Gemini Omni 1.2 Flash của Google chính thức được cung cấp rộng rãi

Ngày 5 tháng 11 năm 2026, Google công bố Gemini Omni 1.2 Flash, đưa mô hình tạo và chỉnh sửa video này vào cung cấp rộng rãi. Bản cập nhật nâng thời lượng clip tối đa lên 15 giây, bổ sung khả năng chỉnh sửa hội thoại nhiều lượt và giảm 30% giá tạo video 720p, xuống còn khoảng 0,07 USD mỗi giây.

Mô hình tạo video đồng bộ cùng âm thanh gốc từ văn bản, hình ảnh và video đầu vào. Thời lượng bổ sung được thiết kế để có thể tạo trọn vẹn câu chuyện, video giới thiệu sản phẩm và quảng cáo trên mạng xã hội chỉ trong một lần tạo.

Clip dài hơn và chỉnh sửa bằng hội thoại

Tài liệu dành cho nhà phát triển hỗ trợ thời lượng tính theo số giây nguyên từ 3 đến 15 giây, so với giới hạn tối đa 10 giây của Omni 1.1, và mặc định là 10 giây. Đầu ra mặc định có độ phân giải 720p, tỷ lệ khung hình ngang 16:9; cũng hỗ trợ khung hình dọc 9:16. Các nhóm có thể tạo bản nháp ở độ phân giải 360p hoặc 720p rồi nâng cấp một số kết quả được chọn lên 1080p hoặc 4K.

Tính năng chỉnh sửa bằng hội thoại có thể thay thế sản phẩm hoặc phông nền, thay đổi ánh sáng hoặc thời tiết, hay chuyển đổi tỷ lệ khung hình mà vẫn giữ nguyên những yếu tố không được nhắc đến. Mã định danh tương tác trước đó giúp duy trì ngữ cảnh giữa các yêu cầu API, nhờ vậy không cần tải lên lại video trước đó. Mỗi yêu cầu cũng có thể sử dụng tối đa sáu hình ảnh tham chiếu, trong đó có tối đa ba hình ảnh cho mỗi nhân vật và tối đa hai nhân vật.

Tính năng kéo dài video hoạt động riêng với tính năng tạo video gốc: mỗi lượt nối thêm từ 3 đến 10 giây, sử dụng 10 giây cuối làm ngữ cảnh và có thể kéo dài tổng thời lượng lên tối đa 30 giây. Tính năng này không thể thêm cảnh quay vào đầu video hoặc chèn nội dung vào giữa clip; nội suy từ khung hình đầu đến khung hình cuối vẫn chỉ áp dụng cho đầu ra dài từ 3 đến 10 giây.

Giá và lộ trình chuyển đổi

Với Gemini API trả phí, mức giá là 12 USD cho mỗi triệu token đầu ra video, tính theo mức 5.792 token cho mỗi giây video 720p. Chi phí được niêm yết là khoảng 0,70 USD cho clip 10 giây và 1,04 USD cho clip 15 giây. Đầu vào dạng văn bản, hình ảnh và video có giá 1,50 USD cho mỗi triệu token; mô hình không khả dụng ở gói miễn phí.

Gemini Omni 1.1 Flash vẫn khả dụng trong giai đoạn chuyển đổi kéo dài bốn tuần. Vào ngày 3 tháng 12 năm 2026, các yêu cầu API gửi đến phiên bản 1.1 sẽ tự động được chuyển sang phiên bản 1.2 mà không cần thay đổi mã và sẽ áp dụng mức giá thấp hơn của phiên bản 1.2. Vì vậy, các tích hợp hiện có sẽ có ngày chuyển đổi cụ thể mà không cần viết lại ngay.

Tuyên bố về chất lượng và giới hạn trong quá trình sản xuất

Google cho biết bản cập nhật giúp duy trì tốt hơn đặc điểm khuôn mặt, trang phục, kiểu chữ trên bao bì và màu sắc thương hiệu qua các góc máy và cảnh chuyển tiếp, đồng thời giảm hiện tượng hình ảnh biến đổi hoặc sai lệch. Bản cập nhật cũng cải thiện độ rõ của chuyển động khớp môi, giúp lời thoại tự nhiên hơn, phân biệt rõ điều kiện tạo cho nhiều người nói và duy trì chuyển động máy quay liên tục với ít cảnh cắt nhảy ngoài ý muốn hơn.

Các đánh giá đối chiếu song song của Google DeepMind cho thấy Omni 1.2 đạt tỷ lệ chiến thắng 62% về tính nhất quán hình ảnh, so với 38% của Omni 1.1 trong thử nghiệm chuyển văn bản thành video. Trong phép so sánh chuyển hình ảnh tham chiếu thành video, phiên bản 1.2 đạt tỷ lệ chiến thắng 63% về tính nhất quán danh tính khi dùng nhiều hình ảnh tham chiếu, so với 37%.

Mô hình cũng có những giới hạn kỹ thuật cụ thể. Công tác phát triển vẫn đang tiếp tục đối với các cảnh thể thao có chuyển động nhanh, thay đổi kịch bản đột ngột và vật lý phức tạp. Gemini API hỗ trợ đầy đủ tiếng Anh nhưng chưa được đánh giá với các ngôn ngữ khác. API hiện tại không hỗ trợ chỉnh sửa giọng nói, đầu vào âm thanh tải lên hoặc âm thanh tham chiếu. Thời gian tạo video thay đổi tùy theo thời lượng, độ phân giải và tải của API; các bộ lọc an toàn được áp dụng cho lời nhắc và video được tạo.

Khả năng cung cấp và sử dụng trong sản xuất

Nhà phát triển có thể tạo nguyên mẫu trong Google AI Studio và sử dụng Gemini API trả phí. Đợt triển khai rộng hơn bao gồm Flow để định hướng cảnh và chỉnh sửa nhiều lượt; hỗ trợ clip dài hơn trong Google Vids mà không mất thêm phí khi dùng tài khoản Google hoặc gói đăng ký Workspace; triển khai ứng dụng Gemini cho người đăng ký Google AI Ultra; và tạo chiến dịch trong Google Ads. Mọi video được tạo qua API đều có hình mờ SynthID vô hình, có thể được phát hiện bằng phương thức lập trình để xác minh nguồn gốc.

Thông báo cung cấp rộng rãi của Google Cloud bổ sung quyền truy cập qua bảng điều khiển và API, cơ sở hạ tầng và bảo mật dành cho doanh nghiệp, cùng Provisioned Throughput; tính năng dùng âm thanh tham chiếu chỉ dành cho những tài khoản được đưa vào danh sách cho phép. Giám đốc điều hành Photoroom, Matt Rouif, cho biết giới hạn tạo video dài hơn là một trong những yêu cầu hàng đầu của người dùng, đồng thời cho biết việc cung cấp rộng rãi kèm thỏa thuận mức dịch vụ sẽ giúp công ty có thể dựa vào Gemini Omni Flash trong môi trường sản xuất để phục vụ người bán hàng và khách hàng doanh nghiệp. Mô hình này vận hành Video Ad Maker và Product Animator của Photoroom.

Bản phát hành gắn mức giá thấp hơn với một quy trình sản xuất đã thay đổi: có thể chỉnh sửa có mục tiêu thay vì tạo lại toàn bộ video, đồng thời chỉ kết xuất ở độ phân giải cao hơn cho những đầu ra được chọn. Vì vậy, giá trị của mô hình trong môi trường sản xuất phụ thuộc vào những cải thiện về tính nhất quán đã được báo cáo, bởi khả năng giữ nguyên nhân vật, sản phẩm và cảnh quay qua các lần chỉnh sửa là yếu tố giúp chỉnh sửa lặp lại trở thành lựa chọn thiết thực thay vì phải bắt đầu lại.