Gemini Omni 1.2 Flash di Google raggiunge la disponibilità generale

Google ha annunciato Gemini Omni 1.2 Flash il 5 novembre 2026, rendendo disponibile a tutti il modello per la generazione e l’editing video. L’aggiornamento porta a 15 secondi la durata nativa delle clip, introduce l’editing conversazionale su più turni e riduce del 30% il prezzo dei video a 720p, portandolo a circa 0,07 $ al secondo.

Il modello genera video sincronizzati con audio nativo a partire da input testuali, immagini e video. La maggiore durata è pensata per permettere di creare in un’unica generazione storie complete, video esplicativi sui prodotti e interi spot pubblicitari per i social.

Clip più lunghe e editing conversazionale

La documentazione per gli sviluppatori supporta durate a secondi interi da 3 a 15 secondi, rispetto al limite massimo di 10 secondi di Omni 1.1, e imposta 10 secondi come durata predefinita. L’output predefinito è a 720p in formato orizzontale 16:9; è supportato anche il formato verticale 9:16. I team possono creare bozze a 360p o 720p e aumentare la risoluzione dei risultati selezionati a 1080p o 4K.

L’editing conversazionale consente di sostituire un prodotto o uno sfondo, modificare l’illuminazione o le condizioni meteorologiche oppure cambiare le proporzioni, lasciando invariati gli elementi non menzionati. Un identificatore dell’interazione precedente conserva il contesto tra le richieste API, così non è necessario caricare di nuovo il video precedente. Ogni richiesta può inoltre includere fino a sei immagini di riferimento, tra cui un massimo di tre immagini per ciascun personaggio, per un massimo di due personaggi.

L’estensione video è distinta dalla generazione nativa: aggiunge da 3 a 10 secondi per turno, usando come contesto gli ultimi 10 secondi, fino a un massimo complessivo di 30 secondi. Non può aggiungere sequenze all’inizio del video né inserire materiale al suo interno; inoltre, l’interpolazione tra il primo e l’ultimo fotogramma resta limitata a output da 3 a 10 secondi.

Prezzi e migrazione

Nell’API Gemini a pagamento, il prezzo è di 12 $ per milione di token generati per i video, conteggiati a una velocità di 5.792 token per secondo di video a 720p. I costi indicati sono di circa 0,70 $ per una clip di 10 secondi e di 1,04 $ per una clip di 15 secondi. Gli input testuali, le immagini e i video costano 1,50 $ per milione di token; il modello non è disponibile nel piano gratuito.

Gemini Omni 1.1 Flash resterà disponibile durante una fase di transizione di quattro settimane. Il 3 dicembre 2026, le richieste API dirette alla versione 1.1 saranno instradate automaticamente alla 1.2 senza modifiche al codice e usufruiranno delle tariffe più basse della 1.2. Le integrazioni esistenti avranno quindi una data di migrazione prestabilita, senza dover essere riscritte subito.

Dichiarazioni sulla qualità e limiti per la produzione

Secondo Google, l’aggiornamento mantiene meglio la coerenza di volti, abiti, testi sulle confezioni e colori del marchio tra diverse angolazioni di ripresa e transizioni, riducendo le derive visive e le deformazioni. Offre inoltre una sincronizzazione labiale più nitida, dialoghi più naturali, una resa distinta per i diversi interlocutori e movimenti di camera continui, con meno stacchi improvvisi indesiderati.

Le valutazioni comparative affiancate di Google DeepMind attribuiscono a Omni 1.2 un tasso di vittoria del 62% in termini di coerenza visiva, contro il 38% di Omni 1.1 nei test di generazione video da testo. Nel confronto di generazione video da immagini di riferimento, la versione 1.2 raggiunge un tasso di vittoria del 63% per la coerenza dell’identità con più riferimenti, contro il 37%.

Sono previsti anche limiti tecnici espliciti. Lo sviluppo prosegue per migliorare la gestione di azioni sportive rapide, cambiamenti repentini di copione e fenomeni fisici complessi. L’API Gemini supporta pienamente l’inglese, ma le altre lingue non sono state valutate. L’API attuale non supporta l’editing vocale, gli input audio caricati né i riferimenti audio. I tempi di generazione variano in base alla durata, alla risoluzione e al carico dell’API; inoltre, ai prompt e ai video generati si applicano filtri di sicurezza.

Disponibilità e utilizzo in produzione

Gli sviluppatori possono realizzare prototipi in Google AI Studio e utilizzare l’API Gemini a pagamento. La distribuzione più ampia include Flow, per dirigere le scene e apportare modifiche su più turni; clip più lunghe in Google Vids senza costi aggiuntivi, con un account Google o un abbonamento Workspace; la distribuzione dell’app Gemini agli abbonati a Google AI Ultra; e la creazione di campagne in Google Ads. Ogni video generato tramite l’API contiene una filigrana SynthID invisibile, rilevabile in modo automatico per verificarne la provenienza.

L’annuncio della disponibilità generale di Google Cloud aggiunge l’accesso tramite console e API, infrastruttura e sicurezza di livello enterprise e Provisioned Throughput; i riferimenti audio sono disponibili solo previa autorizzazione. Matt Rouif, amministratore delegato di Photoroom, ha dichiarato che il limite di generazione più lungo era tra le funzionalità più richieste dagli utenti e che la disponibilità generale con accordi sui livelli di servizio avrebbe permesso all’azienda di affidarsi a Gemini Omni Flash in produzione per venditori e clienti enterprise. Il modello alimenta Video Ad Maker e Product Animator di Photoroom.

Il rilascio associa la riduzione dei prezzi a un cambiamento del flusso di lavoro in produzione: le modifiche mirate possono sostituire la rigenerazione completa e il rendering a risoluzione più alta può essere riservato agli output selezionati. Il valore del modello in produzione dipende quindi dai miglioramenti dichiarati in termini di coerenza, perché è la capacità di mantenere invariati personaggi, prodotti e scene tra una revisione e l’altra a rendere l’editing iterativo un’alternativa concreta alla creazione da zero.