Gemini Omni 1.2 Flash de la Google ajunge la disponibilitate generală

Google a anunțat Gemini Omni 1.2 Flash pe 5 noiembrie 2026, punând la dispoziție pe scară largă modelul de generare și editare video. Actualizarea extinde durata nativă a clipurilor la 15 secunde, adaugă editarea conversațională cu mai multe runde și reduce cu 30% prețul pentru 720p, până la aproximativ 0,07 USD pe secundă.

Modelul generează videoclipuri cu sunet nativ sincronizat, pornind de la intrări textuale, imagini și videoclipuri. Durata suplimentară este concepută pentru a permite includerea unor povești complete, a prezentărilor explicative de produse și a spoturilor publicitare complete pentru rețelele sociale într-o singură generare.

Clipuri mai lungi și editare conversațională

Documentația pentru dezvoltatori permite durate în secunde întregi, de la 3 la 15 secunde, față de durata maximă de 10 secunde pentru Omni 1.1, și folosește 10 secunde ca valoare implicită. Rezoluția implicită a rezultatului este 720p, în format peisaj 16:9, fiind acceptat și formatul portret 9:16. Echipele pot crea schițe la 360p sau 720p și pot mări rezoluția rezultatelor selectate la 1080p sau 4K.

Editarea conversațională poate înlocui un produs sau un fundal, modifica iluminarea sau vremea ori schimba raportul de aspect, păstrând intacte elementele care nu sunt menționate. Un identificator al interacțiunii anterioare păstrează contextul între solicitările API, astfel încât videoclipul anterior nu trebuie încărcat din nou. Fiecare solicitare poate folosi și până la șase imagini de referință, inclusiv cel mult trei imagini pentru fiecare personaj, pentru maximum două personaje.

Extinderea videoclipului este separată de generarea nativă: adaugă între 3 și 10 secunde la fiecare rundă, folosind ultimele 10 secunde drept context, până la o durată totală de 30 de secunde. Nu poate adăuga secvențe la începutul videoclipului sau insera material în mijlocul unui clip, iar interpolarea dintre primul și ultimul cadru rămâne limitată la rezultate cu durata între 3 și 10 secunde.

Prețuri și migrare

În versiunea cu plată a Gemini API, prețul este de 12 USD pentru fiecare milion de tokeni generați video, calculați la o rată de 5.792 de tokeni pe secundă de videoclip la 720p. Costurile indicate sunt de aproximativ 0,70 USD pentru un clip de 10 secunde și 1,04 USD pentru unul de 15 secunde. Intrările textuale, de imagine și video costă 1,50 USD pentru fiecare milion de tokeni, iar modelul nu este disponibil în versiunea gratuită.

Gemini Omni 1.1 Flash va rămâne disponibil pe durata unei perioade de tranziție de patru săptămâni. La 3 decembrie 2026, solicitările API către versiunea 1.1 vor fi redirecționate automat către versiunea 1.2, fără modificări de cod, și vor beneficia de tarifele mai mici ale versiunii 1.2. Astfel, integrările existente au o dată de migrare stabilită, fără să fie necesară rescrierea imediată a codului.

Afirmații privind calitatea și limitele utilizării în producție

Google afirmă că actualizarea păstrează mai bine fețele, articolele vestimentare, tipografia de pe ambalaje și culorile mărcilor în diferite unghiuri de filmare și tranziții, cu mai puține variații sau deformări vizuale. Totodată, oferă o sincronizare mai clară a mișcărilor buzelor, dialoguri mai naturale, condiționare distinctă pentru mai mulți vorbitori și mișcări continue ale camerei, cu mai puține tăieturi bruște nedorite.

Evaluările comparative ale Google DeepMind acordă modelului Omni 1.2 o rată de victorie de 62% pentru consecvența vizuală, față de 38% pentru Omni 1.1, în testarea text-video. În comparația de la referință la videoclip, versiunea 1.2 obține o rată de victorie de 63% pentru consecvența identității cu mai multe referințe, față de 37%.

Există și limite tehnice explicite. Dezvoltarea continuă în ceea ce privește acțiunile sportive rapide, schimbările rapide de scenariu și fizica complexă. Gemini API oferă suport complet pentru limba engleză, însă celelalte limbi nu au fost evaluate. Editarea vocii, intrările audio încărcate și referințele audio nu sunt acceptate în versiunea actuală a API-ului. Timpul de generare variază în funcție de durată, rezoluție și încărcarea API-ului, iar filtrele de siguranță se aplică solicitărilor și videoclipurilor generate.

Disponibilitate și utilizare în producție

Dezvoltatorii pot crea prototipuri în Google AI Studio și pot folosi versiunea cu plată a Gemini API. Lansarea extinsă include Flow pentru regia scenelor și editarea în mai multe runde; clipuri mai lungi în Google Vids, fără costuri suplimentare, cu un cont Google sau un abonament Workspace; lansarea aplicației Gemini pentru abonații Google AI Ultra; și crearea de campanii în Google Ads. Fiecare videoclip generat prin API include un filigran SynthID invizibil, care poate fi detectat programatic pentru verificarea provenienței.

Anunțul Google Cloud privind disponibilitatea generală adaugă acces prin consolă și API, infrastructură și securitate pentru companii, precum și Provisioned Throughput, în timp ce accesul la referințele audio este condiționat de includerea pe o listă de permisiuni. Matt Rouif, directorul general al Photoroom, a declarat că limita extinsă de generare era una dintre cele mai solicitate funcții de către utilizatori și că disponibilitatea generală, împreună cu acordurile privind nivelul serviciilor, ar permite companiei să se bazeze în producție pe Gemini Omni Flash pentru vânzători și clienți din mediul de afaceri. Modelul stă la baza produselor Video Ad Maker și Product Animator ale Photoroom.

Lansarea leagă prețurile mai mici de un flux de producție schimbat: modificările punctuale pot înlocui regenerările complete, iar redarea la rezoluții mai mari poate fi rezervată rezultatelor selectate. Prin urmare, valoarea modelului în producție se bazează pe îmbunătățirile raportate privind consecvența, deoarece păstrarea personajelor, produselor și scenelor de la o revizie la alta face din editarea iterativă o alternativă practică la reluarea procesului de la zero.