Gemini Omni 1.2 Flash: clips de 15 segundos y un 30 % menos de coste

Google presentó el 5 de noviembre Gemini Omni 1.2 Flash, la nueva versión de su modelo de generación de vídeo, que amplía de 10 a 15 segundos la duración máxima de cada clip y rebaja un 30 % el precio por segundo. El anuncio atañe al catálogo de modelos generativos de la compañía y a su explotación comercial: según Google, el modelo está diseñado para que empresas, desarrolladores y creadores produzcan vídeo a gran escala, y la firma sostiene que los cinco segundos adicionales bastan para completar un anuncio para redes sociales en una sola generación.

En la API para desarrolladores, el vídeo en 720p cuesta 0,07 dólares por segundo, frente a unos 0,10 dólares de Omni 1.1, de modo que un clip completo de 15 segundos ronda algo más de un dólar, aproximadamente lo que costaba uno de 10 segundos con la versión anterior. Google aconseja generar borradores en 360p o 720p, corregir detalles por instrucciones y reescalar solo la mejor toma a 1080p o 4K, un paso este último facturado a unos 0,21 dólares por segundo, tres veces el precio del 720p. La duración se fija al segundo, entre 3 y 15 segundos; la versión 1.1 ya podía superar los 10 segundos, pero encadenando fragmentos a partir de imágenes previas.

El modelo acepta como referencia fotografías de personas, productos o estilos, extractos de vídeo de hasta tres segundos y pistas de audio, y con ellos mantiene estables los rostros, la ropa, el texto de los envases y los colores de marca al cambiar el ángulo de cámara, según la compañía. La edición conversacional permite modificar escenario, iluminación, clima o formato de imagen en sucesivas instrucciones sin regenerar todo el clip. Google también promete diálogos más naturales, sincronización labial y voces diferenciadas para varios personajes, además de movimientos continuos de cámara —vuelos en primera persona o zooms de alejamiento— con menos cortes.

La empresa reconoce que el modelo aún falla en acciones deportivas rápidas, cambios bruscos de guion y fenómenos físicos complejos. La cautela resulta pertinente: los avances descritos se apoyan en demostraciones elegidas por Google y la compañía no aporta puntuaciones comparativas frente a modelos rivales. Los vídeos generados incorporan SynthID, una marca de agua digital no visible.

El despliegue comenzó el mismo jueves con condiciones distintas según el servicio. En la aplicación Gemini, los clips de 15 segundos llegan de forma progresiva a los suscriptores de Google AI Ultra; en Google Vids se ofrecen sin sobrecoste con una cuenta de Google o Workspace, aunque el uso gratuito para el público general está limitado a un máximo de tres vídeos de 15 segundos al mes. Flow y Google Ads incorporan asimismo la función, y las empresas acceden al modelo desde la consola de Google Cloud, con capacidad aprovisionada; los desarrolladores pueden probarlo en Google AI Studio.