Google lance Gemini Omni 1.2 Flash, clips allongés et tarif réduit de 30 %

Google a présenté le jeudi 5 novembre, dans un billet de blog, Gemini Omni 1.2 Flash, la nouvelle version de son modèle de génération vidéo, disponible dans l'API Gemini et dans les services destinés aux entreprises. La durée maximale générée d'un seul bloc passe de dix à quinze secondes, et le tarif du 720p descend à 0,07 dollar la seconde, soit 30 % de moins que la version 1.1, sortie le 27 août. Pour un modèle vidéo que Google dit avoir conçu pour les entreprises, les développeurs et les créateurs travaillant à grande échelle — notamment pour des publicités de réseaux sociaux —, l'annonce porte sur deux paramètres qui commandent le coût d'un clip finalisé : la longueur utile d'une génération et le prix de la seconde.

Le réglage de la durée se fait désormais à la seconde près, entre trois et quinze secondes, précise le média français Frandroid, qui rappelle que la version 1.1 savait déjà dépasser les dix secondes, mais en prolongeant par étapes une scène déjà générée. Selon Google, cité par le même média, ces cinq secondes supplémentaires suffisent à produire une publicité complète pour les réseaux sociaux en une seule génération. Un clip de quinze secondes revient ainsi à un peu plus d'un dollar, soit à peu près ce que coûtait un clip de dix secondes avec la version précédente. Google conseille en outre de travailler en 360p ou 720p, de corriger un détail par une nouvelle consigne plutôt que de tout régénérer, puis de ne passer en 1080p ou en 4K que la meilleure prise ; le passage en 4K est facturé environ 0,21 dollar la seconde, trois fois le prix du 720p, selon Frandroid.

Le modèle accepte en entrée des images de personnage, de produit ou de style, des extraits vidéo de trois secondes au maximum et des indices sonores. D'après Google, les visages, les vêtements, le texte des emballages et les couleurs de marque restent stables d'un angle de caméra à l'autre, et l'édition par conversation, désormais possible en plusieurs tours sur des clips entiers de quinze secondes, permet de changer décor, lumière, météo ou format d'image sans repartir de zéro. Le son a été retravaillé — dialogues plus naturels, synchronisation labiale, plusieurs personnages dotés chacun de leur voix —, comme les mouvements de caméra continus, du type vol en vue subjective ou long zoom arrière. L'entreprise reconnaît toutefois des faiblesses persistantes sur les actions sportives rapides, les changements soudains de scénario et la physique complexe ; Frandroid souligne que ces progrès reposent sur des démonstrations choisies par Google, qui ne fournit aucun score chiffré face aux modèles concurrents.

Le déploiement, entamé le 5 novembre, varie selon les services : les clips de quinze secondes arrivent progressivement dans l'application Gemini chez les abonnés Google AI Ultra, sont proposés sans surcoût dans Google Vids avec un compte Google ou un abonnement Workspace, et apparaissent dans Flow comme dans Google Ads. Les développeurs peuvent tester le modèle dans Google AI Studio et l'utiliser via l'API Gemini ; les entreprises y accèdent par la console Google Cloud, avec l'infrastructure et les garanties de sécurité du cloud de Google et un débit provisionné. Chaque vidéo générée porte un filigrane numérique invisible, SynthID. Le prochain jalon vérifiable est la mise à disposition progressive auprès des abonnés Google AI Ultra, service par service.