Gemini Omni 1.2 Flash генерирует видео до 15 секунд и стал на 30% дешевле

Главная боль при работе с видеомоделями знакома всем, кто делал рекламу или демо-ролики: сгенерировал клип, заметил, что у героя поплыло лицо или логотип на упаковке превратился в кашу, и пришлось платить за новую генерацию с нуля. Google пытается закрыть именно эту проблему в Gemini Omni 1.2 Flash.

Что нового

Главное изменение — длина. Модель делает клипы до 15 секунд нативно, а не склеивает их из кусков, как было с 10 секундами в Omni 1.1. Длительность задаётся с шагом в одну секунду от 3 до 15. Для соцрекламы и коротких объяснялок это значит, что целый сюжет умещается в одну генерацию.

Второе — цена. Google снизила её на 30%: $0,07 за секунду видео в 720p. Ролик в 15 секунд обойдётся примерно в доллар с небольшим. Для сравнения, раньше такой же объём стоил заметно дороже, а при каждой неудаче платить приходилось заново.

Как это работает на практике

Модель принимает референсы: изображения персонажа, товара или стиля, короткие движения до трёх секунд и аудиоподсказки. Допустим, у вас есть фото модели и снимки трёх нарядов спереди и сзади. Из них можно собрать 15-секундный виртуальный примерочный ролик с поворотом на 360 градусов, и крой каждой вещи должен сохраниться. Так же можно превращать существующие каталожные фото в вертящиеся карточки товара или брендированные объявления.

Вторая практическая фишка — многоходовое редактирование. Вы берёте готовый клип и говорите: поменяй фон на лес, потом на замок, смени освещение или формат кадра. Персонажи и ракурс при этом остаются на месте. Для маркетологов это способ быстро делать варианты ролика под разные аудитории без повторного брифа.

Экономный рабочий цикл Google описывает так: черновики в 360p или 720p, точечная правка деталей, затем апскейл удачных версий до 1080p или 4K. То есть дорогое разрешение включается только на финальном шаге.

Речь, камера и доступность

Заявлены более естественные диалоги, лучшая синхронизация губ и раздача голосов нескольким персонажам по референсам. Камера тоже стала управляемее: длинные пролёты в стиле FPV и отъезды без лишних склеек. Для энтерпрайза доступна Provisioned Throughput, а выход помечается невидимым водяным знаком SynthID.

Модель доступна в Gemini API и Google AI Studio, в консоли Google Cloud, во Flow, Google Vids и Google Ads. В приложении Gemini 15-секундные ролики пока раскатываются на подписчиков AI Ultra.

Ограничения

Все примеры в посте выбраны самой Google, независимых тестов пока нет, так что заявления про нулевой дрейф и отсутствие склеек стоит проверять на своих данных. Сама компания признаёт, что быстрый спортивный экшен, резкие смены сценария и сложная физика ещё не доведены. Референсы по движению ограничены тремя секундами.

Что делать

Если вы строите продукт вокруг генерации рекламных или каталожных видео, стоит пересчитать юнит-экономику: минус 30% плюс правка вместо перегенерации могут заметно снизить стоимость удачного ролика. Начните с прогона своих реальных референсов — упаковки, шрифтов, лиц — в 720p и посмотрите, насколько устойчива консистентность, прежде чем закладывать модель в продакшен. Отдельно проверьте, как водяной знак SynthID ложится в ваши требования к маркировке контента.