Моделі та платформи ШІ
Gemini Omni 1.2 Flash від Google стає загальнодоступною
Додайте Unite.AI до бажаних джерел у Google
5 листопада 2026 року Google оголосила про Gemini Omni 1.2 Flash і зробила модель для генерування та редагування відео загальнодоступною. Оновлення збільшує максимальну тривалість кліпу до 15 секунд, додає багатокрокове редагування в діалоговому режимі та знижує ціну на відео у форматі 720p на 30% — приблизно до $0,07 за секунду.
Модель створює відео із синхронізованим оригінальним аудіо на основі тексту, зображень і відео. Додаткова тривалість має дати змогу вмістити цілі історії, пояснювальні ролики про продукти та повноцінні рекламні відео для соцмереж у межах однієї генерації.
Довші кліпи та редагування в діалоговому режимі
У документації для розробників зазначено, що можна задавати тривалість цілою кількістю секунд від 3 до 15; для Omni 1.1 максимум становив 10 секунд. Типове значення — 10 секунд. За замовчуванням відео генерується у форматі 720p із горизонтальним співвідношенням сторін 16:9; також підтримується вертикальний формат 9:16. Команди можуть створювати чернетки у форматі 360p або 720p, а вибрані результати збільшувати до 1080p або 4K.
Редагування в діалоговому режимі дає змогу замінювати продукт або тло, змінювати освітлення чи погоду, а також перемикати співвідношення сторін, зберігаючи незмінними елементи, про які не йшлося. Ідентифікатор попередньої взаємодії зберігає контекст між запитами до API, тож завантажувати попереднє відео знову не потрібно. У кожному запиті також можна використовувати до шести референсних зображень, зокрема до трьох зображень для кожного персонажа — максимум для двох персонажів.
Продовження відео — окрема функція, не пов’язана зі створенням відео з нуля: вона додає від 3 до 10 секунд за один крок, використовуючи останні 10 секунд як контекст, і дає змогу збільшити загальну тривалість відео максимум до 30 секунд. Додати кадри на початку чи вставити матеріал посередині кліпу не можна, а інтерполяція між першим і останнім кадрами доступна лише для відео тривалістю від 3 до 10 секунд.
Ціни та перехід на нову версію
У платній версії Gemini API ціна становить $12 за мільйон токенів відеовиходу; тарифікація відбувається з розрахунку 5 792 токени за секунду відео у форматі 720p. Зазначена вартість кліпу тривалістю 10 секунд — приблизно $0,70, а 15 секунд — $1,04. Вхідні текст, зображення та відео коштують $1,50 за мільйон токенів, а безкоштовний тариф не передбачає доступу до моделі.
Gemini Omni 1.1 Flash залишатиметься доступною протягом чотиритижневого перехідного періоду. 3 грудня 2026 року запити до API для версії 1.1 автоматично перенаправлятимуться на версію 1.2 без змін у коді й оплачуватимуться за нижчими тарифами версії 1.2. Отже, для наявних інтеграцій визначено дату переходу, але негайно переписувати їх не потрібно.
Заявлені переваги якості та обмеження для виробництва
За словами Google, оновлення краще зберігає обличчя, одяг, типографіку на пакованні та кольори бренду під час зміни ракурсів камери й переходів, зменшуючи візуальні відхилення та деформації. Крім того, воно забезпечує чіткішу синхронізацію рухів губ із мовленням, природніші діалоги, окреме керування умовами для кількох мовців і безперервний рух камери з меншою кількістю небажаних різких склейок.
За результатами порівняльного оцінювання пліч-о-пліч, проведеного Google DeepMind, у тестуванні перетворення тексту на відео візуальна узгодженість Omni 1.2 була кращою у 62% випадків, тоді як Omni 1.1 — у 38%. У порівнянні перетворення референсів на відео показник узгодженості ідентичності за кількома референсами становив 63% для версії 1.2 проти 37% для версії 1.1.
Є також чітко визначені технічні обмеження. Робота над швидкими спортивними рухами, стрімкими змінами сценарію та складною фізикою триває. Gemini API повністю підтримує англійську мову, але для інших мов оцінювання ще не проводили. Нинішня версія API не підтримує редагування голосу, завантаження аудіо як вхідних даних і використання аудіореференсів. Час генерування залежить від тривалості, роздільної здатності та навантаження на API; до запитів і згенерованих відео застосовуються фільтри безпеки.
Доступність і використання у виробництві
Розробники можуть створювати прототипи в Google AI Studio та користуватися платною версією Gemini API. Ширше впровадження охоплює Flow для керування сценами й багатокрокового редагування, довші кліпи в Google Vids без додаткової оплати за наявності облікового запису Google або підписки Workspace, поступове надання доступу до застосунку Gemini передплатникам Google AI Ultra, а також створення рекламних кампаній у Google Ads. Кожне відео, створене через API, містить невидимий водяний знак SynthID, який можна виявити програмно для перевірки походження відео.
В оголошенні Google Cloud про загальну доступність йдеться про доступ через консоль та API, корпоративну інфраструктуру й безпеку, а також Provisioned Throughput; доступ до аудіореференсів надається лише після внесення до списку дозволених. Генеральний директор Photoroom Метт Руїф сказав, що збільшення максимальної тривалості генерації було одним із найчастіших запитів користувачів, а загальна доступність і угоди про рівень обслуговування дадуть компанії змогу покладатися на Gemini Omni Flash у виробничих процесах для продавців і корпоративних клієнтів. Модель забезпечує роботу Video Ad Maker і Product Animator від Photoroom.
У релізі нижчі ціни пов’язано зі зміною виробничого циклу: замість повної повторної генерації можна вносити цільові правки, а рендеринг із вищою роздільною здатністю залишити для окремо вибраних результатів. Тож виробнича цінність моделі залежить від заявленого покращення узгодженості: саме здатність зберігати персонажів, продукти й сцени під час редагування робить ітеративне внесення змін практичною альтернативою створенню з нуля.
