Google a lancé Gemini Omni 1.2 Flash, un modèle de génération et de montage vidéo qui porte la création native de clips à 15 secondes, ajoute le montage conversationnel en plusieurs tours et réduit le prix de 30 % par rapport à son prédécesseur. L’entreprise indique que le modèle est désormais disponible via Gemini API, Google Cloud et Gemini for business.

Cette mise à jour vise une contrainte pratique qui a façonné une grande partie de la première génération d’outils vidéo utilisant l’IA : les clips courts sont utiles, mais ils laissent souvent trop peu de temps pour raconter une histoire complète ou réaliser une démonstration de produit exploitable. Gemini Omni 1.2 Flash peut générer et monter des vidéos de trois à 15 secondes, avec une durée définie par incréments d’une seconde. Il s’agit d’une hausse par rapport au maximum de 10 secondes proposé par Omni 1.1.

Des clips plus longs, avec l’accent mis sur l’itération

Quinze secondes restent un format compact, mais elles suffisent pour une courte publicité sur les réseaux sociaux, une présentation de produit ou une séquence visuelle autonome. Plus importante que ces cinq secondes supplémentaires pourrait être l’approche de travail que Google construit autour de cette fonction. Plutôt que de contraindre l’utilisateur à abandonner un résultat presque réussi et à produire un clip entièrement nouveau, le modèle prend en charge les modifications de suivi dans le cadre d’une conversation.

Google affirme que cette approche permet d’effectuer des ajustements sans repartir de l’invite initiale. Dans la production vidéo, les petites incohérences peuvent coûter cher : l’apparence d’un produit peut changer, un personnage peut perdre sa continuité ou un mouvement demandé peut ne pas apparaître comme prévu. L’entreprise présente le montage conversationnel comme un moyen de résoudre ces problèmes lors des tours suivants tout en conservant l’orientation générale du clip.

Le lancement met également en avant une meilleure fidélité aux références. Selon Google, les utilisateurs peuvent guider une génération à l’aide de combinaisons d’images de personnages, de produits ou de styles, de courts clips de mouvement allant jusqu’à trois secondes et de repères audio. L’objectif annoncé est de faciliter le transfert d’une direction visuelle précise vers le résultat, plutôt que de s’appuyer uniquement sur des instructions textuelles.

La baisse des prix modifie le calcul de production

Google a fixé le prix affiché de la vidéo en 720p à 0,07 dollar par seconde, soit, selon l’entreprise, une réduction de 30 % par rapport à Gemini Omni 1.1. Pour la vidéo générative, le prix n’est pas qu’un détail d’achat. Il influence la liberté avec laquelle les équipes créatives et de production peuvent expérimenter, le nombre d’itérations qu’elles peuvent se permettre et le fait qu’un outil soit utilisé pour une conception ponctuelle ou devienne partie intégrante d’un flux de travail reproductible.

L’entreprise suggère un processus en plusieurs étapes : réaliser rapidement une ébauche en 360p ou 720p, utiliser le montage de suivi pour corriger les détails, puis mettre à l’échelle les créations sélectionnées en 1080p ou 4K. Cette séquence reflète une logique de production familière. Les versions à plus faible résolution peuvent servir à tester la composition et le mouvement avant d’appliquer un travail de finition plus lourd sur le plan informatique au meilleur candidat.

Pour les développeurs et les entreprises, l’association d’un coût unitaire réduit et d’un modèle accessible via une API compte autant que la fonction mise en avant. Elle facilite l’intégration du système dans des produits, des chaînes internes de production de contenu et des flux de travail créatifs automatisés. Google indique également que la sortie est disponible dans Google Vids et Gemini for business, ce qui met ces capacités à la portée d’outils destinés au travail comme de plateformes pour développeurs.

Ce que ce lancement annonce

Gemini Omni 1.2 Flash n’est pas présenté comme une avancée unique en matière de réalisme visuel. Son importance est davantage opérationnelle : des clips natifs plus longs, des contrôles révisables par conversation, davantage de types d’entrées pour orienter le résultat et un coût par seconde inférieur. Ensemble, ces changements ciblent l’écart entre un échantillon généré impressionnant et un outil utilisable à plusieurs reprises par des personnes soumises à des délais.

Cette distinction devient de plus en plus importante à mesure que les systèmes vidéo d’IA passent des démonstrations à la production. Une équipe marketing, un enseignant ou un développeur de logiciels peut accorder davantage de valeur à des ajustements fiables et à des références de produits reconnaissables qu’à un résultat cinématographique isolé. La possibilité de préciser une durée, de fournir au modèle plusieurs types de documents de référence et de continuer à modifier un clip rend l’outil plus structuré qu’une interface fondée sur une invite unique.

Le format présente toujours des limites inhérentes. La limite de 15 secondes restreint les types d’histoires pouvant être racontées en une seule génération, et l’annonce de Google n’élimine pas la nécessité d’une vérification humaine des résultats. Mais pour les travaux déjà conçus autour de la vidéo courte, la durée supplémentaire peut réduire le besoin d’assembler plusieurs fragments générés séparément par l’IA.

Les choix de Google en matière de prix et de disponibilité suggèrent que l’entreprise considère la génération rapide et moins coûteuse comme essentielle à l’adoption. En intégrant le modèle dès son lancement à son API, à son offre cloud et à ses produits destinés aux entreprises, la société s’adresse à la fois aux développeurs qui souhaitent intégrer la génération vidéo et aux organisations qui veulent l’utiliser directement. Le résultat est une mise à jour de modèle moins axée sur la nouveauté que sur la possibilité de rendre la vidéo courte générée par IA plus modifiable, mieux orientée et plus économique à grande échelle.

Cet article s’appuie sur un article de Google AI Blog. Lire l’article original.

Originally published on blog.google