Ключевые изменения и ценообразование
Google официально вывела на рынок Gemini Omni 1.2 Flash, сделав её общедоступной через Gemini API и Google Cloud. Главная финансовая инновация — снижение стоимости генерации видео на 30% по сравнению с версией 1.1. Теперь тариф составляет $0.07 за секунду для видео в разрешении 720p.
Модель позиционируется как решение для масштабного производства контента: разработчики могут использовать стратегию «быстрый черновик + дорогая доработка». Сначала создается версия в 360p или 720p, затем детали исправляются через диалоговый интерфейс, и только лучшие кадры апскейлятся до 1080p или 4K.
Технические характеристики и возможности
Версия 1.2 расширяет границы генерации: теперь поддерживаются нативные клипы длительностью до 15 секунд (ранее лимит был 10 секунд). Пользователи могут задавать длительность с точностью до 1 секунды в диапазоне от 3 до 15 секунд. Это позволяет создавать полноценные социальные рекламные ролики или объясняющие видео за один проход без склейки.
| Параметр | Gemini Omni 1.1 | Gemini Omni 1.2 Flash |
|---|---|---|
| Максимальная длительность | 10 секунд | 15 секунд |
| Стоимость (720p) | Базовая | $0.07/сек (скидка 30%) |
| Редактирование | Перегенерация | Многошаговый диалоговый интерфейс |
| Консистентность референсов | Базовая | Улучшенная (лицо, одежда, типографика) |
| Аудио/Липсинк | Стандартный | Естественный диалог, мульти-спикеры |
Улучшенная консистентность и контроль
Одно из главных болей генеративного видео — «дрейф» объектов и морфинг. В Omni 1.2 Flash Google заявляет о значительном улучшении удержания деталей: лица, одежда, упаковка и брендовые цвета остаются неизменными при смене ракурса камеры. Модель эффективно работает с референсами, комбинируя изображения персонажей, короткие клипы движения (до 3 секунд) и аудио-подсказки.
Также улучшена кинематографичность камеры: стали реже возникать нежелательные скачки (jump cuts), стабилизировался масштаб при сложных движениях, таких как FPV-полеты или драматичные зум-ауты. Примеры показывают бесшовные переходы от крупного плана до аэросъемки за 10 секунд.
Диалоговый редактор и аудио
Введен режим multi-turn conversational editing. Пользователь может уточнять детали того же самого 15-секундного клипа, не перегенерируя его с нуля. Например, можно попросить заменить фон с «полосатого шатра» на «дубовый лес» или изменить освещение, сохранив анимацию персонажей и отражения на броне.
Аудио-компонент также обновлен: модель теперь лучше справляется с естественным диалогом, четким липсинком и различает голоса нескольких спикеров в одной сцене, что критично для создания аватаров и образовательного контента.
Где и как использовать
Модель доступна через Gemini API, Google AI Studio (для прототипирования), Google Vids и Gemini for Business. Все выходные файлы содержат невидимый водяной знак SynthID для маркировки контента, созданного ИИ. Для корпоративных клиентов доступна функция Provisioned Throughput для гарантированной пропускной способности.
Источник: Google AI ↗