Gemini Omni 1.2 Flash de Google ya está disponible de forma general

Google anunció Gemini Omni 1.2 Flash el 5 de noviembre de 2026 y puso a disposición general el modelo de generación y edición de video. La actualización amplía la duración nativa de los clips a 15 segundos, añade edición conversacional en varios turnos y reduce un 30 % el precio del video en 720p, hasta aproximadamente 0,07 $ por segundo.

El modelo genera video sincronizado con audio nativo a partir de texto, imágenes y videos. La duración adicional está pensada para incluir historias completas, explicaciones de productos y anuncios completos para redes sociales en una sola generación.

Clips más largos y edición conversacional

La documentación para desarrolladores admite duraciones en segundos enteros de 3 a 15 segundos, frente al máximo de 10 segundos de Omni 1.1, y establece 10 segundos como duración predeterminada. La resolución predeterminada de salida es 720p y el formato, apaisado de 16:9; también se admite el formato vertical de 9:16. Los equipos pueden crear borradores en 360p o 720p y aumentar la resolución de los resultados seleccionados a 1080p o 4K.

La edición conversacional permite sustituir un producto o fondo, modificar la iluminación o el tiempo, o cambiar la relación de aspecto sin alterar los elementos que no se mencionen. Un identificador de interacción anterior conserva el contexto entre solicitudes a la API, por lo que no es necesario volver a subir el video previo. Cada solicitud también puede incluir hasta seis imágenes de referencia, con un máximo de tres imágenes por personaje para un máximo de dos personajes.

La extensión de video es independiente de la generación nativa: añade de 3 a 10 segundos por turno, utiliza los últimos 10 segundos como contexto y permite alcanzar una duración total de hasta 30 segundos. No puede añadir metraje al principio ni insertar material en medio del clip, y la interpolación entre el primer y el último fotograma sigue limitada a resultados de 3 a 10 segundos.

Precios y migración

En la versión de pago de la API de Gemini, el precio es de 12 $ por millón de tokens de salida de video, calculados a razón de 5.792 tokens por segundo de video en 720p. Los costos indicados son de aproximadamente 0,70 $ por un clip de 10 segundos y 1,04 $ por uno de 15 segundos. La entrada de texto, imagen y video cuesta 1,50 $ por millón de tokens, y el modelo no está disponible en el nivel gratuito.

Gemini Omni 1.1 Flash seguirá disponible durante una transición de cuatro semanas. El 3 de diciembre de 2026, las solicitudes a la API dirigidas a la versión 1.1 se redirigirán automáticamente a la 1.2, sin necesidad de modificar el código, y se aplicarán las tarifas más bajas de la 1.2. Así, las integraciones existentes cuentan con una fecha de migración definida y no requieren una reescritura inmediata.

Afirmaciones sobre la calidad y límites de producción

Google afirma que la actualización conserva mejor los rostros, las prendas, la tipografía de los envases y los colores de marca al cambiar los ángulos de cámara y durante las transiciones, con menos desviaciones o deformaciones visuales. También ofrece una sincronización labial más nítida, diálogos más naturales, un condicionamiento diferenciado para varios interlocutores y movimientos continuos de cámara con menos cortes bruscos no deseados.

Las comparaciones directas de Google DeepMind otorgan a Omni 1.2 una tasa de victorias del 62 % en consistencia visual, frente al 38 % de Omni 1.1, en pruebas de generación de texto a video. En la comparación de referencia a video, la versión 1.2 alcanza una tasa de victorias del 63 % en consistencia de identidad con múltiples referencias, frente al 37 %.

También hay límites técnicos explícitos. Sigue en curso el desarrollo para mejorar el rendimiento con acciones deportivas rápidas, cambios rápidos de guion y físicas complejas. La API de Gemini es totalmente compatible con el inglés, pero no se ha evaluado en otros idiomas. La API actual no admite la edición de voz, la carga de entradas de audio ni las referencias de audio. El tiempo de generación varía según la duración, la resolución y la carga de la API, y se aplican filtros de seguridad a las instrucciones y al video generado.

Disponibilidad y uso en producción

Los desarrolladores pueden crear prototipos en Google AI Studio y utilizar la versión de pago de la API de Gemini. El despliegue más amplio incluye Flow para dirigir escenas y realizar ediciones en varios turnos; clips más largos en Google Vids, sin costo adicional, con una cuenta de Google o una suscripción a Workspace; el despliegue de la aplicación Gemini para los suscriptores de Google AI Ultra; y la creación de campañas en Google Ads. Todos los videos generados mediante la API llevan una marca de agua invisible SynthID, que puede detectarse mediante programación para verificar su procedencia.

El anuncio de disponibilidad general de Google Cloud incorpora acceso a través de la consola y la API, infraestructura y seguridad empresarial, y Provisioned Throughput, mientras que el acceso a las referencias de audio está sujeto a una lista de permitidos. Matt Rouif, director ejecutivo de Photoroom, afirmó que ampliar el límite de duración de la generación respondía a una de las principales solicitudes de los usuarios y que la disponibilidad general con acuerdos de nivel de servicio permitiría a la empresa confiar en Gemini Omni Flash en producción para vendedores y clientes empresariales. El modelo impulsa Video Ad Maker y Product Animator de Photoroom.

El lanzamiento vincula la reducción de precios con un cambio en el proceso de producción: las revisiones específicas pueden sustituir a las regeneraciones completas, y el renderizado de mayor resolución puede reservarse para los resultados seleccionados. Por tanto, su valor en producción depende de las mejoras de consistencia señaladas, ya que conservar los personajes, los productos y las escenas entre revisiones es lo que hace de la edición iterativa una alternativa práctica a empezar de cero.