Google libera Gemini Omni 1.2 Flash para todos: videos de ate 15 segundos e preco 30% menor

Durante muito tempo, a geracao de video foi uma loteria: voce apertava um botao, recebia dez segundos e, se nao gostasse do fundo, precisava pagar e gerar tudo novamente. O Google tenta resolver exatamente esse problema. O Gemini Omni 1.2 Flash agora esta disponivel para todos, e seu principal destaque nao e a duracao do clipe, mas o baixo custo para ajustar o resultado ate chegar ao visual desejado.

O que mudou

Agora, os clipes duram de 3 a 15 segundos, contra o teto anterior de 10. O preco da resolucao 720p caiu 30%, para $0,07 por segundo. Isso significa que um video de 15 segundos em 720p custara cerca de $1,05. O modelo esta disponivel por meio da Gemini API, do Google AI Studio, do Google Cloud Console, do Flow, do Google Vids, do aplicativo Gemini para assinantes do AI Ultra e do Google Ads. Cada video recebe uma marca-d'agua invisivel SynthID.

Esse ultimo ponto e importante para produtos: se a geracao for incorporada a um servico, a origem do conteudo podera ser identificada automaticamente por sistemas, reduzindo parte das questoes enfrentadas pelas equipes juridicas e de moderacao.

Edicao conversacional e economia

O Google chama o principal recurso de Conversational Editing. Depois de receber um video, voce pode escrever comandos como “troque o dia pelo anoitecer” ou “mude o formato para vertical”. O modelo edita o clipe em vez de gerar outro do zero. Segundo o Google, isso funciona ao longo de todos os 15 segundos.

Dai vem o modelo de economia. Crie um rascunho em 360p ou 720p, corrija detalhes especificos com instrucoes posteriores e amplie apenas a versao final para 1080p ou 4K. Antes, as equipes gastavam o orcamento em testes caros de alta qualidade. Agora, a etapa cara e necessaria apenas uma vez.

Referencias e consistencia

O modelo aceita imagens de personagens, fotos de produtos, referencias curtas de movimento com ate tres segundos e instrucoes de audio. Rostos, roupas, tipografia das embalagens e cores da marca devem permanecer consistentes conforme o angulo da camera muda. Em um exemplo do Google, uma foto de uma modelo e imagens de tres looks produzem uma prova virtual de 15 segundos com giro de 360 graus, preservando tanto o rosto quanto o corte das roupas.

Para o comercio eletronico, esse e um caso de uso direto: paginas de produtos com video sem uma equipe de filmagem. O Google tambem promete menos rostos “derretendo” e menos deformacoes durante o movimento da camera, dialogos mais naturais com sincronizacao labial precisa e diferenciacao entre varios falantes. Movimentos continuos e complexos de camera, como o sobrevoo de um drone FPV ou um rapido afastamento, tambem devem apresentar menos cortes indesejados.

Limitacoes e o que fazer

Por enquanto, tudo isso vem do anuncio. Nao existem testes independentes sobre a consistencia da identidade nem sobre a sincronizacao labial em cenas complexas, e o conhecido termo “promete” deve ser interpretado literalmente. Alem disso, 4K e 1080p sao cobrados separadamente, enquanto o custo final depende do numero de iteracoes de edicao, cujos precos nao foram informados no anuncio.

A conclusao pratica e simples. Se voce produz videos publicitarios, provas virtuais ou conteudo para marketplaces, execute a mesma tarefa em um processo de tres etapas: rascunho em baixa resolucao, edicoes conversacionais e ampliacao final. Calcule o custo real do video pronto, e nao o preco dos segundos de geracao. E essa metrica que mostrara se a geracao de video se tornou uma ferramenta de producao ou se continuou sendo um brinquedo.