Gemini Omni 1.2 Flash génère des vidéos jusqu'à 15 secondes et devient 30 % moins cher

Tous ceux qui ont réalisé une publicité ou une vidéo de démonstration connaissent le principal point de friction des modèles vidéo : on génère un clip, on s'aperçoit que le visage du héros se déforme ou que le logo sur l'emballage est devenu une bouillie, et il faut payer une nouvelle génération depuis zéro. C'est précisément ce problème que Google tente de résoudre avec Gemini Omni 1.2 Flash.

Les nouveautés

Le changement majeur concerne la durée. Le modèle produit nativement des clips jusqu'à 15 secondes, sans les assembler à partir de morceaux, comme c'était le cas avec les 10 secondes d'Omni 1.1. La durée se règle à la seconde près, de 3 à 15 secondes. Pour la publicité sur les réseaux sociaux et les courtes vidéos explicatives, cela signifie qu'une histoire entière tient dans une seule génération.

Second point : le prix. Google l'a réduit de 30 % : 0,07 $ la seconde de vidéo en 720p. Un clip de 15 secondes revient donc à un peu plus d'un dollar. À titre de comparaison, le même volume coûtait nettement plus cher auparavant, et chaque échec obligeait à repayer.

Comment cela fonctionne en pratique

Le modèle accepte des références : images d'un personnage, d'un produit ou d'un style, courts mouvements jusqu'à trois secondes et indications audio. Imaginons que vous disposiez d'une photo de mannequin et de clichés de trois tenues, de face et de dos. Vous pouvez en tirer une vidéo d'essayage virtuel de 15 secondes avec rotation à 360 degrés, en conservant la coupe de chaque vêtement. On peut de même transformer des photos de catalogue existantes en fiches produit rotatives ou en annonces de marque.

L'autre atout pratique est l'édition en plusieurs tours. Vous prenez un clip terminé et dites : remplace le fond par une forêt, puis par un château, change l'éclairage ou le format de l'image. Les personnages et l'angle de prise de vue restent en place. Pour les marketeurs, c'est un moyen de décliner rapidement une vidéo pour différents publics sans nouveau brief.

Google décrit ainsi un cycle de travail économique : brouillons en 360p ou 720p, retouche ciblée des détails, puis upscale des versions réussies en 1080p ou 4K. Autrement dit, la haute résolution n'intervient qu'à la dernière étape.

Voix, caméra et disponibilité

Google annonce des dialogues plus naturels, une meilleure synchronisation labiale et l'attribution de voix à plusieurs personnages à partir de références. La caméra est elle aussi mieux contrôlable : longs survols de type FPV et travellings arrière sans coupes superflues. Pour les entreprises, Provisioned Throughput est disponible, et les sorties sont marquées d'un filigrane invisible SynthID.

Le modèle est disponible dans l'API Gemini et Google AI Studio, dans la console Google Cloud, ainsi que dans Flow, Google Vids et Google Ads. Dans l'application Gemini, les vidéos de 15 secondes sont pour l'instant déployées auprès des abonnés AI Ultra.

Limites

Tous les exemples de l'annonce ont été choisis par Google elle-même, et il n'existe pas encore de tests indépendants : les affirmations sur l'absence de dérive et de raccords gagnent donc à être vérifiées sur vos propres données. L'entreprise reconnaît elle-même que l'action sportive rapide, les changements brusques de scénario et la physique complexe ne sont pas encore au point. Les références de mouvement sont limitées à trois secondes.

Que faire

Si vous bâtissez un produit autour de la génération de vidéos publicitaires ou de catalogue, il est temps de recalculer votre économie unitaire : 30 % de moins, plus la retouche à la place de la régénération, peuvent nettement réduire le coût d'une vidéo réussie. Commencez par tester vos vraies références (emballages, polices, visages) en 720p et évaluez la stabilité de la cohérence avant d'intégrer le modèle en production. Vérifiez également séparément si le filigrane SynthID répond à vos exigences d'étiquetage des contenus.