Google представила Gemini Omni 1.2 Flash 5 ноября 2026 года. Модель создаёт видеоролики длиной до 15 секунд — раньше максимум составлял 10 секунд. Она уже доступна всем через Gemini API и Gemini для бизнеса. Google сообщает, что развёртывает её и в других продуктах и на других платформах.
Для видео в разрешении 720p Google снизила цену на 30% — до $0.07 за секунду. Длину ролика можно выбрать в диапазоне от трёх до 15 секунд. Google также описывает рабочий процесс, в котором сначала создаются черновики с более низким разрешением, затем вносятся правки по итогам дополнительных запросов, а выбранные ролики повышаются до 1080p или 4K.
Правки можно вносить в тот же ролик
Новая модель поддерживает многоэтапное редактирование в диалоге: пользователь может попросить изменить сгенерированное видео — например, заменить фон, освещение или соотношение сторон — без повторной генерации всего ролика. По словам Google, это работает с видео длиной до 15 секунд. Так авторы смогут создавать варианты рекламы, не собирая каждый заново с нуля.
Google также утверждает, что Omni 1.2 Flash точнее следует референсным изображениям, коротким видеоклипам с движением длительностью до трёх секунд и аудиоподсказкам. Среди примеров компании — видео виртуальной примерки, созданное по фотографии модели и снимкам товара: внешность модели и детали одежды сохраняются при поворотах на 360 градусов. Это примеры, предоставленные Google, а не результаты независимых испытаний.
Доступность зависит от продукта
Google перечисляет Gemini API, Google AI Studio, Google Cloud Console, Flow, Google Vids, приложение Gemini и Google Ads как продукты, в которых можно использовать модель. В Google Vids ролики длиной до 15 секунд доступны без дополнительной платы всем, у кого есть аккаунт Google или подписка Google Workspace. Доступ к модели в приложении Gemini постепенно открывают подписчикам Google AI Ultra. Google сообщает, что на созданные видео незаметно наносится водяной знак SynthID.
Компания также заявляет, что модель создаёт более естественные диалоги и точнее синхронизирует движение губ с речью, справляется с несколькими говорящими и выполняет сложные движения камеры с меньшим числом нежелательных склеек. Google отмечает, что модели ещё предстоит научиться лучше справляться с быстрыми спортивными сценами, резкими изменениями сценария и сложной физикой, поэтому такие задачи могут оставаться трудными.
Почему это важно
Для авторов и компаний, которые создают короткие видео, диалоговое редактирование может упростить замену фона и подготовку разных вариантов рекламы без повторной генерации каждого ролика. Снижение цены на видео в разрешении 720p подтверждено Google, но практическая экономия за счёт редактирования зависит от конкретной задачи и пока не проверена независимыми испытаниями.
