Gemini Omni 1.2 Flash от Google стала общедоступной

5 ноября 2026 года Google объявила о выпуске Gemini Omni 1.2 Flash и сделала модель для генерации и редактирования видео общедоступной. Обновление увеличивает максимальную продолжительность клипа до 15 секунд, добавляет многоэтапное редактирование в диалоговом режиме и снижает стоимость видео в разрешении 720p на 30% — примерно до 0,07 доллара за секунду.

Модель генерирует видео с синхронизированным звуком на основе текста, изображений и видео. Увеличенная продолжительность позволяет создавать в рамках одной генерации законченные истории, презентации продуктов и полноценные рекламные ролики для социальных сетей.

Более длинные клипы и редактирование в диалоговом режиме

В документации для разработчиков указана поддержка продолжительности от 3 до 15 секунд с шагом в одну секунду. Для сравнения, максимальная продолжительность клипов в Omni 1.1 составляла 10 секунд; по умолчанию также используется значение 10 секунд. По умолчанию видео создаётся в разрешении 720p и альбомной ориентации с соотношением сторон 16:9; поддерживается и портретная ориентация 9:16. Команды могут создавать черновики в разрешении 360p или 720p, а выбранные результаты масштабировать до 1080p или 4K.

В диалоговом режиме редактирования можно заменить продукт или фон, изменить освещение или погоду либо переключить соотношение сторон, сохранив без изменений элементы, о которых не упоминалось. Идентификатор предыдущего взаимодействия сохраняет контекст между запросами к API, поэтому загружать видео повторно не нужно. В каждом запросе также можно использовать до шести референсных изображений, в том числе до трёх изображений для каждого персонажа — максимум для двух персонажей.

Продление видео — отдельная функция, не связанная с генерацией клипов исходной продолжительности: за один этап она добавляет от 3 до 10 секунд, используя последние 10 секунд в качестве контекста, а общая продолжительность может достигать 30 секунд. Функция не позволяет добавлять видео в начало или вставлять материал в середину клипа. Интерполяция между первым и последним кадрами по-прежнему доступна только для видео продолжительностью от 3 до 10 секунд.

Цены и переход на новую версию

В платной версии Gemini API стоимость составляет 12 долларов за миллион токенов на выходе видео; тарификация ведётся из расчёта 5 792 токена за секунду видео в разрешении 720p. Указанная стоимость составляет примерно 0,70 доллара за 10-секундный клип и 1,04 доллара за 15-секундный. Входные данные — текст, изображения и видео — стоят 1,50 доллара за миллион токенов. В бесплатном тарифе модель недоступна.

Gemini Omni 1.1 Flash останется доступной в течение четырёхнедельного переходного периода. 3 декабря 2026 года запросы к API для версии 1.1 будут автоматически перенаправляться на версию 1.2 без изменения кода и тарифицироваться по более низким расценкам версии 1.2. Таким образом, для существующих интеграций определена дата перехода, но немедленно переписывать их не потребуется.

Заявления о качестве и ограничения при использовании в производстве

По словам Google, обновлённая модель лучше сохраняет лица, одежду, типографику на упаковке и фирменные цвета при смене ракурсов камеры и переходах, уменьшая визуальные искажения и морфинг. Кроме того, она обеспечивает более чёткую синхронизацию движений губ с речью, более естественные диалоги, раздельное управление несколькими говорящими и непрерывное движение камеры с меньшим количеством нежелательных резких склеек.

В сравнительных оценках Google DeepMind Omni 1.2 получает преимущество в 62% случаев по визуальной согласованности против 38% у Omni 1.1 при тестировании генерации видео по тексту. В сравнении генерации видео по референсам версия 1.2 выигрывает в 63% случаев по согласованности идентичности объектов при использовании нескольких референсов против 37%.

Есть и чётко обозначенные технические ограничения. Разработчики продолжают совершенствовать модель для обработки динамичных спортивных сцен, быстрых изменений сценария и сложной физики. Gemini API полностью поддерживает английский язык, но другие языки пока не оценивались. Текущая версия API не поддерживает редактирование голоса, загрузку аудиофайлов и аудиореференсы. Время генерации зависит от продолжительности видео, разрешения и нагрузки на API. К запросам и сгенерированному видео применяются фильтры безопасности.

Доступность и применение в производстве

Разработчики могут создавать прототипы в Google AI Studio и пользоваться платной версией Gemini API. Более широкий запуск охватывает Flow для управления сценами и многоэтапного редактирования; создание более длинных клипов в Google Vids без дополнительной платы при наличии аккаунта Google или подписки Workspace; запуск приложения Gemini для подписчиков Google AI Ultra; а также создание рекламных кампаний в Google Ads. На каждом видео, созданном через API, есть невидимый водяной знак SynthID, который можно обнаружить программными средствами для проверки происхождения контента.

В объявлении Google Cloud о запуске в общем доступе указаны доступ через консоль и API, корпоративная инфраструктура и безопасность, а также Provisioned Throughput; доступ к аудиореференсам предоставляется только по списку допущенных пользователей. Генеральный директор Photoroom Мэтт Руиф сказал, что увеличение максимальной продолжительности генерации было одним из самых востребованных пользователями изменений, а общая доступность модели и соглашения об уровне обслуживания позволят компании использовать Gemini Omni Flash в производстве для продавцов и корпоративных клиентов. Модель лежит в основе продуктов Photoroom Video Ad Maker и Product Animator.

Выпуск модели связывает снижение цен с изменением производственного процесса: вместо полной повторной генерации можно вносить точечные правки, а рендеринг в более высоком разрешении оставлять для выбранных результатов. Поэтому практическая ценность модели в производстве зависит от заявленного повышения согласованности: возможность сохранять персонажей, продукты и сцены при внесении изменений делает итеративное редактирование практичной альтернативой созданию видео с нуля.