Google выпустила Gemini Omni 1.2 Flash в general availability для Gemini API и Gemini for business. Модель генерирует и редактирует видео нативной длительностью до 15 секунд вместо десяти у Omni 1.1. Продолжительность задаётся с шагом одна секунда от трёх до пятнадцати.
Multi-turn conversational editing позволяет менять тот же clip последовательными запросами: заменить продукт или фон, изменить освещение, погоду или aspect ratio. Редактирование работает на полных 15-секундных роликах и устраняет необходимость каждый раз генерировать сцену заново.
Reference following объединяет character, product и style images, motion clips до трёх секунд и audio cues. По заявлению Google, лица, одежда, typography упаковки и brand colors лучше сохраняются между ракурсами. Отдельные улучшения касаются first-to-last-frame consistency, уменьшения visual drift и morphing при движении или переходах камеры.
Речь стала естественнее, lip-sync точнее, а multi-speaker conditioning связывает голоса с конкретными персонажами. Camera control поддерживает FPV flythroughs, zoom-outs и orbits с меньшим числом нежелательных jump cuts. В демонстрациях Google показывает continuous motion, match cuts и смену действий при сохранении персонажей и света.
Цена 720p video снижена на 30% по сравнению с Omni 1.1 и составляет $0,07 за секунду. Для экономии предлагается черновая генерация в 360p или 720p, точечные правки и последующий upscale удачных результатов в 1080p или 4K. Enterprise-вариант поддерживает Provisioned Throughput, а выходные ролики получают незаметный SynthID watermark.
Доступ распространяется на Google AI Studio, Gemini API, Google Cloud, Flow и Google Vids. В Vids 15-секундные клипы доступны с Google account или Workspace subscription, в Gemini app функция развёртывается для AI Ultra subscribers, а Google Ads предназначен для масштабирования кампаний.
Google продолжает дорабатывать быстрые спортивные сцены, rapid script changes и complex physics. Поэтому заявленные улучшения консистентности и управления камерой не означают одинаково надёжного результата для любой динамичной сцены.