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

Google 5 ноября открыла общий доступ к видеомодели Gemini Omni 1.2 Flash. Она генерирует и редактирует ролики длиной до 15 секунд (в Omni 1.1 потолок был 10), а цена упала на 30%: 720p стоит $0.07 за секунду. Модель доступна в Gemini API, Google Cloud и Gemini for business, а по данным блога Google, еще и в Google Vids.
Что изменилось
Длительность теперь задается с шагом в одну секунду, от 3 до 15. Google рассчитывает, что этого хватит на готовый рекламный ролик для соцсетей или пояснение к товару за один заход, без склейки из нескольких фрагментов.
Второе нововведение - многошаговое редактирование в диалоге. Если в кадре не устроила деталь, ее правят следующей репликой, а не генерируют ролик заново. The Verge отдельно пишет про более уверенную работу с непрерывным движением камеры и "естественно звучащие" диалоги.
Третье - референсы. Модели можно дать изображения персонажа, товара или стиля, моушн-клипы до трех секунд и звуковые подсказки. По заявлению Google, лица, одежда, шрифты на упаковке и фирменные цвета сохраняются при смене ракурсов. В пример компания приводит виртуальную примерку: фото одной модели и снимки спереди и сзади трех нарядов превращаются в 15-секундную последовательность с поворотом на 360 градусов, где крой и фактура тканей не расплываются.
Деньги
Из цифр Google следует, что в Omni 1.1 секунда 720p стоила около $0.10. Тогда 10-секундный клип обходился примерно в $1.00, а 15-секундный в новой версии стоит около $1.05. За те же деньги выходит полтора раза больше видео. Это наша прикидка, а не прайс из источника.
Отдельно Google предлагает схему экономии: черновики в 360p или 720p, точечные правки репликами, и только удачный вариант поднимается до 1080p или 4K. Для студий и маркетплейсов, где на один товар приходятся десятки пробных роликов, такой порядок важнее самой скидки: основной расход уходит на итерации, а не на финальный рендер.
Что это значит для рынка
Главный сдвиг здесь не в 15 секундах как таковых, а в связке длины, консистентности и правок. Раньше сгенерированные ролики приходилось собирать из коротких кусков, и персонаж по дороге менял лицо. Если заявленная стабильность первого и последнего кадра подтвердится на практике, каталожные ролики и рекламные заготовки можно будет делать без операторской съемки. Проверять стоит именно на своих материалах: Google показывает собственные удачные примеры, независимых сравнений с конкурентами в источниках нет.
Для разработчиков хорошая новость в статусе: это общий доступ, а не превью, поэтому модель можно закладывать в продакшен-конвейеры и считать бюджет по понятной посекундной ставке.
Источники
Похожие новости
Runway открыла веса Praxis-1: модель для роботов обошла FLUX 3 Action в RoboLab-120
Runway выложила веса и код Praxis-1 под Apache 2.0. Модель опирается на видеомодель и дала 46,2% в симуляторе RoboLab-120 против 42,9% у FLUX 3 Action, но тесты компания провела сама.
NVIDIA Cosmos 3: открытые чекпоинты генерируют видео и LiDAR для роботов
NVIDIA опубликовала рецепты Cosmos Framework для модели Cosmos 3 Nano: синхронное видео и LiDAR для беспилотников, роботов и хирургии. Через NIM инференс на H200 быстрее примерно в 2-3 раза.
Google представила StreamVibe: видеоагент сам решает, когда вмешаться
Исследователи Google, Stanford и Oxford обучили видеоагента подсказывать по ходу работы. Тесты показали: на роликах дольше пяти минут модели редко выбирают нужный момент.