ИИтог

Google сделала Gemini Omni 1.2 Flash общедоступной: клипы до 15 секунд и цена ниже на 30%

моделиРедакция ИИтогThe Decoder🔥67Рейтинг ИИтог67Влияние60Новизна55Релевантность100Неожиданность35Участники85Достоверность75
Google сделала Gemini Omni 1.2 Flash общедоступной: клипы до 15 секунд и цена ниже на 30%

Google DeepMind делает свою модель генерации видео Gemini Omni 1.2 Flash общедоступной. По сообщению The Decoder со ссылкой на анонс Google, обновлённая модель создаёт клипы длиной до 15 секунд, поддерживает редактирование в ходе диалога и стоит на 30% дешевле предшественницы.

Где доступна: по словам Google, Gemini Omni 1.2 Flash раскатывается через Gemini API, Google AI Studio, консоль Google Cloud, Flow, Google Vids, приложение Gemini (для подписчиков Google AI Ultra) и Google Ads. Каждое сгенерированное видео несёт незаметный водяной знак SynthID, указывающий на его происхождение.

Цифры: длина клипа теперь от трёх до 15 секунд (раньше максимум был 10 секунд), а цена снижена на 30%, до $0,07 за секунду видео в 720p. Готовые клипы можно дополнительно править в продолжающемся диалоге.

Главная функция, то, что Google называет «Conversational Editing» (разговорное редактирование). Пользователь может шаг за шагом менять фон, освещение или соотношение сторон, не генерируя клип заново целиком; по словам Google, это работает на всей длине в 15 секунд. В паре с многоступенчатым рабочим процессом функция должна снижать расходы: черновики сначала создаются в 360p или 720p, отдельные детали исправляются повторной правкой, и только финальный результат увеличивается до 1080p или 4K.

Google также обещает заметно лучшее следование референсам. Согласно анонсу, на вход модель принимает изображения персонажей, фото товаров, короткие клипы с движением длиной до трёх секунд и звуковые подсказки. Лица, одежда, шрифты на упаковке и фирменные цвета должны оставаться согласованными при смене ракурса камеры. В качестве примера Google показывает виртуальную примерку: по одному фото модели и снимкам трёх нарядов модель генерирует 15-секундную последовательность с поворотами на 360 градусов, сохраняя внешность человека, а также крой и посадку каждой вещи.

Общая визуальная связность, как утверждает Google, тоже выросла: меньше «дрейфа» картинки и искажений формы при движении и переходах камеры по сравнению с предшественницей. Кроме того, модель должна выдавать более плавные и естественные диалоги с более чёткой синхронизацией губ и умением различать нескольких говорящих. Сложные непрерывные движения камеры, полёт FPV-дрона или резкое отдаление, по тексту The Decoder, обрабатываются со значительно меньшим числом нежелательных склеек.

Ключевые факты

  • Gemini Omni 1.2 Flash от Google DeepMind становится общедоступной: клипы от трёх до 15 секунд (раньше максимум 10).
  • Цена снижена на 30%, до $0,07 за секунду видео в 720p.
  • Функция «Conversational Editing»: фон, свет и соотношение сторон меняются по шагам без полной перегенерации; черновики в 360p/720p, финал в 1080p или 4K.
  • На вход принимаются изображения персонажей, фото товаров, клипы движения до трёх секунд и звук; Google обещает стабильность лиц, одежды, шрифтов и цветов бренда при смене ракурсов.
  • Доступ: Gemini API, Google AI Studio, Google Cloud Console, Flow, Google Vids, приложение Gemini (для подписчиков Google AI Ultra) и Google Ads; на каждом видео водяной знак SynthID.

Почему это важно

Обновление бьёт сразу по двум главным ограничениям генеративного видео: длине ролика и цене. Максимум вырос с 10 до 15 секунд, а стоимость секунды видео в 720p упала на 30% до $0,07. Дополнительно Google делает ставку на редактирование в диалоге: правка отдельных деталей без перегенерации всего клипа должна сократить число дорогих повторных запусков.

Кому это важно

Разработчикам, которые подключают видеогенерацию через Gemini API и Google AI Studio, и командам в Google Cloud. Маркетологам и рекламщикам: модель доступна в Google Ads и Google Vids, а сценарии с фото товаров, сохранением шрифтов упаковки и цветов бренда нацелены именно на них. Создателям видео, которые работают во Flow, и подписчикам Google AI Ultra, получающим доступ в приложении Gemini.

Как это применить

Доступ открыт через Gemini API, Google AI Studio, консоль Google Cloud, Flow, Google Vids, приложение Gemini (для подписчиков Google AI Ultra) и Google Ads. Из цен в источнике указано только $0,07 за секунду видео в 720p. Рабочий процесс, который описывает Google: сначала черновик в 360p или 720p, затем точечные правки в диалоге (фон, освещение, соотношение сторон), и лишь финальный вариант увеличивается до 1080p или 4K. Для консистентности можно подать на вход изображения персонажей, фото товаров, короткие клипы движения до трёх секунд и звуковые подсказки.

Можно ли доверять

Это пересказ анонса Google в изложении The Decoder, и почти все оценки качества, «меньше дрейфа», «лучше следование референсам», «более естественные диалоги», принадлежат самой Google и поданы в формулировках «должно» и «обещает». Независимых бенчмарков и сторонних тестов в материале не приводится. Цифры о длине клипа и цене конкретны, но дата выпуска и цена предшественницы в долларах не названы, поэтому оценить масштаб скидки в абсолютных числах нельзя.

Риски и подводные камни

Заявленная стабильность лиц, одежды, шрифтов и цветов при смене ракурсов и качество синхронизации губ пока подтверждены лишь материалами Google, включая демонстрацию виртуальной примерки. Экономия от многоступенчатого процесса описана как намерение («должна снижать расходы»), а не измеренный результат. Цены даны только для 720p; стоимость для других разрешений в источнике не названа, так что итоговый бюджет с апскейлом до 1080p или 4K заранее не посчитать. Все ролики несут водяной знак SynthID, что стоит учитывать при публикации.