Google puso a disposición de todos los usuarios de la API de Gemini y de Gemini para empresas su nuevo modelo de generación de video, Gemini Omni 1.2 Flash. La herramienta permite crear clips nativos de hasta 15 segundos, incorpora edición conversacional de múltiples turnos y mejora el seguimiento de referencias visuales, con un precio un 30% menor respecto a su versión anterior.
La actualización se suma al catálogo de productos de inteligencia artificial generativa de la compañía y llega en un momento en el que empresas, startups y creadores buscan producir contenido audiovisual a gran escala sin depender de procesos de edición tradicionales.
Qué es Gemini Omni 1.2 Flash y cómo reduce costos de producción de video
Gemini Omni 1.2 Flash es la nueva versión del modelo de generación de video de Google, diseñada para producir clips de hasta 15 segundos con menor costo y mayor eficiencia en el flujo de trabajo.
El sistema permite editar en resoluciones bajas antes de invertir en calidad final, lo que reduce el gasto computacional durante la fase de prueba y error.
“Hemos reducido el precio un 30% con respecto a Gemini Omni 1.1, ofreciendo ahora video en 720p a solo USD 0,07 por segundo”, señala Google.
El ahorro no proviene únicamente del costo por segundo. La compañía rediseñó el flujo de trabajo para que los usuarios puedan generar y editar primero en 360p o 720p, corregir detalles puntuales mediante una edición posterior en lugar de regenerar el clip completo y, recién al final, aplicar una mejora de resolución a 1080p o 4K sobre las piezas ya aprobadas.
Este esquema evita que cada ajuste menor implique volver a crear todo el video desde cero, un problema habitual en las primeras versiones de herramientas de generación audiovisual con inteligencia artificial.
Duración de los clips y adherencia a referencias visuales
Uno de los cambios centrales de esta versión es la extensión de la duración nativa de los videos, que pasa de los 10 segundos de Omni 1.1 a 15 segundos en Omni 1.2 Flash. Los usuarios pueden especificar la duración en incrementos de un segundo, desde 3 hasta 15 segundos, según explica Google.
Esta flexibilidad habilita la producción de historias completas, videos explicativos de productos o anuncios enteros para redes sociales en una sola generación, sin necesidad de unir fragmentos por separado.
El modelo también incorpora una mejor adherencia a las referencias que el usuario proporciona. Es posible combinar imágenes de personajes, productos o estilos, clips de movimiento de hasta tres segundos y señales de audio, y el sistema conserva esos detalles de principio a fin del clip.
Según detalla Google, rostros, prendas, tipografía de empaques y colores de marca se mantienen consistentes en distintos ángulos de cámara. Esto facilita convertir fotografías de productos o fichas de personajes existentes en clips de prueba virtual, presentaciones de catálogo y anuncios de video de marca.
Coherencia visual y edición conversacional en video con IA
La compañía puso énfasis en la consistencia de personajes, objetos y escenas a lo largo de todo el clip, desde el primer hasta el último fotograma. El objetivo es reducir las desviaciones visuales o transformaciones inesperadas durante transiciones de movimiento y cambios de cámara.
Esta mejora aplica tanto si se interpola entre un fotograma clave y el último como si se extiende un clip para construir una secuencia más larga: productos, personajes, accesorios y entornos permanecen iguales entre una toma y otra.
A esto se suma la edición conversacional de múltiples turnos, que permite perfeccionar un mismo clip paso a paso. Es posible cambiar un producto o el fondo, modificar la iluminación o el clima, o ajustar la relación de aspecto sin tener que empezar de cero la generación.
Esta función trabaja sobre clips completos de 15 segundos, lo que simplifica la creación de variantes de un mismo anuncio para distintas audiencias o ubicaciones geográficas, sin necesidad de replanificar ni de generar contenido nuevo desde el inicio.
Diálogos, sincronización labial y control cinematográfico
Gemini Omni 1.2 Flash también mejora la generación de escenas con diálogos. El modelo produce conversaciones más fluidas y naturales, con una sincronización labial más precisa y un procesamiento de voz multicanal más ajustado.
Esta capacidad resulta aplicable tanto para dirigir diálogos con varios personajes en Flow como para crear videos explicativos en Gemini para empresas o producciones con avatares, música y narración en Google Vids.
En el plano cinematográfico, la herramienta permite dirigir movimientos de cámara más complejos y continuos, como recorridos aéreos en primera persona, alejamientos dramáticos y órbitas, con menos cortes abruptos no deseados y una escala más estable.
Google destaca que estos clips de hasta 15 segundos mantienen la coherencia de las referencias en tomas largas, giros y transiciones, incluso cuando se revisan cuadro por cuadro.
Disponibilidad para empresas, desarrolladores y usuarios de Google
“Empresas, startups y creativos ya utilizan Gemini Omni 1.2 Flash en sus flujos de trabajo. Y por primera vez, Gemini Omni está disponible para todos, con el respaldo de la infraestructura y la seguridad de nivel empresarial de Google Cloud”, señala la compañía.
El rendimiento aprovisionado ya está disponible, y todas las salidas generadas incluyen una marca de agua SynthID imperceptible, destinada a identificar el contenido creado con inteligencia artificial.
Google aclaró que el desarrollo continúa en áreas donde el modelo todavía presenta limitaciones, como la acción deportiva rápida, los cambios de guion ágiles y la representación de física compleja. Aun así, la compañía presenta a Omni 1.2 Flash como una opción pensada para empresas, desarrolladores y creadores que necesitan producir video a gran escala.
El despliegue ya alcanza todos los productos y plataformas para desarrolladores de la empresa. Según indicó Google, los desarrolladores que utilizan la API Gemini pueden crear prototipos en Google AI Studio, explorar aplicaciones interactivas de inicio y consultar la documentación técnica y de precios disponible.
Cabe señalar que las empresas pueden probar el modelo en la consola de Google Cloud y construir soluciones propias con la API.
Para los usuarios de aplicaciones de Google, la compañía habilitó la posibilidad de dirigir escenas y editarlas varias veces en Flow, generar clips de 15 segundos sin costo adicional en Google Vids con una cuenta de Google o una suscripción a Google Workspace, crear videos de 15 segundos en la aplicación Gemini, próximamente disponible para suscriptores de Google AI Ultra, y ampliar campañas de video en Google Ads.
Fuente: Infobae — Ver noticia original