Googlen Gemini Omni 1.2 Flash tulee yleisesti saataville

Google julkisti Gemini Omni 1.2 Flashin 5. marraskuuta 2026 ja toi videonluonti- ja muokkausmallin yleisesti saataville. Päivitys pidentää natiivien videoiden enimmäiskeston 15 sekuntiin, lisää monivaiheisen keskustelupohjaisen muokkauksen ja alentaa 720p-videon hintaa 30 prosentilla noin 0,07 dollariin sekunnilta.

Malli luo teksti-, kuva- ja videosyötteistä synkronoitua videota ja natiivia ääntä. Lisäkesto on tarkoitettu mahdollistamaan kokonaisten tarinoiden, tuote-esittelyvideoiden ja kokonaisten sosiaalisen median mainosten luominen yhdellä kertaa.

Pidemmät videot ja keskustelupohjainen muokkaus

Kehittäjädokumentaatiossa tuetaan kokonaisina sekunteina määritettäviä kestoja 3 sekunnista 15 sekuntiin. Omni 1.1:n enimmäiskesto on 10 sekuntia, ja oletuskestoksi on asetettu 10 sekuntia. Tulosteen oletustarkkuus on 720p ja kuvasuhde 16:9 vaakatilassa; myös 9:16 pystytilaa tuetaan. Tiimit voivat luoda luonnoksia 360p- tai 720p-tarkkuudella ja skaalata valitut tulokset 1080p- tai 4K-tarkkuuteen.

Keskustelupohjaisella muokkauksella voidaan vaihtaa tuotetta tai taustaa, muuttaa valaistusta tai säätä tai vaihtaa kuvasuhdetta niin, että elementit, joita ei mainita, säilyvät ennallaan. Aiemman vuorovaikutuksen tunniste säilyttää kontekstin API-pyyntöjen välillä, joten aiempaa videota ei tarvitse ladata uudelleen. Kussakin pyynnössä voidaan käyttää myös enintään kuutta viitekuvaa, mukaan lukien enintään kolme kuvaa hahmoa kohden enintään kahdelle hahmolle.

Videon jatkaminen on erillistä natiivista videonluonnista: sillä lisätään kunkin vuoron aikana 3–10 sekuntia, käyttäen kontekstina viimeisiä 10 sekuntia, ja videon kokonaiskesto voi olla enintään 30 sekuntia. Videokuvaa ei voi lisätä videon alkuun eikä materiaalia lisätä videon keskelle, ja ensimmäisen ja viimeisen ruudun välinen interpolointi on edelleen rajattu 3–10 sekunnin pituisiin tulosteisiin.

Hinnoittelu ja siirtymä

Maksullisessa Gemini API -palvelussa hinta on 12 dollaria miljoonaa videon tulostokenia kohden; laskutus perustuu 5 792 tokeniin 720p-videon sekuntia kohti. Ilmoitetut kustannukset ovat noin 0,70 dollaria 10 sekunnin videolta ja 1,04 dollaria 15 sekunnin videolta. Teksti-, kuva- ja videosyötteiden hinta on 1,50 dollaria miljoonaa tokenia kohden, eikä malli ole saatavilla maksuttomassa palvelutasossa.

Gemini Omni 1.1 Flash on käytettävissä vielä neljän viikon siirtymäkauden ajan. 3. joulukuuta 2026 alkaen 1.1-malliin kohdistuvat API-pyynnöt ohjataan automaattisesti versioon 1.2 ilman koodimuutoksia, ja niistä veloitetaan 1.2-version alempien hintojen mukaisesti. Näin nykyisillä integraatioilla on selkeä siirtymäpäivä, eikä niitä tarvitse heti kirjoittaa uudelleen.

Laatua koskevat väitteet ja tuotantokäytön rajoitukset

Googlen mukaan päivitys säilyttää kasvot, vaatteet, pakkausten typografian ja brändivärit paremmin eri kuvakulmissa ja siirtymissä sekä vähentää visuaalista poikkeamista ja muodonmuutoksia. Se tuottaa myös selkeämpää huulisynkronointia, luonnollisempaa vuoropuhelua, puhujakohtaisempaa ehdollistamista ja jatkuvampaa kameran liikettä, jossa on vähemmän ei-toivottuja hyppäysleikkauksia.

Google DeepMindin rinnakkaisvertailuissa Omni 1.2:n visuaalisen johdonmukaisuuden voittoprosentti oli tekstistä videoksi -testeissä 62 %, kun Omni 1.1:n vastaava osuus oli 38 %. Viitteestä videoksi -vertailussa version 1.2 usean viitteen identiteetin johdonmukaisuuden voittoprosentti oli 63 %, kun taas version 1.1 osuus oli 37 %.

Mallilla on myös selkeitä teknisiä rajoituksia. Kehitystyötä jatketaan nopeasti etenevien urheilutilanteiden, käsikirjoituksen nopeiden muutosten ja monimutkaisen fysiikan osalta. Gemini API tukee täysin englantia, mutta muita kieliä ei ole arvioitu. Äänen muokkausta, ladattuja äänisyötteitä ja ääniviitteitä ei tueta nykyisessä APIssa. Luontiaika vaihtelee videon keston, tarkkuuden ja API-kuormituksen mukaan, ja turvallisuussuodattimia sovelletaan kehotteisiin ja luotuihin videoihin.

Saatavuus ja tuotantokäyttö

Kehittäjät voivat tehdä prototyyppejä Google AI Studiossa ja käyttää maksullista Gemini APIa. Laajempi käyttöönotto kattaa Flow-palvelun kohtausten ohjaukseen ja monivaiheisiin muokkauksiin, pidemmät videot Google Vidsissä ilman lisämaksua Google-tilillä tai Workspace-tilauksella, Gemini-sovelluksen käyttöönoton Google AI Ultra -tilaajille sekä kampanjoiden luomisen Google Adsissa. Jokaisessa API:n kautta luodussa videossa on näkymätön SynthID-vesileima, joka voidaan tunnistaa ohjelmallisesti alkuperän varmentamiseksi.

Google Cloudin yleisen saatavuuden ilmoituksessa kerrotaan konsoli- ja API-käytöstä, yritystason infrastruktuurista ja tietoturvasta sekä Provisioned Throughput -palvelusta; ääniviitteet ovat saatavilla vain erikseen hyväksytyille käyttäjille. Photoroomin toimitusjohtaja Matt Rouif sanoi, että pidempi luontikesto oli yksi käyttäjien tärkeimmistä toiveista ja että yleinen saatavuus palvelutasosopimuksineen antaisi yritykselle mahdollisuuden käyttää Gemini Omni Flashia tuotannossa myyjien ja yritysasiakkaiden tarpeisiin. Malli toimii Photoroomin Video Ad Maker- ja Product Animator -tuotteiden perustana.

Julkaisussa alempi hinnoittelu yhdistyy tuotantotyönkulun muutokseen: kohdennetuilla muokkauksilla voidaan välttää videoiden luominen kokonaan uudelleen, ja suurempaa tarkkuutta vaativa renderöinti voidaan rajata valittuihin tuloksiin. Siksi mallin arvo tuotantokäytössä perustuu myös raportoituihin johdonmukaisuuden parannuksiin: hahmojen, tuotteiden ja kohtausten säilyminen muokkausten aikana tekee iteratiivisesta muokkauksesta käytännöllisen vaihtoehdon alusta aloittamiselle.