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

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

Google DeepMind объявила о выходе Gemini Omni 1.2 Flash, модели для генерации видео. Она общедоступна в Gemini API и в Gemini for business. Главные новшества: нативное создание роликов длиной до 15 секунд (в Omni 1.1 было до 10), пошаговое редактирование в диалоге и более точное следование референсам. Цену снизили на 30% относительно Gemini Omni 1.1: теперь это $0.07 за секунду видео в разрешении 720p. По словам DeepMind, впервые общедоступным стал Gemini Omni в целом, с инфраструктурой и защитой Google Cloud; доступна опция Provisioned Throughput, а все результаты несут незаметный водяной знак SynthID.

Экономия, по описанию компании, не только в цене. Черновики можно делать быстро в 360p или 720p, мелкую деталь исправлять уточняющей правкой, а не пересоздавать ролик целиком, а удачные варианты потом увеличивать до 1080p или 4K. Длительность задаётся с шагом в одну секунду от 3 до 15 секунд, так что в один заход помещаются законченная история, объясняющий ролик о продукте или рекламный ролик для соцсетей.

Следование референсам: генерацию можно направлять изображениями персонажей, товаров или стиля, короткими видеофрагментами движения (до трёх секунд) и звуковыми подсказками. Лица, одежда, шрифты на упаковке и фирменные цвета, по утверждению DeepMind, остаются одинаковыми при смене ракурсов. В примере из поста по фото модели и снимкам трёх нарядов спереди и сзади строится 15-секундная виртуальная примерка с поворотами на 360 градусов и монтажными склейками, где сохраняются внешность модели, крой и детали одежды. Заявлено и меньше визуального «дрейфа» и «плавления» объектов между первым и последним кадром, в том числе при интерполяции между ключевыми кадрами и при продлении клипа.

Редактирование в диалоге: один и тот же ролик можно уточнять шаг за шагом (менять товар или фон, освещение или погоду, соотношение сторон), а не начинать заново, причём это работает на полных 15-секундных клипах. В примере DeepMind фон последовательно меняют с полосатого шатра на дубовый лес, конюшню с белой лошадью, ярмарку и каменный замок, при этом игра двух персонажей, блики на доспехах и кадрирование сохраняются.

Речь и камера. DeepMind обещает более плавные и естественные диалоги, более чёткую синхронизацию губ и раздельную привязку голосов к нескольким говорящим. Для камеры заявлены сложные непрерывные движения (облёты от первого лица, отдаление, облёт по орбите) со значительно меньшим числом нежелательных склеек, более стабильным масштабом и более кинематографичным видом; в примере один непрерывный пролёт дрона по площади, через бронзовые двери и вверх сквозь купол Пантеона к окулусу показан без склеек.

Где доступно: разработчикам, Google AI Studio и документация Gemini API; бизнесу, консоль Google Cloud и API; обычным пользователям, Flow (сцены и многошаговые правки), Google Vids (15-секундные клипы без дополнительной платы при наличии аккаунта Google или подписки Google Workspace), приложение Gemini (15-секундные видео постепенно открываются подписчикам Google AI Ultra) и Google Ads. Сама DeepMind признаёт, что работа над быстрым спортивным действием, резкой сменой сценария и сложной физикой продолжается.

Ключевые факты

  • Gemini Omni 1.2 Flash общедоступна в Gemini API и Gemini for business; впервые общедоступным объявлен Gemini Omni в целом.
  • Нативные ролики до 15 секунд (в Omni 1.1 было до 10), длительность задаётся с шагом в секунду от 3 до 15.
  • Цена: $0.07 за секунду видео в 720p, на 30% ниже, чем у Gemini Omni 1.1.
  • Черновики в 360p или 720p, финальное увеличение до 1080p или 4K; правки в диалоге вместо полной перегенерации.
  • Референсы: изображения персонажей, товаров и стиля, движения до трёх секунд и звуковые подсказки; результаты несут водяной знак SynthID.

Почему это важно

Это не новая модель с нуля, а версия 1.2 в линейке Gemini Omni, но с двумя практичными сдвигами: ролики стали длиннее (до 15 секунд против 10 в Omni 1.1) и дешевле (на 30%, $0.07 за секунду в 720p). Плюс Google впервые объявляет весь Gemini Omni общедоступным на инфраструктуре Google Cloud. Для рынка генерации видео это шаг от демонстраций к производственным сценариям вроде рекламы и каталожных роликов.

Кому это важно

Разработчикам, которые встраивают генерацию видео через Gemini API и Google AI Studio; компаниям, делающим рекламные ролики, объясняющие видео и примерки одежды в больших объёмах; авторам, работающим во Flow и Google Vids. Подписчикам Google AI Ultra 15-секундные видео в приложении Gemini открываются постепенно.

Как это применить

Схема, которую предлагает сама DeepMind: делать черновики в 360p или 720p, точечно править детали уточняющими запросами в диалоге, затем увеличивать лучшие варианты до 1080p или 4K. Входные данные: фото товара или листы персонажей, короткие видеофрагменты движения до трёх секунд, звуковые подсказки. Попробовать можно в Google AI Studio (Gemini API), в консоли Google Cloud, во Flow, в Google Vids (15-секундные клипы без дополнительной платы при аккаунте Google или подписке Google Workspace) и в Google Ads. Известная цена только одна: $0.07 за секунду в 720p.

Можно ли доверять

Источник, официальный пост Google DeepMind, то есть заявления самой компании. Сравнение с Omni 1.1 качественное: бенчмарков, числовых метрик и сторонних оценок в посте нет, примеры подобраны самими авторами. Цена Omni 1.1 не указана, только снижение на 30%; не сказано, распространяется ли оно на разрешения, отличные от 720p. Про «уже использующие модель» бизнес, стартапы и авторов говорится без названий. Утверждения про диалоги, камеру и отсутствие склеек сформулированы как обещание, а не как замер.

Риски и подводные камни

Цены на 360p, 1080p и 4K, стоимость Provisioned Throughput, лимиты запросов и региональная доступность в посте не указаны, так что итоговую стоимость рабочего процесса заранее не посчитать. DeepMind сама оговаривает, что быстрое спортивное действие, резкая смена сценария и сложная физика ещё улучшаются. Доступ в приложении Gemini пока только у подписчиков Google AI Ultra, и его выкатывают постепенно. Результаты помечаются водяным знаком SynthID, незаметным для глаза.