικά εξόδου βίντεο, με χρέωση βάσει 5.792 διακριτικών ανά δευτερόλεπτο βίντεο 720p. Το αναγραφόμενο κόστος είναι περίπου $0,70 για κλιπ διάρκειας 10 δευτερολέπτων και $1,04 για κλιπ διάρκειας 15 δευτερολέπτων. Η είσοδος κειμένου, εικόνας και βίντεο κοστίζει $1,50 ανά εκατομμύριο διακριτικά, ενώ το μοντέλο δεν διατίθεται στο δωρεάν πρόγραμμα.

Το Gemini Omni 1.1 Flash θα παραμείνει διαθέσιμο κατά τη διάρκεια μιας μεταβατικής περιόδου τεσσάρων εβδομάδων. Στις 3 Δεκεμβρίου 2026, τα αιτήματα API προς την έκδοση 1.1 θα δρομολογούνται αυτόματα στην έκδοση 1.2, χωρίς να απαιτούνται αλλαγές στον κώδικα, και θα χρεώνονται με τις χαμηλότερες τιμές της έκδοσης 1.2. Έτσι, οι υπάρχουσες ενσωματώσεις έχουν καθορισμένη ημερομηνία μετάβασης, χωρίς να απαιτείται άμεση επανεγγραφή.

Ισχυρισμοί για την ποιότητα και περιορισμοί στην παραγωγή

Η Google αναφέρει ότι η ενημέρωση διατηρεί καλύτερα τα πρόσωπα, τα ενδύματα, την τυπογραφία των συσκευασιών και τα χρώματα των εμπορικών σημάτων από τη μία γωνία λήψης στην άλλη και κατά τις μεταβάσεις, με λιγότερες ανεπιθύμητες οπτικές αποκλίσεις ή παραμορφώσεις. Παράλληλα, προσφέρει καθαρότερο συγχρονισμό χειλιών, πιο φυσικούς διαλόγους, διακριτή προσαρμογή για πολλούς ομιλητές και συνεχή κίνηση της κάμερας με λιγότερα ανεπιθύμητα απότομα κοψίματα.

Οι συγκριτικές αξιολογήσεις δίπλα-δίπλα της Google DeepMind δίνουν στο Omni 1.2 ποσοστό νίκης 62% ως προς την οπτική συνέπεια, έναντι 38% για το Omni 1.1, στις δοκιμές μετατροπής κειμένου σε βίντεο. Στη σύγκριση μετατροπής αναφοράς σε βίντεο, η έκδοση 1.2 πετυχαίνει ποσοστό νίκης 63% ως προς τη συνέπεια ταυτότητας με πολλαπλές αναφορές, έναντι 37%.

Υπάρχουν επίσης σαφώς καθορισμένοι τεχνικοί περιορισμοί. Συνεχίζεται η ανάπτυξη για γρήγορη αθλητική δράση, ταχείες αλλαγές σεναρίου και σύνθετη φυσική. Το Gemini API υποστηρίζει πλήρως τα αγγλικά, αλλά δεν έχει αξιολογηθεί σε άλλες γλώσσες. Η επεξεργασία φωνής, οι μεταφορτωμένες είσοδοι ήχου και οι αναφορές ήχου δεν υποστηρίζονται στο τρέχον API. Ο χρόνος δημιουργίας ποικίλλει ανάλογα με τη διάρκεια, την ανάλυση και τον φόρτο του API, ενώ εφαρμόζονται φίλτρα ασφαλείας τόσο στις προτροπές όσο και στα βίντεο που δημιουργούνται.

Διαθεσιμότητα και χρήση στην παραγωγή

Οι προγραμματιστές μπορούν να δημιουργούν πρωτότυπα στο Google AI Studio και να χρησιμοποιούν το επί πληρωμή Gemini API. Η ευρύτερη διάθεση περιλαμβάνει το Flow για σκηνοθεσία σκηνών και επεξεργασία πολλαπλών γύρων, μεγαλύτερα κλιπ στο Google Vids χωρίς επιπλέον χρέωση με λογαριασμό Google ή συνδρομή Workspace, τη διάθεση της εφαρμογής Gemini στους συνδρομητές Google AI Ultra και τη δημιουργία καμπανιών στο Google Ads. Κάθε βίντεο που δημιουργείται μέσω του API φέρει ένα αόρατο υδατογράφημα SynthID, το οποίο μπορεί να ανιχνευθεί προγραμματιστικά για την επαλήθευση της προέλευσής του.

Η ανακοίνωση γενικής διαθεσιμότητας του Google Cloud προσθέτει πρόσβαση μέσω κονσόλας και API, εταιρική υποδομή και ασφάλεια, καθώς και το Provisioned Throughput, ενώ η χρήση αναφορών ήχου είναι διαθέσιμη μόνο κατόπιν έγκρισης μέσω λίστας επιτρεπόμενων χρηστών. Ο διευθύνων σύμβουλος της Photoroom, Matt Rouif, δήλωσε ότι η αύξηση του ορίου διάρκειας δημιουργίας ήταν ένα από τα αιτήματα που υπέβαλλαν συχνότερα οι χρήστες και ότι η γενική διαθεσιμότητα με συμφωνίες επιπέδου υπηρεσιών θα επέτρεπε στην εταιρεία να βασιστεί στην παραγωγή στο Gemini Omni Flash για πωλητές και εταιρικούς πελάτες. Το μοντέλο τροφοδοτεί τα Video Ad Maker και Product Animator της Photoroom.

Η κυκλοφορία συνδέει τη χαμηλότερη τιμολόγηση με μια αλλαγή στη ροή εργασιών παραγωγής: οι στοχευμένες αναθεωρήσεις μπορούν να αντικαταστήσουν την πλήρη επαναδημιουργία, ενώ η απόδοση σε υψηλότερη ανάλυση μπορεί να επιφυλάσσεται για επιλεγμένα αποτελέσματα. Επομένως, η αξία του μοντέλου στην παραγωγή βασίζεται στα αναφερόμενα κέρδη συνέπειας, καθώς η διατήρηση των χαρακτήρων, των προϊόντων και των σκηνών από τη μία αναθεώρηση στην άλλη είναι αυτή που καθιστά την επαναληπτική επεξεργασία πρακτική εναλλακτική λύση αντί της εκ νέου δημιουργίας από την αρχή.