Google выпустила Gemini Omni 1.2 Flash: видео дешевле, длиннее и точнее

Начнём с денег, потому что для рынка это, пожалуй, самое важное. Новая версия стоит на 30 процентов дешевле предыдущей: генерация одной секунды видео в разрешении 720p обойдётся в 0,07 доллара. Google отдельно подчёркивает экономию за счёт нового рабочего процесса. Сначала можно быстро набросать черновик в 360p или 720p, потом поправить детали через редактирование, не перегенерируя весь фрагмент целиком, а в конце поднять готовый результат до 1080p или 4K. Такой подход заметно снижает итоговую стоимость, особенно когда речь идёт о десятках и сотнях роликов для рекламных кампаний.

По длине фрагментов Gemini Omni 1.2 Flash тоже прибавила: если версия 1.1 умела делать ролики максимум по десять секунд, то новая модель выдаёт до пятнадцати секунд нативно. Причём длительность можно задавать с шагом в одну секунду в диапазоне от трёх до пятнадцати секунд. Этого хватает, чтобы за один проход собрать законченную историю, объяснение продукта или короткий рекламный ролик для соцсетей.

Отдельный блок улучшений касается того, насколько точно модель следует референсам. Пользователь может приложить изображения персонажа, продукта или стиля, добавить динамичный фрагмент длиной до трёх секунд и звуковые подсказки. Модель удерживает лицо, одежду, шрифты на упаковке и фирменные цвета при смене ракурсов. На практике это значит, что из готовых продуктовых фотографий и концепт-артов персонажей можно делать виртуальную примерку, вращающиеся презентации товара и брендовые видеоролики без долгой ручной доводки.

Согласованность кадров тоже подтянули. Новинка держит персонажа, объект и сцену от первого кадра до последнего, снижая визуальный дрейф и деформации при движении и смене планов. Это работает и когда модель достраивает промежуточные кадры между ключевыми, и когда из коротких фрагментов собирают длинную последовательность: продукт, герой, реквизит и окружение остаются узнаваемыми в разных сценах.

Ещё одна заметная функция — диалоговое редактирование. Один и тот же ролик можно править по шагам: заменить продукт или фон, поменять освещение или погоду, переключить соотношение сторон. Переснимать всё с нуля не нужно, и это работает на всём пятнадцатисекундном фрагменте. Для рекламщиков это удобно: под разных зрителей и разные площадки можно быстро наделать вариантов, не переписывая промпты и не запуская генерацию заново.

Звук и речь тоже стали аккуратнее: диалоги звучат естественнее, синхронизация губ чётче, есть управление несколькими говорящими. Это пригодится при съёмке сцен с несколькими персонажами в Flow, при создании обучающих видео в Gemini for business и в Google Vids, где можно собрать профессиональный ролик с цифровым ведущим, музыкой и закадровым голосом.

Для тех, кому нужна кинематографичность, добавили управление сложными непрерывными движениями камеры: облёт в стиле FPV, драматичный отъезд, круговые проезды. Модель реже режет сцену лишними склейками и лучше держит масштаб, поэтому картинка выглядит цельнее и дороже.

Gemini Omni впервые доступна в полноценном общем доступе. Она работает на инфраструктуре и средствах безопасности Google Cloud, поддерживает предварительно выделенную пропускную способность, а весь сгенерированный контент помечается невидимым для глаза водяным знаком SynthID. Разработчики могут прототипировать в Google AI Studio и смотреть документацию с ценами, корпоративные клиенты — пробовать в консоли Google Cloud, обычные пользователи — режиссировать сцены и редактировать их в Flow, бесплатно делать пятнадцатисекундные ролики в Google Vids. Доступ в приложении Gemini постепенно открывают для подписчиков Google AI Ultra, а Google Ads поддерживает массовое производство рекламных видео.