Hoy lanzamos Gemini Omni 1.2 Flash, y lo hacemos disponible de forma general en la Gemini API y en Gemini for business. Gemini Omni 1.2 Flash introduce creación nativa de videos de 15 segundos, capacidades de edición conversacional de múltiples turnos y un seguimiento mejorado de las referencias. Hemos reducido el precio un 30% respecto a Gemini Omni 1.1, dejándolo en $0.07 por segundo para video en 720p.
Aquí tienes un resumen de las novedades:
Rápido y rentable a gran escala
Más allá del precio más bajo, el flujo de trabajo mantiene los costos a raya: puedes hacer borradores rápidos a 360p o 720p, corregir un detalle con una edición posterior en lugar de volver a generar todo el clip y, después, escalar tus mejores creaciones a 1080p o 4K.
Clips más largos de hasta 15 segundos
Ahora puedes generar y editar videos de forma nativa de hasta 15 segundos de duración, frente a los 10 segundos de Omni 1.1. También puedes especificar la duración en incrementos de un segundo, de 3 a 15 segundos, lo que te da espacio para contar historias completas, crear explicaciones de producto o producir anuncios sociales completos en una sola generación.
Mejor adherencia a las referencias
Puedes guiar la generación combinando imágenes de personajes, productos o estilos, clips cortos de movimiento (de hasta tres segundos) y señales de audio — y Omni 1.2 Flash mantiene esos detalles de principio a fin. Los rostros, las prendas, la tipografía de los empaques y los colores de marca se mantienen consistentes entre distintos ángulos de cámara, lo que facilita convertir fotografías de producto existentes o hojas de personajes en clips de prueba virtual, giros de catálogo y anuncios de video con marca.
Combinando la foto de una modelo con tomas frontales y traseras de tres conjuntos, Gemini Omni 1.2 Flash genera una secuencia de prueba virtual de 15 segundos con giros de 360 grados y cortes coincidentes, manteniendo la identidad de la modelo y el corte, el drapeado y los detalles traseros de cada prenda consistentes.
Resultados más consistentes
Puedes mantener una mayor consistencia de personajes, objetos y escenas desde el primer hasta el último fotograma, con menos deriva visual o morphing a lo largo de los movimientos y las transiciones de cámara. Ya sea que interpoles entre un primer y un último fotograma clave, o que extiendas un clip para construir una secuencia más larga, los productos, personajes, utilería y entornos se mantienen consistentes de toma a toma.
Dado el mismo póster de exhibición con iluminación estática de estudio y el prompt de animación de cinco capas, Gemini Omni 1.1 Flash no coincide con la imagen de referencia tan de cerca como lo hace la 1.2. Gemini Omni 1.2 Flash construye el póster secuencialmente capa por capa sobre el ciclorama rosa empolvado, elevando la base hexagonal, ensamblando las letras de vidrio estriado, filamento cálido, cristal facetado y cable enrollado para HALO, GLOW y LUMEN, y fijando cada material, sombra y detalle tipográfico de manera consistente hasta el fotograma final.
Edición más fácil en la conversación
Puedes refinar el mismo clip turno a turno — como cambiar un producto o el fondo, modificar la iluminación o el clima, o alternar la relación de aspecto — en lugar de empezar de cero. La edición conversacional de múltiples turnos funciona en clips completos de 15 segundos, lo que facilita producir variantes de anuncios para diferentes audiencias y ubicaciones sin volver a hacer un brief ni regenerar.
Partiendo de un clip generado, los prompts conversacionales de múltiples turnos cambian el fondo turno a turno — de una carpa de pabellón a rayas a un bosque de robles, un establo con un caballo blanco, una feria de mercado y un castillo de piedra — mientras se mantienen intactas las actuaciones de ambos personajes, los reflejos de la armadura y el encuadre de la cámara.
Habla más natural
Puedes generar escenas con diálogos más fluidos y de sonido natural, mejor sincronización labial y un condicionamiento distintivo para múltiples hablantes. Esto se notará ya sea que dirijas diálogos de varios personajes en Flow, crees videos explicativos en Gemini for business, o produzcas videos profesionales pulidos con avatares, música y narración en Google Vids.
Condicionado a la imagen de una escena en un invernadero junto con cuatro referencias de personajes, bocas y voces de un segundo, Gemini Omni 1.2 Flash asigna cada voz muestreada al personaje correcto con sincronización labial expresiva y un ritmo cómico natural a lo largo de una escena animada de 15 segundos.
Una apariencia más controlable y cinematográfica
Puedes dirigir movimientos complejos y continuos de cámara, desde sobrevuelos FPV envolventes hasta alejamientos y órbitas dramáticos, con significativamente menos cortes de salto no deseados, una escala más estable y un aspecto más pulido y cinematográfico.
Guiado por dos fotos arquitectónicas de referencia, Gemini Omni 1.2 Flash dirige un vuelo continuo de dron FPV a través de la plaza, por las puertas de bronce y hacia arriba a través de la cúpula artesonada del Panteón hasta el óculo, sin ningún corte de salto.
Clips más largos con movimiento más fluido y mayor consistencia
Gemini Omni 1.2 Flash genera clips de hasta 15 segundos de duración que mantienen las referencias unidas mejor que antes. Puedes desplazarte para ver cómo los personajes, el texto y los movimientos de cámara se mantienen consistentes en tomas más largas, múltiples turnos y transiciones sin cortes.
Clips de 15 segundos de duración: Convierte un fotograma de estilo en un explicador macro de ciencia de 4 tomas y 15 segundos con leyendas con ortografía precisa y seguimiento de movimiento.
Transferencia de movimiento multi-turno: Genera un pulpo ondulante en el Turno 1 y luego lo reemplaza en el Turno 2 con una bailarina cuyo vestido refleja exactamente el mismo movimiento fluido.
Consistencia entre el primer y el último fotograma (1.1 vs. 1.2): Conecta un fotograma inicial exterior y un fotograma final interior en un solo travelling continuo de cámara en 1.2 Flash. Se pueden ver diferencias sutiles como los gatos en el techo, el cucharón de sopa que se convierte en palillos y otros cambios menores.
Zoom out de choque sin cortes: Se aleja continuamente desde un primer plano cerrado de la costa hasta una vista aérea de una isla en una sola toma de 10 segundos con escala natural y cero cortes.
Resultados en el mundo real, desde creadores hasta marcas globales
Empresas, startups y creadores ya están usando Gemini Omni 1.2 Flash en sus flujos de trabajo. Y por primera vez, Gemini Omni ya está disponible de forma general, respaldado por la infraestructura y la seguridad de nivel empresarial de Google Cloud. Throughput aprovisionado está disponible, y las salidas incluyen una marca de agua imperceptible de SynthID .
Comienza a usar Gemini Omni 1.2 Flash
Si bien el desarrollo continúa para seguir mejorando aspectos como la acción deportiva rápida, los cambios rápidos de guion y la física compleja, Gemini Omni 1.2 Flash es ideal para empresas, desarrolladores y creadores que producen videos a gran escala. Puedes comenzar a usar Gemini Omni 1.2 Flash hoy mismo mientras se implementa en los productos y las plataformas para desarrolladores de Google:
- Para desarrolladores que usan la Gemini API: Crea prototipos en Google AI Studio, explora aplicaciones de inicio interactivas y consulta la documentación para desarrolladores y los precios.
- Para empresas: Pruébalo en la consola de Google Cloudy crea soluciones empresariales con la API.
- Para todos los que usan aplicaciones de Google: Dirige escenas y realiza ediciones de varios turnos en Flow, genera clips de 15 segundos sin costo adicional en Google Vids con una cuenta de Google o una suscripción a Google Workspace, crea videos de 15 segundos en la app de Gemini (disponible progresivamente para los suscriptores de Google AI Ultra) y escala campañas de video en Google Ads.