Google Gemini Omni 1.2 Flash blir allmänt tillgänglig

Google tillkännagav Gemini Omni 1.2 Flash den 5 november 2026 och gjorde därmed modellen för videogenerering och videoredigering allmänt tillgänglig. Uppdateringen ökar den inbyggda klipplängden till 15 sekunder, lägger till konversationsbaserad redigering i flera omgångar och sänker priset för 720p med 30 procent till cirka 0,07 dollar per sekund.

Modellen genererar synkroniserad video och inbyggt ljud från text-, bild- och videoindata. Den längre körtiden är tänkt att göra det möjligt att få med hela berättelser, produktförklaringar och kompletta annonser för sociala medier i en enda generering.

Längre klipp och konversationsbaserad redigering

Utvecklardokumentationen anger stöd för klipplängder i hela sekunder från 3 till 15 sekunder, jämfört med en maximal längd på 10 sekunder för Omni 1.1, och standardlängden är 10 sekunder. Standardinställningen för utdata är 720p i liggande format med bildförhållandet 16:9; även stående format med bildförhållandet 9:16 stöds. Team kan skapa utkast i 360p eller 720p och skala upp utvalda resultat till 1080p eller 4K.

Med konversationsbaserad redigering går det att byta ut en produkt eller bakgrund, ändra belysning eller väderförhållanden och byta bildförhållande, samtidigt som element som inte nämns lämnas oförändrade. En identifierare för tidigare interaktion bevarar sammanhanget mellan API-anrop, så att den föregående videon inte behöver laddas upp igen. Varje anrop kan också använda upp till sex referensbilder, däribland upp till tre bilder per figur för upp till två figurer.

Videoförlängning är separat från inbyggd generering: den lägger till 3 till 10 sekunder per omgång, använder de sista 10 sekunderna som sammanhang och kan ge en total längd på upp till 30 sekunder. Det går inte att lägga till filmsekvenser i början eller infoga material mitt i ett klipp, och interpolering mellan den första och sista bildrutan är fortfarande begränsad till utdata på 3 till 10 sekunder.

Priser och övergång

För den betalda Gemini API-tjänsten är priset 12 dollar per miljon videotoken i utdata, med debitering baserad på 5 792 token per sekund 720p-video. De angivna kostnaderna är cirka 0,70 dollar för ett klipp på 10 sekunder och 1,04 dollar för ett klipp på 15 sekunder. Indata i form av text, bilder och video kostar 1,50 dollar per miljon token, och modellen ingår inte i gratisnivån.

Gemini Omni 1.1 Flash är fortsatt tillgänglig under en övergångsperiod på fyra veckor. Den 3 december 2026 kommer API-anrop till 1.1 automatiskt att dirigeras om till 1.2 utan kodändringar och debiteras enligt de lägre priserna för 1.2. Befintliga integrationer får därmed ett fastställt migreringsdatum utan att behöva skrivas om omedelbart.

Kvalitetspåståenden och begränsningar i produktion

Google uppger att uppdateringen bättre bevarar ansikten, kläder, text på förpackningar och varumärkesfärger mellan olika kameravinklar och övergångar, med mindre visuell förskjutning eller förvandling. Den ger också tydligare läppsynkronisering, naturligare dialog, tydligare åtskillnad mellan flera talare och kontinuerliga kamerarörelser med färre oönskade klipphopp.

I jämförelser sida vid sida från Google DeepMind hade Omni 1.2 en vinstfrekvens på 62 procent mot 38 procent för Omni 1.1 i tester av text till video, när det gällde visuell konsekvens. I jämförelsen av referens till video hade 1.2 en vinstfrekvens på 63 procent mot 37 procent för konsekvent identitet med flera referenser.

Det finns också uttryckliga tekniska begränsningar. Utvecklingen fortsätter när det gäller snabba sportförlopp, snabba manusändringar och komplex fysik. Gemini API har fullt stöd för engelska, men andra språk har inte utvärderats. Röstredigering, uppladdade ljudindata och ljudreferenser stöds inte i det nuvarande API:et. Genereringstiden varierar beroende på längd, upplösning och API-belastning, och säkerhetsfilter tillämpas på både uppmaningar och genererad video.

Tillgänglighet och användning i produktion

Utvecklare kan skapa prototyper i Google AI Studio och använda det betalda Gemini API. Den bredare lanseringen omfattar Flow för scenstyrning och redigering i flera omgångar, längre klipp i Google Vids utan extra kostnad för användare med ett Google-konto eller en Workspace-prenumeration, lansering av Gemini-appen för Google AI Ultra-prenumeranter samt kampanjskapande i Google Ads. Varje video som genereras via API:et har en osynlig SynthID-vattenstämpel som kan upptäckas automatiskt för att verifiera ursprunget.

Google Clouds tillkännagivande om allmän tillgänglighet omfattar åtkomst via konsolen och API:et, infrastruktur och säkerhet för företag samt Provisioned Throughput; ljudreferenser är endast tillgängliga efter godkännande genom en tillåtelselista. Photorooms vd Matt Rouif sade att användarna länge hade efterfrågat en högre maximal genereringslängd och att allmän tillgänglighet med servicenivåavtal skulle göra det möjligt för företaget att förlita sig på Gemini Omni Flash i produktion för säljare och företagskunder. Modellen driver Photorooms Video Ad Maker och Product Animator.

Lanseringen kopplar de lägre priserna till ett förändrat produktionsflöde: riktade revideringar kan ersätta fullständiga omgenereringar, och rendering med högre upplösning kan reserveras för utvalda resultat. Produktionsvärdet bygger därför på de rapporterade förbättringarna av konsekvensen, eftersom det är förmågan att bevara figurer, produkter och scener mellan revideringar som gör iterativ redigering till ett praktiskt alternativ till att börja om.