Google abre Gemini Omni 1.2 Flash: vídeo de hasta 15 segundos a 0,07 $ por segundo

Si alguna vez has hecho un vídeo con un modelo generativo, conoces el principal dolor de cabeza: salió casi bien, pero el fondo no es el correcto, la luz es fría y el personaje cambió de cara a mitad del clip. Hay que regenerarlo todo desde cero y volver a pagar. Con la actualización Gemini Omni 1.2 Flash, Google apunta justo a ese problema y, a la vez, reduce el precio.

Qué ha cambiado

Lo principal en cifras. La duración máxima del clip ha pasado de 10 a 15 segundos, y se puede fijar con pasos de un segundo, de 3 a 15. En las pruebas A/B de Google, la versión 1.2 supera a la 1.1: 63% frente a 37% en generación a partir de referencias (reference-to-video) y 59% frente a 41% en animación de imágenes (img2vid). Son datos de la propia compañía, así que conviene tomarlos como orientación y no como un benchmark independiente.

La segunda novedad importante: edición en varios pasos en el chat. Recibes un clip y con el siguiente prompt puedes cambiar el fondo, la luz, el clima o el formato del encuadre sin rehacer todo el vídeo. En esencia, es el paso de «genero y rezo» a un ciclo de correcciones habitual.

Tercera: las referencias. Se pueden subir hasta 6 imágenes (3 por personaje, hasta 2 personajes) y referencias de vídeo de hasta 3 segundos. El rostro, la ropa, el envase y los colores deben conservarse en todo el encuadre. Para publicidad y comercio electrónico es crítico: el envase del producto no debe «deformarse». Además, hay audio nativo, sincronización labial y varios personajes que hablan, así como primer y último fotograma para transiciones entre escenas (solo hasta 10 segundos).

Cuánto cuesta

El precio de 720p es de 0,07 $ por segundo, es decir, un clip de 15 segundos costará aproximadamente 1,04 $. La versión 1.1 costaba 0,10 $ por segundo, así que el ahorro es de cerca del 30%. El resto de tarifas:

• 360p: 0,023 $ por segundo
• 1080p: 0,104 $ por segundo
• 4K: 0,209 $ por segundo

De ahí un flujo de trabajo práctico: los borradores en 360p y, una vez aprobada la escena, escalado a 1080p o 4K. Diez iteraciones de 15 segundos en 360p cuestan unos 3,45 $, es decir, menos que dos clips finales en 4K. Para un product manager esto significa que se pueden presupuestar muchas correcciones, y no un único intento caro.

Dónde probarlo y qué falla

El modelo está disponible en AI Studio y la Gemini API, en Flow, en Google Vids (allí los clips de 15 segundos no tienen coste adicional con una cuenta de Google normal), en la aplicación Gemini para suscriptores de AI Ultra y en Google Ads. El modelo en sí no tiene nivel gratuito, solo API de pago, así que para experimentar habrá que vincular una tarjeta.

Google reconoce las limitaciones: el modelo aún flaquea con el deporte rápido, los cambios bruscos de escena y la física compleja. Si tu caso es un combate de boxeo o la caída de objetos, reserva tiempo para seleccionar manualmente las tomas buenas. Además, en la salida permanece una marca de agua SynthID imperceptible, de modo que no se podrá ocultar el origen del clip. Para la mayoría de las empresas es más bien una ventaja, pero quien busque material «limpio» debe tenerlo en cuenta.

Qué hacer en la práctica

Desarrolladores que construyen funciones de vídeo en sus productos: revisen el pipeline para adoptar el esquema «borrador en 360p y luego escalado». Es la forma más sencilla de recortar costes varias veces. Product managers y especialistas en marketing: prueben referencias con envases y rostros de marca, el escenario principal para previsualizaciones publicitarias. Fundadores: la caída del precio de 0,10 $ a 0,07 $ por segundo y la duración de hasta 15 segundos hacen la economía unitaria de los servicios de vídeo claramente más atractiva. Pero antes de pasar a producción, prueben el modelo con sus propias escenas más difíciles: las cifras de las pruebas A/B hablan del promedio, y sus clips pueden caer justo en la zona problemática.