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

Se você já fez um vídeo com um modelo generativo, conhece a principal dor: ficou quase bom, mas o fundo não é o certo, a luz está fria e o personagem trocou de rosto no meio do clipe. É preciso gerar tudo de novo do zero e pagar outra vez. Com a atualização Gemini Omni 1.2 Flash, o Google mira exatamente essa dor e, ao mesmo tempo, reduz o preço.

O que mudou

O principal em números. A duração máxima do clipe subiu de 10 para 15 segundos, e o tempo pode ser definido em passos de um segundo, de 3 a 15. Nos testes A/B do Google, a versão 1.2 supera a 1.1: 63% contra 37% na geração por referências (reference-to-video) e 59% contra 41% na animação de imagens (img2vid). São dados da própria empresa, portanto devem ser vistos como uma referência, e não como um benchmark independente.

A segunda novidade importante: edição em várias etapas no chat. Você recebe um clipe e, com o prompt seguinte, pode trocar fundo, luz, clima ou formato do quadro sem refazer todo o vídeo. Na prática, é a passagem do «gero e rezo» para o ciclo habitual de revisões.

Terceira: as referências. É possível enviar até 6 imagens (3 por personagem, até 2 personagens) e referências em vídeo de até 3 segundos. Rosto, roupa, embalagem e cores devem se manter em todo o quadro. Para publicidade e e-commerce isso é crítico: a embalagem do produto não pode «derreter». Além disso, há áudio nativo, sincronização labial e vários personagens falando, além de primeiro e último quadro para transições entre cenas (apenas até 10 segundos).

Quanto custa

O preço do 720p é de US$ 0,07 por segundo, ou seja, um clipe de 15 segundos sai por cerca de US$ 1,04. A versão 1.1 custava US$ 0,10 por segundo, então a economia é de cerca de 30%. As demais tarifas:

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

Daí um fluxo de trabalho prático: rascunhos em 360p e, quando a cena for aprovada, upscale para 1080p ou 4K. Dez iterações de 15 segundos em 360p custam cerca de US$ 3,45, ou seja, menos que dois clipes finais em 4K. Para o product manager, isso significa que dá para orçar muitas revisões, e não uma única tentativa cara.

Onde testar e o que não funciona bem

O modelo está disponível no AI Studio e na Gemini API, no Flow, no Google Vids (onde clipes de 15 segundos saem sem custo adicional com uma conta Google comum), no app Gemini para assinantes do AI Ultra e no Google Ads. O modelo em si não tem nível gratuito, apenas API paga, então para experimentar será preciso vincular um cartão.

O próprio Google reconhece as limitações: o modelo ainda tem dificuldade com esportes rápidos, mudanças bruscas de cena e física complexa. Se o seu caso é uma luta de boxe ou objetos caindo, reserve tempo para selecionar manualmente as boas tomadas. Além disso, a saída mantém uma marca d'água SynthID imperceptível, então não será possível esconder a origem do clipe. Para a maioria das empresas isso é mais um ponto positivo, mas quem quer material «limpo» deve levar isso em conta.

O que fazer na prática

Desenvolvedores que criam recursos de vídeo em produtos: revejam o pipeline para o esquema «rascunho em 360p, depois upscale». É a forma mais simples de cortar custos várias vezes. Product managers e profissionais de marketing: testem referências com embalagens e rostos de marca, o principal cenário para prévias de anúncios. Fundadores: a queda do preço de US$ 0,10 para US$ 0,07 por segundo e a duração de até 15 segundos tornam a economia unitária dos serviços de vídeo visivelmente mais atraente. Mas, antes de ir para produção, rodem o modelo nas suas próprias cenas mais difíceis: os números dos testes A/B falam da média, e seus clipes podem cair justamente na zona problemática.