Google DeepMind anunció el 5 de noviembre de 2026 el lanzamiento de Gemini Omni 1.2 Flash, una versión actualizada de su modelo de generación de video que incorpora creación nativa de videos de 15 segundos, mejor adherencia a referencias y edición conversacional multi-turno. La compañía también reducirá el precio del modelo en 30% en comparación con Gemini Omni 1.1, llevándolo a $0.07 por segundo para video en 720p.

El modelo está disponible de manera general a partir de hoy en la Gemini API y Google Cloud para necesidades de producción, así como a través de Gemini for business. Según el anuncio de Anish Nangia, gerente de producto de Google DeepMind, la actualización reduce costos y ofrece mayor consistencia para proyectos profesionales, y estas capacidades pueden usarse en la Gemini API, Google Vids y Gemini for business para producir contenido de video de alta calidad a escala.

Los cambios principales de esta versión son:

• Soporte nativo para creación de videos de 15 segundos, frente a los 10 segundos de Gemini Omni 1.1
• Edición conversacional multi-turno que permite ajustes más rápidos sin empezar de cero
• Mejor adherencia a referencias de personajes, productos y estilos
• Una reducción de precio de 30%, a $0.07 por segundo para video en 720p
• Disponibilidad general en la Gemini API y Google Cloud

Rápido y rentable a escala

Más allá del precio reducido por segundo, Google indicó que el flujo de trabajo está diseñado para mantener bajos los costos. Los usuarios pueden crear borradores rápidamente en resolución de 360p o 720p, corregir detalles individuales con una edición posterior en lugar de regenerar todo el clip y luego escalar sus mejores creaciones a 1080p o 4K. La compañía presentó la combinación de precios más bajos y un flujo de trabajo centrado en la edición como una forma de producir contenido de video de alta calidad a un costo total menor. Para los equipos que presupuestan su producción, los números son directos: la reducción de 30% implica que Gemini Omni 1.1 costaba $0.10 por segundo, es decir, un clip de 10 segundos al máximo costaba $1.00 en la versión 1.1, mientras que el techo de 15 segundos de la 1.2 ahora cuesta $1.05 — 50% más de duración por 5% más de gasto en el límite. Como la facturación sigue la duración del resultado, refinar los clips existentes mediante ediciones posteriores en lugar de regenerarlos es la otra palanca que Google señaló para mantener bajos los costos totales de producción.

Clips más largos de hasta 15 segundos

Gemini Omni 1.2 Flash puede generar y editar videos de forma nativa de hasta 15 segundos, un aumento frente al límite de 10 segundos de Omni 1.1. La duración puede especificarse en incrementos de un segundo, de 3 a 15 segundos, lo que según Google brinda espacio para contar historias completas, crear explicadores de producto o producir spots publicitarios completos para redes sociales en una sola generación.

Mejor adherencia a referencias

Los usuarios pueden guiar la generación combinando imágenes de personajes, productos o estilos, clips cortos de movimiento de hasta tres segundos y señales de audio. Según Google, Omni 1.2 Flash conserva esos detalles de principio a fin: los rostros, las prendas, la tipografía de los empaques y los colores de marca se mantienen consistentes entre distintos ángulos de cámara. La compañía afirmó que esto facilita convertir fotografías de producto existentes o hojas de personajes en clips de prueba virtual, recorridos de catálogo y anuncios de video con marca.

En un ejemplo descrito en la publicación, la combinación de una sola foto de modelo con tomas de producto de frente y de espalda de tres outfits permite al modelo generar una secuencia de prueba virtual de 15 segundos con giros de 360 grados y match cuts, manteniendo la identidad de la modelo y el corte, la caída y los detalles traseros de cada prenda de forma consistente.

Resultados más consistentes

Google indicó que el modelo mantiene una mayor consistencia de personajes, objetos y escenas desde el primer fotograma hasta el último, con menos deriva visual o morfosis en las transiciones de movimiento y cámara. Ya sea interpolando entre un primer y último fotograma clave o extendiendo un clip para construir una secuencia más larga, los productos, personajes, utilería y entornos se mantienen consistentes de toma en toma.

La compañía ilustró la diferencia con una comparación basada en el mismo póster de exposición con iluminación de estudio y un prompt de animación de cinco capas. Según la publicación, Gemini Omni 1.1 Flash no se acerca tanto a la imagen de referencia como la versión 1.2. Gemini Omni 1.2 Flash construye el póster secuencialmente, capa por capa, sobre el ciclorama rosa empolvado, elevando el pedestal hexagonal y ensamblando el vidrio acanalado, el filamento cálido, el cristal facetado y las letras de cable en espiral que deletrean HALO, GLOW y LUMEN, fijando cada material, sombra y detalle tipográfico de manera consistente hasta el fotograma final.

Edición más sencilla mediante conversación

Los usuarios pueden refinar el mismo clip turno a turno — cambiando un producto o el fondo, modificando la iluminación o el clima, o alternando la relación de aspecto — en lugar de empezar de cero. La edición conversacional multi-turno funciona a lo largo de clips completos de 15 segundos, lo que según Google facilita producir variantes publicitarias para distintas audiencias y ubicaciones sin volver a hacer un briefing ni regenerar.

En una demostración citada en el anuncio, partiendo de un clip generado, una secuencia de prompts conversacionales cambia el fondo turno a turno — de una carpa de pabellón rayada a un bosque de robles, una caballeriza con un caballo blanco, una feria de mercado y un castillo de piedra — manteniendo intactas las actuaciones de ambos personajes, los reflejos de las armaduras y el encuadre de cámara.

Voz más natural

El modelo genera escenas con diálogos más fluidos y de sonido natural, mejor sincronización labial y un condicionamiento multihablante más definido, según Google. La compañía afirmó que estas mejoras se notan ya sea al dirigir diálogos multipersonaje en Flow, crear explicadores de video en Gemini for business o producir videos profesionales pulidos con avatares, música y narración en Google Vids.

En un ejemplo, condicionado con una sola imagen de escena de un invernadero junto con cuatro referencias de personaje, boca y voz de un segundo, Gemini Omni 1.2 Flash asigna cada voz muestreada al personaje correcto con sincronización labial expresiva y un timing cómico natural a lo largo de una escena animada de 15 segundos.

Un aspecto cinematográfico más controlable

Google señaló que los usuarios pueden dirigir movimientos de cámara complejos y continuos — desde sobrevuelos FPV amplios hasta zoom-outs y órbitas dramáticas — con considerablemente menos cortes de salto no deseados, una escala más estable y un aspecto más pulido y cinematográfico.

En un ejemplo de exhibición, guiado por dos fotografías de referencia arquitectónica, el modelo dirige un vuelo continuo de dron FPV a través de la plaza, por las puertas de bronce y hacia arriba por la cúpula artesonada del Panteón hasta el óculo, sin ningún corte de salto.

Clips más largos con movimiento más fluido y mayor consistencia

Gemini Omni 1.2 Flash genera clips de hasta 15 segundos que mantienen las referencias mejor que antes. Google afirmó que los personajes, el texto y los movimientos de cámara se mantienen consistentes en tomas más largas, múltiples turnos y transiciones sin cortes, y destacó varias demostraciones:

• Clips de 15 segundos: Un solo fotograma de estilo se convierte en un explicador científico macro de cuatro tomas y 15 segundos con llamadas bien escritas y con seguimiento de movimiento.
• Transferencia de movimiento multi-turno: El modelo genera un pulpo ondulante en el primer turno y luego lo reemplaza en el segundo por una bailarina cuyo vestido refleja exactamente el mismo movimiento fluido.
• Consistencia del primer al último fotograma (1.1 vs. 1.2): El modelo conecta un fotograma inicial exterior y un fotograma final interior en un solo travelling continuo de cámara en la versión 1.2 Flash. Google señaló que permanecen diferencias sutiles, como los gatos en el techo y un cucharón de sopa que se convierte en palillos.
• Zoom-out continuo: La cámara se aleja de forma continua desde un primer plano cercano de la costa hasta una vista aérea de la isla en una sola toma de 10 segundos, con escala natural y cero cortes.

Uso en el mundo real y disponibilidad empresarial

Según Google, empresas, startups y creadores ya están usando Gemini Omni 1.2 Flash en sus flujos de trabajo. Por primera vez, Gemini Omni está disponible de manera general, respaldado por la infraestructura y seguridad de nivel empresarial de Google Cloud. Está disponible Provisioned Throughput, la opción de Google Cloud para asegurar capacidad de modelo comprometida para cargas de trabajo sostenidas, y los resultados llevan una marca de agua SynthID imperceptible, la tecnología de Google DeepMind para marcar contenido generado por IA.

Cómo comenzar

Google indicó que el desarrollo continúa para mejorar áreas que incluyen acciones deportivas rápidas, cambios rápidos de guion y física compleja — su propio reconocimiento de lo que aún necesita trabajo, y un punto de referencia concreto para los equipos que evalúan el modelo en escenarios de producción exigentes. La compañía posicionó a Gemini Omni 1.2 Flash como idóneo para empresas, desarrolladores y creadores que producen videos a escala, con disponibilidad que se extiende por los productos y plataformas para desarrolladores de Google:

• Los desarrolladores que usan la Gemini API pueden crear prototipos en Google AI Studio, explorar apps interactivas de inicio y consultar la documentación para desarrolladores y los precios.
• Las empresas pueden probar el modelo en la consola de Google Cloud y crear soluciones empresariales con la API.
• Los usuarios de apps de Google pueden dirigir escenas y ediciones multi-turno en Flow, generar clips de 15 segundos sin costo adicional en Google Vids con una cuenta de Google o una suscripción a Google Workspace, crear videos de 15 segundos en la app de Gemini (en despliegue para suscriptores de Google AI Ultra) y escalar campañas de video en Google Ads.

El anuncio completo está disponible en el blog de Google DeepMind: Gemini Omni 1.2 Flash: Fast and cost-effective with longer clips.