O Google lançou o Gemini Omni 1.2 Flash, um modelo de geração e edição de vídeos que amplia a criação nativa de clipes para 15 segundos, adiciona edição conversacional em várias rodadas e reduz o preço em 30% em relação ao antecessor. A empresa afirma que o modelo está disponível de forma geral por meio da Gemini API, do Google Cloud e do Gemini for business.
A atualização busca resolver uma limitação prática que moldou grande parte da primeira geração de ferramentas de vídeo com IA: clipes curtos são úteis, mas muitas vezes deixam pouco tempo para contar uma história completa ou fazer uma demonstração de produto utilizável. O Gemini Omni 1.2 Flash pode gerar e editar vídeos de três a 15 segundos, com a duração especificada em incrementos de um segundo. Isso representa um aumento em relação ao máximo de 10 segundos oferecido pelo Omni 1.1.
Clipes mais longos, com foco na iteração
Quinze segundos ainda são um formato compacto, mas suficientes para um anúncio curto em redes sociais, uma explicação de produto ou uma sequência visual independente. Mais importante do que os cinco segundos adicionais pode ser o fluxo de trabalho que o Google está associando ao recurso. Em vez de exigir que o usuário descarte um resultado quase satisfatório e produza um clipe totalmente novo, o modelo permite edições posteriores em uma conversa.
O Google afirma que essa abordagem permite fazer ajustes sem recomeçar a partir do prompt original. Na produção de vídeo, pequenas inconsistências podem ser custosas: um produto pode mudar de aparência, um personagem pode perder a continuidade ou um movimento solicitado pode não aparecer como esperado. A empresa apresenta as edições conversacionais como uma forma de resolver esses problemas em rodadas posteriores, preservando a direção geral do clipe.
O lançamento também destaca uma adesão mais forte às referências. Segundo o Google, os usuários podem orientar uma geração com combinações de imagens de personagens, produtos ou estilos, clipes curtos de movimento de até três segundos e indicações de áudio. O objetivo declarado é facilitar a transferência de uma direção visual específica para o resultado, em vez de depender apenas de instruções de texto.
Preços mais baixos mudam o cálculo da produção
O Google definiu o preço anunciado para vídeos em 720p em US$ 0,07 por segundo, descrevendo-o como uma redução de 30% em relação ao Gemini Omni 1.1. No vídeo generativo, o preço não é apenas um detalhe de compra. Ele afeta a liberdade com que as equipes criativas e de produção podem experimentar, quantas iterações conseguem pagar e se uma ferramenta será usada para concepção ocasional ou se tornará parte de um fluxo de trabalho repetível.
A empresa sugere um processo em etapas: fazer um rascunho rápido em 360p ou 720p, usar a edição posterior para corrigir detalhes e depois ampliar as criações selecionadas para 1080p ou 4K. Essa sequência reflete uma lógica de produção conhecida. Versões de menor resolução podem ser usadas para testar composição e movimento antes que um acabamento mais pesado computacionalmente seja aplicado ao candidato mais forte.
Para desenvolvedores e empresas, a combinação de preço unitário mais baixo e um modelo disponível por meio de uma API é tão importante quanto o recurso principal. Ela facilita a incorporação do sistema a produtos, pipelines internos de conteúdo e fluxos de trabalho criativos automatizados. O Google também afirma que o lançamento está disponível no Google Vids e no Gemini for business, levando os recursos a ferramentas destinadas ao uso no trabalho e a plataformas para desenvolvedores.
O que o lançamento sinaliza
O Gemini Omni 1.2 Flash não é apresentado como um avanço isolado em realismo visual. Sua importância é mais operacional: clipes nativos mais longos, controles que podem ser revisados por conversa, mais entradas para orientar o resultado e um custo menor por segundo. Juntas, essas mudanças miram a distância entre uma amostra gerada impressionante e uma ferramenta que pode ser usada repetidamente por pessoas trabalhando com prazos.
Essa distinção se torna cada vez mais importante à medida que os sistemas de vídeo com IA passam das demonstrações à produção. Uma equipe de marketing, um educador ou um desenvolvedor de software pode valorizar mais ajustes confiáveis e referências reconhecíveis de produtos do que um resultado cinematográfico isolado. A possibilidade de especificar uma duração, fornecer ao modelo diferentes tipos de material de referência e continuar editando um clipe torna a ferramenta mais estruturada do que uma interface baseada em um único prompt.
O formato ainda tem limitações inerentes. O limite de 15 segundos restringe os tipos de histórias que podem ser contadas em uma única geração, e o anúncio do Google não elimina a necessidade de revisão humana dos resultados. Mas, para trabalhos já pensados em torno de vídeos curtos, a duração adicional pode reduzir a necessidade de montar vários fragmentos gerados separadamente por IA.
As escolhas do Google em relação a preço e disponibilidade sugerem que a empresa considera a geração rápida e de menor custo central para a adoção. Ao colocar o modelo em sua API, oferta de nuvem e produtos voltados a empresas no lançamento, a companhia busca tanto desenvolvedores que querem incorporar a geração de vídeos quanto organizações que desejam usá-la diretamente. O resultado é uma atualização de modelo menos focada em novidade e mais em tornar vídeos curtos gerados por IA mais editáveis, direcionáveis e econômicos em escala.
Este artigo é baseado em uma reportagem do Google AI Blog. Leia o artigo original.
Originally published on blog.google



