Google का Gemini Omni 1.2 Flash अब व्यापक रूप से उपलब्ध

Google ने 5 नवंबर, 2026 को Gemini Omni 1.2 Flash की घोषणा की और वीडियो बनाने व संपादित करने वाले इस मॉडल को व्यापक रूप से उपलब्ध कराया। इस अपडेट से मूल रूप से बनाए जा सकने वाले क्लिप की अवधि बढ़कर 15 सेकंड हो गई है, कई चरणों में संवाद के ज़रिए संपादन की सुविधा जुड़ी है और 720p की कीमत 30% घटकर लगभग $0.07 प्रति सेकंड हो गई है।

यह मॉडल टेक्स्ट, इमेज और वीडियो इनपुट से सिंक्रोनाइज़्ड वीडियो और मूल ऑडियो तैयार करता है। अतिरिक्त अवधि का उद्देश्य पूरी कहानियों, उत्पादों के परिचयात्मक वीडियो और सोशल मीडिया के लिए पूरे विज्ञापन को एक ही बार में तैयार करना है।

लंबे क्लिप और संवाद के ज़रिए संपादन

डेवलपर दस्तावेज़ में 3 से 15 सेकंड तक की अवधि, पूरे सेकंड के अंतराल में, चुनी जा सकती है। Omni 1.1 में अधिकतम अवधि 10 सेकंड थी, जबकि यहाँ डिफ़ॉल्ट अवधि 10 सेकंड है। डिफ़ॉल्ट आउटपुट 720p और 16:9 लैंडस्केप में मिलता है; 9:16 पोर्ट्रेट फ़ॉर्मैट भी समर्थित है। टीमें 360p या 720p में शुरुआती संस्करण तैयार कर सकती हैं और चुने हुए नतीजों का रिज़ॉल्यूशन बढ़ाकर 1080p या 4K कर सकती हैं।

संवाद के ज़रिए संपादन में उत्पाद या पृष्ठभूमि बदली जा सकती है, रोशनी या मौसम में बदलाव किया जा सकता है, या पहलू अनुपात बदला जा सकता है—और जिन तत्वों का उल्लेख न हो, वे जस के तस रहते हैं। पिछले संवाद का पहचानकर्ता API अनुरोधों के बीच संदर्भ बनाए रखता है, इसलिए पहले वाला वीडियो फिर से अपलोड करने की ज़रूरत नहीं पड़ती। हर अनुरोध में अधिकतम छह संदर्भ इमेज भी इस्तेमाल की जा सकती हैं; इनमें अधिकतम दो किरदारों के लिए, प्रत्येक किरदार की अधिकतम तीन इमेज शामिल हैं।

वीडियो की अवधि बढ़ाना, मूल वीडियो बनाने से अलग सुविधा है: हर चरण में 3 से 10 सेकंड जोड़े जा सकते हैं और संदर्भ के रूप में अंतिम 10 सेकंड इस्तेमाल होते हैं; कुल अवधि अधिकतम 30 सेकंड हो सकती है। इसमें फुटेज को शुरुआत में जोड़ना या क्लिप के बीच में सामग्री डालना संभव नहीं है। पहले और आखिरी फ़्रेम के बीच इंटरपोलेशन अब भी केवल 3 से 10 सेकंड के आउटपुट तक सीमित है।

कीमतें और माइग्रेशन

भुगतान वाले Gemini API पर कीमत वीडियो आउटपुट के प्रति दस लाख टोकन के लिए $12 है; 720p वीडियो के हर सेकंड के लिए 5,792 टोकन के हिसाब से शुल्क लिया जाता है। सूचीबद्ध दरों के अनुसार, 10 सेकंड के क्लिप की लागत लगभग $0.70 और 15 सेकंड के क्लिप की लगभग $1.04 है। टेक्स्ट, इमेज और वीडियो इनपुट की लागत प्रति दस लाख टोकन $1.50 है, और यह मॉडल मुफ़्त प्लान में उपलब्ध नहीं है।

चार सप्ताह की संक्रमण अवधि के दौरान Gemini Omni 1.1 Flash उपलब्ध रहेगा। 3 दिसंबर, 2026 से 1.1 को भेजे गए API अनुरोध अपने-आप 1.2 पर भेजे जाएँगे, इसके लिए कोड में बदलाव नहीं करना होगा, और उन पर 1.2 की कम दरें लागू होंगी। इसलिए मौजूदा इंटीग्रेशन के लिए माइग्रेशन की एक तय तारीख है और तुरंत कोड दोबारा लिखने की ज़रूरत नहीं पड़ेगी।

गुणवत्ता संबंधी दावे और उत्पादन की सीमाएँ

Google का कहना है कि इस अपडेट में कैमरे के कोणों और दृश्यों के बीच बदलाव के दौरान चेहरे, कपड़ों, पैकेजिंग पर लिखे अक्षरों और ब्रांड के रंगों को पहले से बेहतर ढंग से एक जैसा बनाए रखा जाता है, और दृश्य में भटकाव या आकृतियों के बदलने की समस्या कम होती है। साथ ही, इसमें होंठों की हरकत और आवाज़ का तालमेल अधिक स्पष्ट, संवाद अधिक स्वाभाविक, कई वक्ताओं के लिए अलग-अलग कंडीशनिंग और कम अनचाहे जंप कट के साथ कैमरे की निरंतर गति मिलती है।

Google DeepMind के आमने-सामने के मूल्यांकन में, टेक्स्ट से वीडियो बनाने की जाँच के दौरान, दृश्यगत एकरूपता के मामले में Omni 1.2 को 62% और Omni 1.1 को 38% बार बेहतर पाया गया। संदर्भ से वीडियो बनाने की तुलना में, कई संदर्भों के आधार पर पहचान की एकरूपता के मामले में 1.2 को 63% और 1.1 को 37% बार बेहतर पाया गया।

इसके अलावा, कुछ स्पष्ट तकनीकी सीमाएँ भी हैं। तेज़ रफ़्तार वाले खेलों की गतिविधियों, पटकथा में तेज़ी से होने वाले बदलावों और जटिल भौतिकी पर विकास का काम जारी है। Gemini API अंग्रेज़ी को पूरी तरह समर्थित करता है, लेकिन अन्य भाषाओं का मूल्यांकन नहीं किया गया है। मौजूदा API में आवाज़ संपादित करना, अपलोड की गई ऑडियो फ़ाइलों को इनपुट के रूप में इस्तेमाल करना और ऑडियो संदर्भ देना समर्थित नहीं है। वीडियो बनाने में लगने वाला समय उसकी अवधि, रिज़ॉल्यूशन और API पर लोड के अनुसार बदलता है। प्रॉम्प्ट और तैयार किए गए वीडियो पर सुरक्षा फ़िल्टर भी लागू होते हैं।

उपलब्धता और व्यावसायिक उपयोग

डेवलपर Google AI Studio में प्रोटोटाइप बना सकते हैं और भुगतान वाले Gemini API का इस्तेमाल कर सकते हैं। व्यापक उपलब्धता में दृश्य निर्देशन और कई चरणों वाले संपादन के लिए Flow, Google खाते या Workspace सदस्यता के साथ बिना अतिरिक्त शुल्क Google Vids में लंबे क्लिप, Google AI Ultra ग्राहकों के लिए Gemini ऐप की उपलब्धता और Google Ads में अभियान तैयार करने की सुविधा शामिल है। API के ज़रिए तैयार किए गए हर वीडियो में अदृश्य SynthID वॉटरमार्क होता है, जिसे स्रोत की पुष्टि के लिए प्रोग्राम के माध्यम से पहचाना जा सकता है।

Google Cloud की व्यापक उपलब्धता की घोषणा में कंसोल और API तक पहुँच, एंटरप्राइज़-स्तर का बुनियादी ढाँचा और सुरक्षा, तथा Provisioned Throughput शामिल हैं; ऑडियो संदर्भों का इस्तेमाल केवल allowlist में शामिल उपयोगकर्ताओं के लिए उपलब्ध है। Photoroom के मुख्य कार्यकारी अधिकारी Matt Rouif ने कहा कि उपयोगकर्ता लंबे वीडियो बनाने की सुविधा की लगातार माँग कर रहे थे और सेवा-स्तर समझौतों के साथ व्यापक उपलब्धता से कंपनी को विक्रेताओं और एंटरप्राइज़ ग्राहकों के लिए Gemini Omni Flash पर उत्पादन में भरोसा करने का अवसर मिलेगा। यह मॉडल Photoroom के Video Ad Maker और Product Animator को शक्ति देता है।

यह रिलीज़ कम कीमतों को उत्पादन की बदली हुई प्रक्रिया से जोड़ती है: हर बार वीडियो को नए सिरे से बनाने के बजाय लक्षित बदलाव किए जा सकते हैं, और उच्च रिज़ॉल्यूशन में रेंडरिंग केवल चुने हुए आउटपुट के लिए रखी जा सकती है। इसलिए उत्पादन में इसका मूल्य बताई गई एकरूपता संबंधी बढ़त पर निर्भर करता है, क्योंकि बदलावों के दौरान किरदारों, उत्पादों और दृश्यों को बनाए रखने से ही बार-बार संपादन करना नए सिरे से शुरुआत करने का व्यावहारिक विकल्प बनता है।