Google rend Gemini Omni 1.2 Flash accessible à tous

Google a annoncé Gemini Omni 1.2 Flash le 5 novembre 2026, rendant ainsi son modèle de génération et de montage vidéo accessible à tous. Cette mise à jour porte la durée native des clips à 15 secondes, ajoute le montage conversationnel à plusieurs tours et réduit de 30 % le prix de la vidéo en 720p, à environ 0,07 $ par seconde.

Le modèle génère des vidéos synchronisées avec un audio natif à partir de textes, d’images et de vidéos. Cette durée supplémentaire vise à permettre de réunir des histoires complètes, des présentations de produits et des publicités destinées aux réseaux sociaux dans une seule génération.

Des clips plus longs et le montage conversationnel

La documentation destinée aux développeurs prend en charge des durées exprimées en secondes entières, de 3 à 15 secondes, contre une durée maximale de 10 secondes pour Omni 1.1, et la durée par défaut est de 10 secondes. La résolution par défaut est de 720p, au format paysage 16:9 ; le format portrait 9:16 est également pris en charge. Les équipes peuvent créer des brouillons en 360p ou en 720p, puis agrandir certains résultats en 1080p ou en 4K.

Le montage conversationnel permet de remplacer un produit ou un arrière-plan, de modifier l’éclairage ou la météo, ou de changer le format d’image tout en laissant intacts les éléments qui ne sont pas mentionnés. Un identifiant d’interaction précédente préserve le contexte entre les requêtes API, évitant ainsi d’avoir à téléverser de nouveau la vidéo précédente. Chaque requête peut également utiliser jusqu’à six images de référence, dont un maximum de trois images par personnage pour deux personnages au plus.

La prolongation vidéo est distincte de la génération native : elle ajoute de 3 à 10 secondes à chaque tour en utilisant les 10 dernières secondes comme contexte, pour une durée totale maximale de 30 secondes. Il est impossible d’ajouter des séquences au début ou d’insérer du contenu au milieu d’un clip, et l’interpolation entre la première et la dernière image reste limitée aux rendus de 3 à 10 secondes.

Tarifs et migration

Avec l’offre payante de Gemini API, la tarification s’élève à 12 $ par million de jetons de sortie vidéo, le décompte étant établi à raison de 5 792 jetons par seconde de vidéo en 720p. Les coûts indiqués sont d’environ 0,70 $ pour un clip de 10 secondes et de 1,04 $ pour un clip de 15 secondes. Les entrées de texte, d’image et de vidéo coûtent 1,50 $ par million de jetons, et le modèle n’est pas disponible dans l’offre gratuite.

Gemini Omni 1.1 Flash reste disponible pendant une période de transition de quatre semaines. Le 3 décembre 2026, les requêtes API adressées à la version 1.1 seront automatiquement redirigées vers la version 1.2, sans modification du code, et bénéficieront des tarifs plus bas de la version 1.2. Les intégrations existantes disposent donc d’une date de migration définie, sans qu’une réécriture immédiate soit nécessaire.

Qualité annoncée et limites de production

Selon Google, cette mise à jour préserve mieux les visages, les vêtements, la typographie des emballages et les couleurs des marques d’un angle de caméra ou d’une transition à l’autre, avec moins de dérive visuelle ou de déformation. Elle offre également une synchronisation labiale plus claire, des dialogues plus naturels, un conditionnement distinct pour plusieurs personnes qui parlent et des mouvements de caméra continus comportant moins de changements de plan brusques et indésirables.

Les évaluations comparatives de Google DeepMind attribuent à Omni 1.2 un taux de victoire de 62 % en matière de cohérence visuelle, contre 38 % pour Omni 1.1 lors des tests de génération vidéo à partir de texte. La comparaison de la génération vidéo à partir de références donne à la version 1.2 un taux de victoire de 63 % pour la cohérence d’identité avec plusieurs références, contre 37 %.

Des limites techniques explicites s’appliquent également. Les travaux se poursuivent sur les scènes de sport à action rapide, les changements rapides de scénario et les phénomènes physiques complexes. Gemini API prend entièrement en charge l’anglais, mais les autres langues n’ont pas été évaluées. Le montage vocal, les entrées audio téléversées et les références audio ne sont pas pris en charge par l’API actuelle. Le temps de génération varie selon la durée, la résolution et la charge de l’API ; des filtres de sécurité s’appliquent aux invites et aux vidéos générées.

Disponibilité et utilisation en production

Les développeurs peuvent réaliser des prototypes dans Google AI Studio et utiliser l’offre payante de Gemini API. Le déploiement plus large comprend Flow pour la direction des scènes et les montages à plusieurs tours, des clips plus longs dans Google Vids sans frais supplémentaires avec un compte Google ou un abonnement Workspace, le déploiement de l’application Gemini auprès des abonnés Google AI Ultra, ainsi que la création de campagnes dans Google Ads. Chaque vidéo générée par l’intermédiaire de l’API comporte un filigrane SynthID invisible, qui peut être détecté par programmation afin de vérifier sa provenance.

L’annonce de disponibilité générale de Google Cloud ajoute l’accès à la console et à l’API, une infrastructure et une sécurité de niveau entreprise, ainsi que Provisioned Throughput ; l’accès aux références audio est soumis à une autorisation sur liste blanche. Matt Rouif, directeur général de Photoroom, a déclaré que la durée de génération plus longue répondait à l’une des principales demandes des utilisateurs et que la disponibilité générale, assortie d’accords de niveau de service, permettrait à l’entreprise de s’appuyer sur Gemini Omni Flash en production pour les vendeurs et les clients professionnels. Le modèle alimente Video Ad Maker et Product Animator de Photoroom.

La version publiée associe la baisse des tarifs à une évolution du cycle de production : des retouches ciblées peuvent remplacer des régénérations complètes, et le rendu à plus haute résolution peut être réservé à certains résultats. La valeur du modèle en production repose donc sur les gains de cohérence annoncés, car c’est la capacité à préserver les personnages, les produits et les scènes d’une retouche à l’autre qui fait du montage itératif une solution pratique pour éviter de tout recommencer.