Gemini Omni 1.2 Flash: videos nativos de 15 segundos más rápidos, económicos y consistentes
Gemini Omni 1.2 Flash llega con generación nativa de clips de hasta 15 segundos, edición por turnos y mejor adherencia a referencias visuales y de audio. Google baja el precio 30% a 0.07 USD por segundo en 720p y habilita el modelo en la API y para empresas.
Qué presenta Gemini Omni 1.2 Flash
Google DeepMind anuncia la disponibilidad general de Gemini Omni 1.2 Flash, una versión enfocada en producción de video generativo más rápida, económica y con mayor consistencia. Entre las novedades principales están la generación nativa de clips de hasta 15 segundos, edición conversacional por turnos, mejor seguimiento de referencias visuales y de audio, y mejoras en la calidad de movimiento y lip-sync.
El modelo ya está accesible a través de la Gemini API y en Gemini for Business, y se apoya en la infraestructura y seguridad de Google Cloud. También se ofrece Provisioned Throughput para cargas empresariales, y los outputs incluyen una marca SynthID imperceptible.
Ahorro y flujo de trabajo pensado para escala
Una de las señales claras de que Google apunta al uso industrial es la reducción de precio: Omni 1.2 Flash baja un 30% frente a la versión anterior, quedando en 0.07 USD por segundo para video a 720p. Además del precio por segundo, el flujo de trabajo propuesto busca minimizar costos operativos: pueden realizarse borradores rápidos a 360p o 720p, aplicar ediciones puntuales sin regenerar todo el clip y luego escalar las mejores versiones a 1080p o 4K.
Ese enfoque de iteración rápida es especialmente valioso para equipos de marketing, agencias y comercios electrónicos que necesitan producir variantes múltiples para canales y audiencias distintas sin multiplicar el tiempo ni el gasto.
Clips más largos y control milimétrico de duración
Omni 1.2 Flash eleva la duración nativa máxima de 10 a 15 segundos. Además permite especificar la duración en incrementos de un segundo entre 3 y 15 segundos, lo que deja espacio para contar micro-historias, explicar productos o crear spots sociales completos en una sola generación. Este control temporal facilita la creación de versiones alineadas con formatos de plataformas como Reels, Shorts o anuncios pre-roll.
Mejor adherencia a referencias: imágenes, clips y audio
Una de las mejoras más prácticas es la capacidad de obligar al modelo a mantener detalles de referencia durante todo el clip. Se pueden combinar fotografías de personajes, imágenes de producto o estilo, clips de movimiento cortos (hasta 3 segundos) y señales de audio para guiar la generación. Gemini Omni 1.2 Flash logra que rostros, prendas, tipografías de empaque y colores de marca permanezcan consistentes a través de ángulos de cámara y transiciones.
Esto abre posibilidades claras para comercio en línea (virtual try-on), catálogos animados y anuncios de marca que requieren preservación de identidad visual. El ejemplo publicado por Google —convertir una foto de modelo y tomas frontales y traseras de tres prendas en una secuencia de prueba virtual de 15 segundos— ilustra cómo el sistema mantiene la identidad del modelo y las características de corte y caída de la ropa a lo largo de giros de 360 grados.
Coherencia de principio a fin
Omni 1.2 Flash reduce el drift visual y las morphings no deseadas entre fotogramas. Ya sea interpolando entre keyframes o extendiendo un clip, los objetos, personajes y escenarios mantienen proporciones, materiales y sombras consistentes. Google muestra cómo una composición de póster complicada se construye capa por capa y mantiene cada detalle tipográfico y material estable hasta el cuadro final.
Para equipos creativos esto significa menos pruebas y correcciones manuales, y resultados más confiables al producir secuencias continuas o variaciones de un mismo spot.
Edición conversacional por turnos
Una novedad práctica es la edición por turnos: pueden pedirse cambios sucesivos sobre el mismo clip —cambiar fondo, producto, iluminación o relación de aspecto— sin regenerar desde cero ni re-briefear. Esto facilita generar múltiples variantes de un anuncio para diferentes audiencias y ubicaciones.
Google muestra un flujo donde, partiendo de un clip inicial, se van intercambiando fondos —carpa, bosque, establo, feria, castillo— manteniendo intactas las actuaciones, reflejos y encuadres.
Voz, sincronización labial y movimientos cinematográficos
Omni 1.2 Flash mejora la naturalidad del habla, la claridad del lip-sync y la separación entre varios hablantes. Esto se aprecia en escenas con referencias de voz y boca: el sistema asigna cada muestra al personaje correcto y mantiene sincronía expresiva y timing cómico a lo largo del clip.
En lo cinematográfico, el modelo dirige movimientos continuos de cámara —desde vuelos FPV hasta órbitas y zooms dramáticos— con menos cortes no deseados, escalas más estables y acabado más pulido. Un ejemplo de referencia arquitectónica ilustra un vuelo continuo que recorre una plaza, atraviesa unas puertas y asciende por una cúpula sin saltos.
Casos de uso y adopción en empresas
Según Google, creativos, startups y marcas globales ya integran Omni 1.2 Flash en sus procesos. La disponibilidad general y el soporte en Google Cloud facilitan su incorporación en pipelines empresariales, con opciones de throughput provisionado y medidas de seguridad empresariales.
Para América Latina, las aplicaciones son inmediatas: producción de anuncios locales a escala, catálogos y pruebas virtuales para comercio electrónico regional, contenidos educativos y materiales para campañas institucionales o de producto con menor inversión y tiempos de entrega más cortos.
Cómo empezar y puntos a considerar
Omni 1.2 Flash se despliega en productos y plataformas de Google: desarrolladores pueden prototipar en Google AI Studio, explorar apps starter interactivas y consultar la documentación y fijación de precios en la API de Gemini. Para empresas, la integración con Google Cloud ofrece la infraestructura y controles necesarios para producción.
Al evaluar su uso en Latinoamérica es importante considerar aspectos regulatorios y éticos: revisar políticas locales sobre uso de imagen y audio, transparencia en anuncios generados por IA y la gestión de derechos de autor de materiales de referencia. La presencia de una marca SynthID en los outputs ayuda en trazabilidad, pero las organizaciones deben incorporar controles internos de revisión y cumplimiento.
Límites y mejoras en desarrollo
Google reconoce áreas pendientes: acción deportiva rápida, cambios de guion muy rápidos y física compleja aún requieren trabajo adicional. Omni 1.2 Flash, sin embargo, ya cubre muchas necesidades prácticas de producción de videos cortos a escala.
Conclusión
Gemini Omni 1.2 Flash supone un salto hacia la producción de video generativo más práctica para empresas: clips nativos de hasta 15 segundos, edición conversacional, mejor adherencia a referencias y un modelo de costo pensado para iteración. Para equipos de marketing, comercio y producción audiovisual en la región representa una herramienta con potencial para acelerar campañas y reducir costos, siempre acompañada de políticas claras sobre uso responsable y derechos.
Fuente original: Google DeepMind