Ключевые изменения в версии 1.2
Google DeepMind представила обновленную версию мультимодальной модели видео Gemini Omni 1.2 Flash. Главная особенность — нативная генерация и редактирование клипов длительностью до 15 секунд (ранее лимит составлял 10 секунд). Модель принимает на вход текст, изображения, короткие видео и аудио, выдавая готовый видеоролик со звуком. Доступна через Gemini API и Google Cloud.
Сравнение характеристик с предыдущей версией и конкурентами
Версия 1.2 предлагает более гибкое управление длительностью (шаг 1 секунда от 3 до 15 секунд), улучшенное соблюдение референсов (персонажи, продукты, стиль) и лучшую консистентность лиц и одежды. Ниже приведено сравнение с предшественником и ключевыми игроками рынка.
| Параметр | Gemini Omni 1.2 Flash | Gemini Omni 1.1 Flash | Veo 3.1 (Google) | Seedance 2.0 (ByteDance) |
|---|---|---|---|---|
| Макс. длительность | 15 с | 10 с | 8 с | 15 с |
| Опции длительности | 3–15 с (шаг 1 с) | Не раскрыто | 4, 6 или 8 с | 4–15 с |
| Разрешение (нативное) | 360p, 720p | 360p, 720p | 720p, 1080p, 4K | 480p, 720p |
| Многошаговое редактирование | Да, до 15 с | Да | Не указано | Не раскрыто |
| Цена (720p) | $0.07/сек | ~$0.10/сек | Не указана | Токен-базовая |
Экономика и рабочий процесс
Google снижает стоимость генерации на 30% по сравнению с версией 1.1. Цена составляет $0.07 за секунду видео в разрешении 720p, что эквивалентно примерно $1.05 за 15-секундный клип. Модель позиционируется как инструмент для итеративного создания контента: разработчики могут использовать workflow «черновик → редактирование → апскейл». Многошаговое редактирование работает через previous_interaction_id, что позволяет менять продукт, фон или освещение без повторной загрузки всего видео.
Производительность и ограничения
Google не публикует числовые бенчмарки для версии 1.2, опираясь на демонстрации и результаты человеческой оценки (human-rater) для линейки Omni Flash. Заявлено улучшение adherence к референсам и естественности диалогов с четкой синхронизацией губ. Однако компания честно указывает слабые места: быстрое спортивное действие, резкие изменения сценария и сложная физика пока требуют доработки. Модель работает только на серверах Google (закрытые веса), а аудио-референсы доступны через allowlist на Google Cloud.
Где использовать
Модель доступна в Gemini API, Google Cloud (с Enterprise SLA), а также интегрирована в продукты Google: Flow, Google Vids, Google Ads и приложение Gemini (для пользователей AI Ultra). Пользователи Google Vids могут генерировать 15-секундные клипы бесплатно, а все выходные данные содержат водяной знак SynthID.
Источник: MarkTechPost ↗