Google ouvre Gemini Omni 1.2 Flash : des vidéos jusqu'à 15 secondes à 0,07 $ la seconde

Si vous avez déjà réalisé une vidéo avec un modèle génératif, vous connaissez le principal point de friction : le résultat est presque bon, mais l'arrière-plan n'est pas le bon, la lumière est trop froide, et le personnage change soudain de visage en plein milieu du clip. Il faut tout regénérer depuis zéro et payer de nouveau. Avec la mise à jour Gemini Omni 1.2 Flash, Google s'attaque précisément à ce problème tout en baissant le prix.

Ce qui change

Les chiffres clés d'abord. La durée maximale d'un clip passe de 10 à 15 secondes, et elle peut être réglée à la seconde près, de 3 à 15. Dans les tests A/B de Google, la version 1.2 devance la 1.1 : 63 % contre 37 % en génération à partir de références (reference-to-video) et 59 % contre 41 % en animation d'image (img2vid). Ce sont des données fournies par l'entreprise elle-même : il faut donc les considérer comme un repère, et non comme un benchmark indépendant.

Deuxième nouveauté importante : le montage multi-étapes dans le chat. Vous obtenez une vidéo, puis vous pouvez, avec le prompt suivant, changer l'arrière-plan, la lumière, la météo ou le format du cadre, sans reconstruire toute la vidéo. En somme, on passe du « je génère et je croise les doigts » à un cycle de retouches classique.

Troisième point : les références. Vous pouvez charger jusqu'à 6 images (3 par personnage, pour 2 personnages au maximum) et des vidéos de référence jusqu'à 3 secondes. Le visage, les vêtements, l'emballage et les couleurs doivent rester cohérents dans tout le cadre. Pour la publicité et l'e-commerce, c'est crucial : l'emballage d'un produit ne doit pas « flotter ». Le modèle propose en outre du son natif, la synchronisation labiale et plusieurs personnages qui parlent, ainsi qu'une première et une dernière image pour les transitions entre scènes (jusqu'à 10 secondes seulement).

Combien ça coûte

Le tarif en 720p est de 0,07 $ la seconde, soit environ 1,04 $ pour un clip de 15 secondes. La version 1.1 coûtait 0,10 $ la seconde, soit une économie d'environ 30 %. Les autres tarifs :

• 360p : 0,023 $ la seconde
• 1080p : 0,104 $ la seconde
• 4K : 0,209 $ la seconde

D'où un flux de travail pratique : on enchaîne les brouillons en 360p, puis, une fois la scène validée, on passe à l'upscaling en 1080p ou en 4K. Dix itérations en 360p de 15 secondes coûtent environ 3,45 $, soit moins que deux clips finaux en 4K. Pour un product manager, cela signifie qu'on peut prévoir dans le budget de nombreuses retouches plutôt qu'un seul essai coûteux.

Où l'essayer et ce qui coince

Le modèle est disponible dans AI Studio et l'API Gemini, dans Flow, dans Google Vids (où les clips de 15 secondes sont proposés sans supplément avec un compte Google ordinaire), dans l'application Gemini pour les abonnés AI Ultra et dans Google Ads. Le modèle lui-même n'a pas d'offre gratuite, seulement l'API payante : pour tester, il faudra donc associer une carte bancaire.

Google reconnaît elle-même les limites : le modèle fléchit encore sur le sport rapide, les changements brusques de scénario et la physique complexe. Si votre cas d'usage est un combat de boxe ou des objets qui tombent, prévoyez du temps pour trier à la main les bonnes prises. Par ailleurs, le filigrane invisible SynthID reste présent en sortie : impossible donc de dissimuler l'origine de la vidéo. Pour la plupart des entreprises, c'est plutôt un atout, mais ceux qui veulent un contenu « propre » devront en tenir compte.

Que faire concrètement

Pour les développeurs qui intègrent des fonctions vidéo dans leurs produits : revoyez votre pipeline selon le schéma « brouillon en 360p, puis upscaling ». C'est le moyen le plus simple de réduire les coûts de plusieurs fois. Pour les product managers et les marketeurs : testez les références avec des emballages et des visages de marque, c'est le principal scénario pour les aperçus publicitaires.

Pour les fondateurs : la baisse du prix de 0,10 $ à 0,07 $ la seconde et la durée portée à 15 secondes rendent l'économie unitaire des services vidéo nettement plus attractive. Mais avant le passage en production, testez le modèle sur vos propres scènes, les plus difficiles : les chiffres des tests A/B reflètent une moyenne, et vos vidéos pourraient très bien se trouver dans la zone problématique.