Google DeepMind presenta Gemini Omni 1.2 Flash: vídeos de hasta 15 segundos y edición conversacional con costes reducidos
Google hace disponible de forma general Gemini Omni 1.2 Flash en la API de Gemini y Google Cloud, introduciendo generación de vídeo de 15 segundos, edición conversacional multiturno y una rebaja de precio del 30%, quedando en $0,07 por segundo para resoluciones 720p.
La división de inteligencia artificial de Alphabet, Google DeepMind, ha anunciado el lanzamiento oficial y la disponibilidad general de Gemini Omni 1.2 Flash a través de la API de Gemini, Google Cloud y soluciones de empresa.
El nuevo modelo de generación y edición de vídeo introduce la capacidad de crear clips nativos de hasta 15 segundos de duración —frente a los 10 segundos de la versión previa (Omni 1.1)— con opciones de ajuste en incrementos de un segundo entre 3 y 15 segundos.
Junto a las mejoras técnicas, Google ha anunciado una reducción de precio del 30% respecto a la generación anterior, situando la tarifa de procesamiento en $0,07 por segundo para vídeos en resolución 720p. Además, el flujo de trabajo permite borradores rápidos a 360p o 720p, ediciones puntuales y reescalado final hasta resoluciones 1080p o 4K.
Edición conversacional y adherencia a referencias visuales
Uno de los avances más destacados del modelo es la edición conversacional multiturno, que permite modificar detalles específicos de un clip —como cambiar el fondo, la iluminación, el clima o la relación de aspecto— mediante instrucciones en lenguaje natural sobre la misma generación previa, evitando tener que renderizar el vídeo desde cero.
Asimismo, Gemini Omni 1.2 Flash mejora la fidelidad hacia las referencias (imágenes de personajes, productos, marcas o clips breves de movimiento):
- Consistencia de personajes y objetos: Mantiene rasgos faciales, arrugas de telas, tipografías de empaquetado y colores de marca sin sufrir deformaciones visuales (drift) entre transiciones de cámara o giros de 360 grados.
- Sincronización de audio y habla natural: Facilita la generación de escenas con diálogo fluido, sincronización labial mejorada (lip-sync) y condicionamiento para múltiples hablantes en un mismo vídeo.Google Blog
- Control cinematográfico de cámara: Ejecuta movimientos de cámara continuos como recorridos FPV (drone flythroughs), zoom-out o planos en órbita sin saltos de corte abruptos.
Integración en el ecosistema creativo y medidas de seguridad
Google ha confirmado que las creaciones generadas con Gemini Omni 1.2 Flash integran la marca de agua imperceptible SynthID para trazabilidad y autenticidad del contenido.
La tecnología ya está siendo adoptada e integrada por firmas creativas y plataformas como Adobe Firefly, Figma, Monks, Magnific, Picsart, Photoroom y Whering para la creación de anuncios, prototipos de producto, 'virtual try-on' y previsualización de VFX.
El modelo está disponible desde hoy para desarrolladores en Google AI Studio y para clientes empresariales en la consola de Google Cloud, además de desplegarse progresivamente en aplicaciones como Google Vids y la app de Gemini.