Google DeepMind a annoncé le 5 novembre 2026 le déploiement de Gemini Omni 1.2 Flash, une version mise à jour de son modèle de génération vidéo qui introduit la création vidéo native de 15 secondes, une meilleure adhérence aux références et l'édition conversationnelle multi-tours. L'entreprise réduit également le prix du modèle de 30 % par rapport à Gemini Omni 1.1, le portant à 0,07 $ par seconde pour la vidéo 720p.

Le modèle est disponible en général dès aujourd'hui sur l'API Gemini et Google Cloud pour les besoins de production, ainsi que via Gemini for business. Selon l'annonce d'Anish Nangia, chef de produit chez Google DeepMind, cette mise à jour réduit les coûts tout en offrant une meilleure cohérence pour les projets professionnels, et ces fonctionnalités peuvent être utilisées via l'API Gemini, Google Vids et Gemini for business pour produire du contenu vidéo de haute qualité à grande échelle.

Les principales nouveautés de cette version sont :

• Prise en charge native de la création vidéo de 15 secondes, contre 10 secondes dans Gemini Omni 1.1
• Édition conversationnelle multi-tours permettant des ajustements plus rapides sans repartir de zéro
• Meilleure adhérence aux références pour les personnages, les produits et les styles
• Une réduction de prix de 30 % à 0,07 $ par seconde pour la vidéo 720p
• Disponibilité générale sur l'API Gemini et Google Cloud

Rapide et économique à grande échelle

Au-delà du prix réduit à la seconde, Google a indiqué que le flux de travail est conçu pour maintenir les coûts à un niveau bas. Les utilisateurs peuvent créer rapidement des brouillons de clips en résolution 360p ou 720p, corriger un détail précis via une édition de suivi plutôt que de régénérer l'intégralité du clip, puis convertir leurs meilleures créations en 1080p ou 4K. L'entreprise a présenté la combinaison d'un prix plus bas et d'un flux de travail axé sur l'édition comme un moyen de produire du contenu vidéo de haute qualité à un coût global plus faible. Pour les équipes qui budgétisent leurs productions, les chiffres sont parlants : la baisse de 30 % implique que Gemini Omni 1.1 était proposé à 0,10 $ par seconde, ce qui signifie qu'un clip de 10 secondes à durée maximale coûtait 1,00 $ avec la version 1.1, tandis que le plafond de 15 secondes de la version 1.2 coûte désormais 1,05 $ — soit 50 % de durée supplémentaire pour 5 % de dépense en plus au plafond. La facturation étant basée sur la durée de sortie, le raffinement des clips existants via des éditions de suivi plutôt que leur régénération constitue l'autre levier mis en avant par Google pour contenir les coûts de production totaux.

Des clips plus longs, jusqu'à 15 secondes

Gemini Omni 1.2 Flash peut générer et éditer nativement des vidéos d'une durée allant jusqu'à 15 secondes, contre une limite de 10 secondes pour Omni 1.1. La durée peut être spécifiée par incréments d'une seconde, de 3 à 15 secondes, ce qui donne selon Google la possibilité de raconter des histoires complètes, de créer des démonstrations de produits ou de produire des spots publicitaires sociaux complets en une seule génération.

Meilleure adhérence aux références

Les utilisateurs peuvent guider la génération en combinant des images de personnages, de produits ou de styles, de courts clips de mouvement (jusqu'à trois secondes) et des indices audio. Selon Google, Omni 1.2 Flash conserve ces détails du début à la fin : les visages, les vêtements, la typographie des emballages et les couleurs de marque restent cohérents entre les angles de caméra. L'entreprise a indiqué que cela facilite la transformation de photographies de produits ou de fiches de personnages existantes en clips d'essayage virtuel, rotations de catalogue et publicités vidéo de marque.

Dans un exemple décrit dans l'article, la combinaison d'une seule photo de mannequin avec des photos produit avant/arrière de trois tenues permet au modèle de générer une séquence d'essayage virtuel de 15 secondes avec des rotations à 360 degrés et des raccords motion, tout en préservant l'identité du mannequin et la coupe, le tombé et les détails arrière de chaque vêtement.

Des résultats plus cohérents

Google a indiqué que le modèle maintient une plus forte cohérence des personnages, des objets et des scènes de la première à la dernière image, avec moins de dérive visuelle ou de morphing lors des transitions de mouvement et de caméra. Qu'il s'agisse d'interpoler entre une première et une dernière image clé, ou d'étendre un clip pour construire une séquence plus longue, les produits, personnages, accessoires et environnements restent cohérents d'un plan à l'autre.

L'entreprise a illustré la différence avec une comparaison basée sur la même affiche d'exposition statique éclairée en studio et une invite d'animation à cinq couches. Selon l'article, Gemini Omni 1.1 Flash ne correspond pas à l'image de référence aussi fidèlement que la version 1.2. Gemini Omni 1.2 Flash construit l'affiche séquentiellement, couche par couche, sur le cyclorama rose poudré, en élevant le socle hexagonal et en assemblant le verre strié, le filament chaud, le cristal facetté et les lettrages à cordon enroulé épelant HALO, GLOW et LUMEN, tout en verrouillant chaque matériau, ombre et détail typographique de manière cohérente jusqu'à la dernière image.

Une édition plus simple par la conversation

Les utilisateurs peuvent affiner le même clip tour après tour — remplacer un produit ou un arrière-plan, modifier l'éclairage ou la météo, ou changer le format d'image — au lieu de repartir de zéro. L'édition conversationnelle multi-tours fonctionne sur l'ensemble des clips de 15 secondes, ce qui facilite selon Google la production de variantes publicitaires pour différents publics et emplacements sans nouveau brief ni régénération.

Dans une démonstration citée dans l'annonce, à partir d'un clip généré, une série d'invites conversationnelles remplace l'arrière-plan tour après tour — d'une tente pavillon rayée à une forêt de chênes, une écurie avec un cheval blanc, une foire de marché et un château en pierre — tout en préservant les performances des deux personnages, les reflets des armures et le cadrage de la caméra.

Une parole plus naturelle

Le modèle génère des scènes avec des dialogues plus fluides et naturels, une meilleure synchronisation labiale et un conditionnement multi-locuteurs distinct, selon Google. L'entreprise a indiqué que ces améliorations se manifestent que les utilisateurs dirigent des dialogues multi-personnages dans Flow, créent des vidéos explicatives dans Gemini for business, ou produisent des vidéos professionnelles soignées avec des avatars, de la musique et une narration dans Google Vids.

Dans un exemple, à partir d'une seule image de scène de véranda avec quatre références de personnage, de bouche et de voix d'une seconde, Gemini Omni 1.2 Flash attribue chaque voix échantillonnée au bon personnage avec une synchronisation labiale expressive et un timing comique naturel sur une scène animée de 15 secondes.

Un rendu cinématographique plus contrôlable

Google a indiqué que les utilisateurs peuvent diriger des mouvements de caméra complexes et continus — des survols FPV spectaculaires aux zooms arrière dramatiques et aux orbites — avec nettement moins de coupes de raccord indésirables, une échelle plus stable et un rendu plus soigné et cinématographique.

Dans un exemple de démonstration, guidé par deux photos architecturales de référence, le modèle dirige un vol FPV de drone continu à travers la place, les portes de bronze, puis vers le haut à travers la coupole à caissons du Panthéon jusqu'à l'oculus, sans aucune coupe de raccord.

Des clips plus longs avec un mouvement plus fluide et une cohérence renforcée

Gemini Omni 1.2 Flash génère des clips d'une durée allant jusqu'à 15 secondes qui maintiennent les références mieux qu'auparavant. Google a indiqué que les personnages, le texte et les mouvements de caméra restent cohérents sur des plans plus longs, plusieurs tours et des transitions sans coupures, et a mis en avant plusieurs démonstrations :

• Clips de 15 secondes : une seule image de style est transformée en une vidéo explicative scientifique macro en quatre plans de 15 secondes, avec des annotations correctement orthographiées et suivies en mouvement.
• Transfert de mouvement multi-tours : le modèle génère une pieuvre ondulante au premier tour, puis la remplace au deuxième tour par une danseuse dont la robe reflète exactement le mouvement fluide.
• Cohérence de la première à la dernière image (1.1 contre 1.2) : le modèle relie une image extérieure de départ et une image intérieure d'arrivée en un seul push caméra continu dans la version 1.2 Flash. Google a noté que de subtiles différences restent visibles, comme les chats sur le toit ou une louche qui se transforme en baguettes.
• Zoom arrière crash ininterrompu : la caméra recule en continu d'un gros plan serré sur un rivage jusqu'à une vue aérienne d'une île en un seul plan de 10 secondes, avec une échelle naturelle et zéro coupure.

Usage réel et disponibilité en entreprise

Selon Google, des entreprises, startups et créateurs utilisent déjà Gemini Omni 1.2 Flash dans leurs flux de travail. Pour la première fois, Gemini Omni est désormais disponible en général, soutenu par l'infrastructure et la sécurité de niveau entreprise de Google Cloud. Le Provisioned Throughput, l'option de Google Cloud pour garantir une capacité de modèle engagée pour des charges de travail soutenues, est disponible, et les sorties intègrent un filigrane SynthID imperceptible, la technologie de Google DeepMind pour marquer les contenus générés par l'IA.

Bien démarrer

Google a indiqué que le développement se poursuit pour améliorer davantage des domaines tels que les actions sportives rapides, les changements de script rapides et la physique complexe — un constat de l'entreprise elle-même sur ce qui reste à perfectionner, et un point de référence concret pour les équipes évaluant le modèle dans des scénarios de production exigeants. L'entreprise a positionné Gemini Omni 1.2 Flash comme particulièrement adapté aux entreprises, développeurs et créateurs produisant des vidéos à grande échelle, avec un déploiement progressif sur les produits et plateformes de développeurs de Google :

• Les développeurs utilisant l'API Gemini peuvent créer des prototypes dans Google AI Studio, explorer des applications de démarrage interactives et consulter la documentation développeur et les tarifs.
• Les entreprises peuvent essayer le modèle dans la console Google Cloud et créer des solutions d'entreprise avec l'API.
• Les utilisateurs des applications Google peuvent diriger des scènes et des éditions multi-tours dans Flow, générer des clips de 15 secondes sans coût supplémentaire dans Google Vids avec un compte Google ou un abonnement Google Workspace, créer des vidéos de 15 secondes dans l'application Gemini (déploiement progressif vers les abonnés Google AI Ultra) et développer des campagnes vidéo dans Google Ads.

L'annonce complète est disponible sur le blog Google DeepMind : Gemini Omni 1.2 Flash : rapide et économique avec des clips plus longs.