Google ha lanzado Gemini Omni 1.2 Flash, un modelo de generación y edición de vídeo que amplía la creación nativa de clips a 15 segundos, añade edición conversacional en varios turnos y reduce el precio un 30% frente a su predecesor. La compañía afirma que el modelo está disponible de forma general a través de Gemini API, Google Cloud y Gemini for business.
La actualización aborda una limitación práctica que ha definido buena parte de la primera generación de herramientas de vídeo con IA: los clips cortos son útiles, pero a menudo dejan demasiado poco tiempo para contar una historia completa o crear una demostración de producto utilizable. Gemini Omni 1.2 Flash puede generar y editar vídeos de entre tres y 15 segundos, con una duración especificada en incrementos de un segundo. Esto supone un aumento frente al máximo de 10 segundos de Omni 1.1.
Clips más largos, con énfasis en la iteración
Quince segundos siguen siendo un formato compacto, pero bastan para un anuncio breve en redes sociales, un vídeo explicativo de producto o una secuencia visual autónoma. Más importante que esos cinco segundos adicionales puede ser el flujo de trabajo que Google está planteando. En lugar de obligar al usuario a descartar un resultado casi satisfactorio y producir un clip completamente nuevo, el modelo admite ediciones posteriores dentro de una conversación.
Google afirma que este enfoque permite hacer ajustes sin reiniciar desde el mensaje original. En la producción de vídeo, las pequeñas inconsistencias pueden resultar costosas: un producto puede cambiar de aspecto, un personaje puede perder continuidad o un movimiento solicitado puede no aparecer como se esperaba. La compañía presenta las ediciones conversacionales como una forma de abordar esos problemas en turnos posteriores y conservar al mismo tiempo la dirección general del clip.
El lanzamiento también destaca una mayor fidelidad a las referencias. Según Google, los usuarios pueden guiar una generación combinando imágenes de personajes, productos o estilos, clips breves de movimiento de hasta tres segundos y señales de audio. El objetivo declarado es facilitar la incorporación de una dirección visual específica al resultado, en lugar de depender únicamente de instrucciones de texto.
Los precios más bajos cambian el cálculo de producción
Google ha fijado el precio anunciado del vídeo en 720p en 0,07 dólares por segundo, lo que describe como una reducción del 30% frente a Gemini Omni 1.1. En el vídeo generativo, el precio no es solo un detalle de compra. Afecta a la libertad con la que los equipos creativos y de producción pueden experimentar, al número de iteraciones que pueden permitirse y a si una herramienta se utiliza para ideación ocasional o pasa a formar parte de un flujo de trabajo repetible.
La compañía propone un proceso por etapas: hacer un borrador rápido en 360p o 720p, usar la edición posterior para corregir detalles y después ampliar a 1080p o 4K las creaciones seleccionadas. Esta secuencia refleja una lógica de producción conocida. Las versiones de menor resolución pueden utilizarse para probar la composición y el movimiento antes de aplicar un procesamiento final más exigente a la mejor candidata.
Para desarrolladores y empresas, la combinación de un precio unitario más bajo y un modelo disponible mediante una API importa tanto como la función principal. Facilita la incorporación del sistema a productos, flujos internos de contenidos y procesos creativos automatizados. Google también afirma que el lanzamiento está disponible en Google Vids y Gemini for business, llevando estas capacidades tanto a herramientas destinadas al uso laboral como a plataformas para desarrolladores.
Qué indica el lanzamiento
Gemini Omni 1.2 Flash no se presenta como un avance único en realismo visual. Su importancia es más operativa: clips nativos más largos, controles que pueden revisarse mediante conversación, más tipos de entrada para orientar el resultado y un menor coste por segundo. En conjunto, estos cambios apuntan a la brecha entre una muestra generada llamativa y una herramienta que las personas con plazos concretos pueden utilizar de forma repetida.
Esta distinción es cada vez más importante a medida que los sistemas de vídeo con IA pasan de las demostraciones a la producción. Un equipo de marketing, un docente o un desarrollador de software puede valorar más la posibilidad de ajustar el resultado de forma fiable y las referencias reconocibles de un producto que un resultado cinematográfico aislado. Poder especificar una duración, proporcionar al modelo varios tipos de material de referencia y seguir editando un clip hace que la herramienta sea más estructurada que una interfaz de mensaje único.
El formato sigue teniendo limitaciones inherentes. El límite de 15 segundos restringe los tipos de historias que pueden contarse en una sola generación, y el anuncio de Google no elimina la necesidad de revisar manualmente los resultados. Pero para trabajos diseñados ya en torno al vídeo corto, la duración adicional puede reducir la necesidad de ensamblar varios fragmentos generados por IA.
Las decisiones de Google sobre precio y disponibilidad sugieren que considera la generación rápida y de menor coste fundamental para la adopción. Al incluir el modelo desde el lanzamiento en su API, oferta en la nube y productos orientados a empresas, la compañía busca tanto a desarrolladores que quieren integrar la generación de vídeo como a organizaciones que desean utilizarla directamente. El resultado es una actualización centrada menos en la novedad que en hacer que el vídeo corto generado por IA sea más editable, más dirigible y más económico a escala.
Este artículo se basa en un informe de Google AI Blog. Lee el artículo original.
Originally published on blog.google




