stamatios
← Voltar ao feed
Raio veloz atravessando tira de filme que se estende em fita longa, metáfora do Gemini Omni 1.2 Flash
IA & Modelos · Big Tech

Google lança Gemini Omni 1.2 Flash com mais velocidade e clipes mais longos

resumo de ~3 min

Lançamento e principais mudanças

O Google anunciou o Gemini Omni 1.2 Flash, versão de geração de vídeo que passa a suportar clipes nativos de até 15 segundos, com melhor aderência a referências e edição em múltiplos turnos por conversa. Segundo a fonte, o modelo está disponível de forma geral na Gemini API e no Google Cloud, e o preço caiu 30% em relação ao Gemini Omni 1.1, chegando a US$ 0,07 por segundo de vídeo em 720p.

Custo e fluxo de trabalho

O texto afirma que o fluxo ajuda a reduzir custos: é possível criar rascunhos rápidos em 360p ou 720p, corrigir detalhes com uma edição de acompanhamento em vez de gerar o clipe inteiro de novo e, por fim, ampliar as melhores versões para 1080p ou 4K. A duração pode ser definida em incrementos de um segundo, de 3 a 15 segundos.

Consistência e referências

Segundo o Google, o modelo aceita combinações de imagens de personagem, produto ou estilo, clipes curtos de movimento (de até três segundos) e pistas de áudio, mantendo rostos, peças de roupa, tipografia de embalagens e cores de marca ao longo do clipe. A empresa cita provas de conceito como provador virtual, giros de catálogo e anúncios de marca. Em um exemplo apresentado pelo próprio Google, o 1.2 aderiu mais de perto a uma imagem de referência do que o 1.1 em um cartaz animado de cinco camadas, mas esse resultado é uma demonstração escolhida pela empresa.

Edição conversacional

É possível refinar o mesmo clipe turno a turno, trocando produto ou fundo, alterando iluminação ou clima ou mudando a proporção de tela, sem recomeçar do zero. Segundo a fonte, a edição funciona em clipes completos de 15 segundos, o que facilita criar variantes de anúncio para públicos e formatos diferentes.

Fala, câmera e movimento

O Google afirma que o modelo gera diálogos mais naturais, com sincronização labial mais clara e condicionamento para múltiplos falantes. Também diz que controla movimentos de câmera contínuos com menos cortes indesejados e escala mais estável. Os exemplos citados são demonstrações internas, e a própria empresa reconhece que ainda está trabalhando em melhorias para ações esportivas rápidas, mudanças rápidas de roteiro e física complexa.

Disponibilidade

Para desenvolvedores, o modelo pode ser testado no Google AI Studio e na documentação da API. Para empresas, está no console do Google Cloud, com Provisioned Throughput disponível. Usuários de aplicativos Google podem usar o Flow, o Google Vids (clipes de 15 segundos sem custo adicional, com conta Google ou assinatura do Workspace) e o app Gemini, este último em implantação para assinantes do Google AI Ultra. As saídas trazem a marca d'água invisível SynthID. A fonte também informa que empresas e criadores já usam o modelo, mas não detalha esses casos.