Gemini Omni 1.2 Flash, do Google, chega à disponibilidade geral

O Google anunciou o Gemini Omni 1.2 Flash em 5 de novembro de 2026, disponibilizando para todos o modelo de geração e edição de vídeos. A atualização aumenta a duração nativa dos clipes para 15 segundos, adiciona edição conversacional em várias etapas e reduz em 30% o preço de vídeos em 720p, para aproximadamente $0.07 por segundo.

O modelo gera vídeos sincronizados com áudio nativo a partir de entradas de texto, imagem e vídeo. O tempo adicional de geração foi pensado para permitir criar histórias completas, vídeos explicativos de produtos e anúncios completos para redes sociais em uma única geração.

Clipes mais longos e edição conversacional

A documentação para desenvolvedores permite definir durações em segundos inteiros de 3 a 15 segundos, em comparação com o limite máximo de 10 segundos do Omni 1.1, e usa 10 segundos como duração padrão. A saída padrão é 720p, no formato paisagem 16:9, com suporte também ao formato retrato 9:16. As equipes podem criar rascunhos em 360p ou 720p e aumentar a resolução dos resultados selecionados para 1080p ou 4K.

A edição conversacional pode substituir um produto ou o plano de fundo, alterar a iluminação ou o clima, ou mudar a proporção da imagem, mantendo intactos os elementos não mencionados. Um identificador da interação anterior preserva o contexto entre solicitações à API, de modo que não é necessário enviar o vídeo anterior novamente. Cada solicitação também pode usar até seis imagens de referência, incluindo até três imagens por personagem, para até dois personagens.

A extensão de vídeo é separada da geração nativa: ela acrescenta de 3 a 10 segundos por etapa, usando os 10 segundos finais como contexto, até o limite total de 30 segundos. Não é possível acrescentar cenas ao início da filmagem nem inserir material no meio do clipe, e a interpolação entre o primeiro e o último quadro continua limitada a saídas de 3 a 10 segundos.

Preços e migração

Na versão paga da API Gemini, o preço é de $12 por milhão de tokens de saída de vídeo, com cobrança calculada à taxa de 5,792 tokens por segundo de vídeo em 720p. Os custos indicados são de aproximadamente $0.70 por um clipe de 10 segundos e $1.04 por um clipe de 15 segundos. A entrada de texto, imagem e vídeo custa $1.50 por milhão de tokens, e o modelo não está disponível no plano gratuito.

O Gemini Omni 1.1 Flash continuará disponível durante um período de transição de quatro semanas. Em 3 de dezembro de 2026, as solicitações à API para a versão 1.1 serão direcionadas automaticamente à versão 1.2, sem necessidade de alterações no código, e passarão a usar as tarifas mais baixas da versão 1.2. Assim, as integrações existentes terão uma data de migração definida, sem que seja necessário reescrevê-las imediatamente.

Alegações sobre qualidade e limites de produção

Segundo o Google, a atualização preserva melhor rostos, roupas, tipografia de embalagens e cores de marcas em diferentes ângulos de câmera e transições, com menos desvios visuais ou deformações. Também oferece sincronização labial mais nítida, diálogos mais naturais, condicionamento distinto para vários interlocutores e movimentos de câmera contínuos, com menos cortes bruscos indesejados.

As avaliações comparativas lado a lado do Google DeepMind atribuem ao Omni 1.2 uma taxa de vitória de 62% em consistência visual, contra 38% do Omni 1.1, nos testes de geração de vídeo a partir de texto. Na comparação de geração de vídeo a partir de referências, a versão 1.2 alcança uma taxa de vitória de 63% em consistência de identidade com múltiplas referências, contra 37%.

Também há limites técnicos explícitos. O desenvolvimento continua voltado a cenas de ação esportiva rápida, mudanças rápidas de roteiro e física complexa. A API Gemini oferece suporte completo ao inglês, mas outros idiomas ainda não foram avaliados. A edição de voz, o envio de entradas de áudio e as referências de áudio não são compatíveis com a API atual. O tempo de geração varia de acordo com a duração, a resolução e a carga da API, e há filtros de segurança aplicados aos comandos e aos vídeos gerados.

Disponibilidade e uso em produção

Os desenvolvedores podem criar protótipos no Google AI Studio e usar a API Gemini paga. A expansão mais ampla inclui o Flow, para direção de cenas e edições em várias etapas; clipes mais longos no Google Vids, sem custo adicional para quem tem uma conta Google ou uma assinatura do Workspace; a disponibilização do app Gemini para assinantes do Google AI Ultra; e a criação de campanhas no Google Ads. Todos os vídeos gerados pela API contêm uma marca d’água SynthID invisível, que pode ser detectada programaticamente para verificar a procedência.

O anúncio de disponibilidade geral do Google Cloud acrescenta acesso pelo console e pela API, infraestrutura e segurança empresariais e Provisioned Throughput, enquanto o acesso às referências de áudio depende de inclusão em uma lista de permissões. Matt Rouif, diretor executivo da Photoroom, afirmou que o limite maior de duração da geração era um dos pedidos mais frequentes dos usuários e que a disponibilidade geral com acordos de nível de serviço permitiria à empresa confiar no Gemini Omni Flash em produção para vendedores e clientes corporativos. O modelo alimenta o Video Ad Maker e o Product Animator da Photoroom.

O lançamento associa os preços mais baixos a uma mudança no fluxo de produção: revisões direcionadas podem substituir a geração completa de novos vídeos, e a renderização em resolução mais alta pode ser reservada para resultados selecionados. Assim, o valor do modelo para a produção depende dos ganhos de consistência relatados, já que preservar personagens, produtos e cenas entre revisões é o que torna a edição iterativa uma alternativa prática a começar do zero.