Google открыла Gemini Omni 1.2 Flash: видео до 15 секунд и цена на 30% ниже

Видеогенерация долго была лотереей: нажал кнопку, получил десять секунд, не понравился фон — плати и генерируй всё заново. Google пытается закрыть именно эту дыру. Gemini Omni 1.2 Flash теперь доступна всем, и главное в ней не длина клипа, а то, как дёшево можно довести результат до нужного вида.

Что изменилось

Клипы теперь длятся от 3 до 15 секунд, раньше потолок был 10. Цена за 720p упала на 30% и составляет $0,07 за секунду. Значит, 15-секундный ролик в 720p обойдётся примерно в $1,05. Модель доступна через Gemini API, Google AI Studio, Google Cloud Console, Flow, Google Vids, приложение Gemini для подписчиков AI Ultra и Google Ads. Каждый ролик получает невидимый водяной знак SynthID.

Заметьте, что последний пункт важен для продуктов: если вы встраиваете генерацию в свой сервис, происхождение контента будет читаться автоматически, и это снимает часть вопросов от модерации и юристов.

Разговорное редактирование и экономия

Google называет главную функцию Conversational Editing. Вы получили ролик и пишете: «сделай вечер вместо дня» или «поменяй формат на вертикальный». Модель правит клип, а не генерирует новый с нуля. По заявлению Google, это работает на всей длине в 15 секунд.

Отсюда и схема экономии. Черновик создаём в 360p или 720p, точечно исправляем детали следующими репликами и только финальную версию масштабируем до 1080p или 4K. Раньше команды тратили бюджет на дорогие пробные прогоны в высоком качестве. Теперь дорогой проход нужен один раз.

Референсы и стабильность

Модель принимает изображения персонажей, фото товаров, короткие движения до трёх секунд и аудиоподсказки. Лица, одежда, типографика на упаковке и фирменные цвета должны сохраняться при смене ракурса. Пример от Google: по одной фотографии модели и снимкам трёх нарядов получается 15-секундная примерка с поворотом на 360 градусов, где сохраняются и лицо, и крой одежды.

Для e-commerce это прямой сценарий: карточки товаров с видео без съёмочной группы. Кроме того, Google обещает меньше «плывущих» лиц и деформаций при движении камеры, более естественные диалоги с точной синхронизацией губ и различение нескольких говорящих. Сложные непрерывные движения камеры, вроде FPV-пролёта дрона или резкого отъезда, должны идти с меньшим числом нежелательных склеек.

Ограничения и что делать

Всё это пока слова из анонса. Независимых тестов на устойчивость идентичности и липсинк в сложных сценах нет, и привычные «обещает» стоит читать буквально. Также 4K и 1080p считаются отдельно, а итоговая стоимость зависит от числа итераций правок, о тарифах которых в анонсе ничего не сказано.

Практический вывод простой. Если вы делаете рекламные ролики, примерочные или контент для маркетплейсов, прогоните одну и ту же задачу через трёхступенчатый процесс: черновик в низком разрешении, правки диалогом, финальный апскейл. Посчитайте реальную стоимость готового ролика, а не секунды генерации. Именно эта метрика покажет, стала ли видеогенерация инструментом производства или осталась игрушкой.