Google DeepMind ha annunciato il 5 novembre 2026 il lancio di Gemini Omni 1.2 Flash, una versione aggiornata del suo modello di generazione video che introduce la creazione nativa di video di 15 secondi, una migliore aderenza ai riferimenti e la modifica conversazionale multi-turno. L'azienda riduce inoltre il prezzo del modello del 30% rispetto a Gemini Omni 1.1, portando il costo a 0,07 dollari al secondo per video in 720p.

Il modello è disponibile a partire da oggi in disponibilità generale su Gemini API e Google Cloud per esigenze di produzione, oltre che tramite Gemini for business. Secondo l'annuncio di Anish Nangia, Product Manager di Google DeepMind, l'aggiornamento riduce i costi offrendo al contempo una migliore coerenza per i progetti professionali, e le funzionalità possono essere utilizzate su Gemini API, Google Vids e Gemini for business per produrre contenuti video di alta qualità su larga scala.

Le modifiche principali del rilascio sono:

• Supporto nativo per la creazione di video di 15 secondi, rispetto ai 10 secondi di Gemini Omni 1.1
• Modifica conversazionale multi-turno che consente aggiustamenti più rapidi senza ripartire da zero
• Migliore aderenza ai riferimenti per personaggi, prodotti e stili
• Una riduzione del prezzo del 30% a 0,07 dollari al secondo per video in 720p
• Disponibilità generale su Gemini API e Google Cloud

Veloce ed economico su larga scala

Oltre al prezzo ridotto al secondo, Google ha dichiarato che il flusso di lavoro circostante è strutturato per contenere i costi. Gli utenti possono creare bozze rapidamente in risoluzione 360p o 720p, correggere singoli dettagli con una modifica successiva invece di rigenerare l'intera clip e poi effettuare l'upscale delle migliori creazioni a 1080p o 4K. L'azienda ha presentato la combinazione di prezzo ridotto e flusso di lavoro orientato alla modifica come un modo per produrre contenuti video di alta qualità a un costo complessivo inferiore. Per i team che pianificano il budget degli output, i numeri si traducono direttamente: la riduzione del 30% implica che Gemini Omni 1.1 era prezzato a 0,10 dollari al secondo, quindi una clip della durata massima di 10 secondi costava 1,00 dollari con la 1.1, mentre il tetto di 15 secondi della 1.2 ora costa 1,05 dollari — il 50% di runtime in più per il 5% di spesa in più al limite. Poiché la fatturazione segue la durata dell'output, il perfezionamento delle clip esistenti tramite modifiche successive invece della rigenerazione è l'altro leva indicata da Google per contenere i costi totali di produzione.

Clip più lunghe fino a 15 secondi

Gemini Omni 1.2 Flash può generare e modificare video nativamente fino a 15 secondi, un aumento rispetto al limite di 10 secondi di Omni 1.1. La durata può essere specificata con incrementi di un secondo da 3 a 15 secondi, il che, secondo Google, dà agli utenti spazio per raccontare storie complete, creare spiegazioni di prodotto o produrre interi spot pubblicitari social in una singola generazione.

Migliore aderenza ai riferimenti

Gli utenti possono guidare la generazione combinando immagini di personaggi, prodotti o stili, brevi clip di movimento (fino a tre secondi) e segnali audio. Secondo Google, Omni 1.2 Flash mantiene questi dettagli dall'inizio alla fine: volti, capi di abbigliamento, tipografia degli imballaggi e colori del marchio restano coerenti tra le angolazioni della camera. L'azienda ha dichiarato che questo rende più facile trasformare la fotografia di prodotto esistente o i character sheet in clip di virtual try-on, rotazioni per cataloghi e video pubblicitari a marchio.

In un esempio descritto nel post, la combinazione di una singola foto di una modella con scatti frontali e posteriori di tre outfit consente al modello di generare una sequenza di virtual try-on di 15 secondi con rotazioni a 360 gradi e match cut, mantenendo coerenti l'identità della modella e il taglio, la caduta e i dettagli posteriori di ogni capo.

Risultati più coerenti

Google ha dichiarato che il modello mantiene una maggiore coerenza di personaggi, oggetti e scene dal primo all'ultimo fotogramma, con meno drift visivo o morphing nelle transizioni di movimento e di camera. Che si interpoli tra un primo e un ultimo keyframe o che si estenda una clip per costruire una sequenza più lunga, prodotti, personaggi, oggetti di scena e ambientazioni restano coerenti da uno scatto all'altro.

L'azienda ha illustrato la differenza con un confronto basato sullo stesso poster statico per una mostra illuminato in studio e un prompt di animazione a cinque livelli. Secondo il post, Gemini Omni 1.1 Flash non rispecchia l'immagine di riferimento con la stessa fedeltà della versione 1.2. Gemini Omni 1.2 Flash costruisce il poster in sequenza, livello per livello, sul cyclorama rosa polvere, sollevando il plinto esagonale e assemblando il vetro nervato, il filamento caldo, il cristallo sfaccettato e le lettere a cavo spiralato che compongono HALO, GLOW e LUMEN, bloccando in modo coerente ogni materiale, ombra e dettaglio tipografico fino all'ultimo fotogramma.

Modifica più semplice tramite conversazione

Gli utenti possono perfezionare la stessa clip turno dopo turno — sostituendo un prodotto o uno sfondo, cambiando l'illuminazione o il meteo o modificando le proporzioni — invece di ripartire da zero. La modifica conversazionale multi-turno funziona su intere clip di 15 secondi, il che, secondo Google, facilita la produzione di varianti pubblicitarie per diversi pubblici e placement senza dover riformulare il brief o rigenerare.

In una dimostrazione citata nell'annuncio, partendo da una clip generata, una sequenza di prompt conversazionali sostituisce lo sfondo turno dopo turno — da un padiglione a tenda striped a una foresta di querce, una stalla con un cavallo bianco, una fiera di mercato e un castello di pietra — mantenendo intatte le interpretazioni di entrambi i personaggi, i riflessi sulle armature e l'inquadratura della camera.

Discorso più naturale

Il modello genera scene con dialoghi più fluidi e dal suono naturale, lip-sync più chiaro e un condizionamento distintivo per più parlanti, secondo Google. L'azienda ha dichiarato che questi miglioramenti si manifestano sia nella regia di dialoghi multi-personaggio in Flow, sia nella creazione di video esplicativi in Gemini for business, sia nella produzione di video professionali rifiniti con avatar, musica e narrazione in Google Vids.

In un esempio, condizionato da una singola immagine di una scena in una serra insieme a quattro riferimenti di personaggi, bocche e voci di un secondo, Gemini Omni 1.2 Flash assegna ogni voce campionata al personaggio corretto con lip-sync espressivo e tempismo comico naturale in una scena animata di 15 secondi.

Look cinematografico più controllabile

Google ha dichiarato che gli utenti possono dirigere movimenti di camera complessi e continui — dai suggestivi flythrough FPV ai drammatici zoom-out e orbite — con significativamente meno jump cut indesiderati, una scala più stabile e un look più curato e cinematografico.

In un esempio di Dimostrazione, guidato da due foto di riferimento architettoniche, il modello dirige un unico volo continuo di drone FPV attraverso la piazza, oltre le porte di bronzo e verso l'alto attraverso la cupola a cassettoni del Pantheon fino all'oculo, con zero jump cut.

Clip più lunghe con movimento più fluido e coerenza più stretta

Gemini Omni 1.2 Flash genera clip fino a 15 secondi che mantengono i riferimenti insieme meglio rispetto al passato. Google ha dichiarato che personaggi, testi e movimenti di camera restano coerenti in scatti più lunghi, più turni e transizioni senza tagli, evidenziando diverse dimostrazioni:

• Clip di 15 secondi: Un singolo fotogramma di stile viene trasformato in un video esplicativo scientifico macro di quattro inquadrature e 15 secondi con callout scritti correttamente e con motion tracking.
• Trasferimento di movimento multi-turno: Il modello genera una proboscide che ondeggia nel primo turno, poi la sostituisce nel secondo turno con una ballerina il cui abito rispecchia esattamente il movimento fluido.
• Coerenza dal primo all'ultimo fotogramma (1.1 vs. 1.2): Il modello collega un fotogramma esterno iniziale e un fotogramma interno finale in un unico push continuo della camera nella 1.2 Flash. Google ha notato che restano visibili differenze sottili, come i gatti sul tetto e un mestolo per la zuppa che si trasforma in bacchette.
• Zoom-out ininterrotto: La camera si allontana in modo continuo da un primo piano ravvicinato della costa a una vista aerea dell'isola in un unico scatto di 10 secondi con scala naturale e zero tagli.

Uso nel mondo reale e disponibilità enterprise

Secondo Google, aziende, startup e creativi stanno già utilizzando Gemini Omni 1.2 Flash nei loro flussi di lavoro. Per la prima volta, Gemini Omni è ora disponibile in generale, supportato dall'infrastruttura e dalla sicurezza di livello enterprise di Google Cloud. Provisioned Throughput, l'opzione di Google Cloud per garantire capacità modello dedicata per carichi di lavoro sostenuti, è disponibile, e gli output portano un watermark SynthID impercettibile, la tecnologia di Google DeepMind per contrassegnare i contenuti generati dall'IA.

Come iniziare

Google ha dichiarato che lo sviluppo continua per migliorare ulteriormente aree come le azioni sportive rapide, i rapidi cambi di script e la fisica complessa — una sua stessa valutazione di ciò che necessita ancora di lavoro, e un punto di riferimento concreto per i team che valutano il modello in scenari di produzione esigenti. L'azienda ha posizionato Gemini Omni 1.2 Flash come particolarmente adatto ad aziende, sviluppatori e creator che producono video su larga scala, con la disponibilità che si estende su prodotti e piattaforme per sviluppatori di Google:

• Gli sviluppatori che utilizzano Gemini API possono creare prototipi in Google AI Studio, esplorare app iniziali interattive e consultare la documentazione per sviluppatori e i prezzi.
• Le aziende possono provare il modello nella console Google Cloud e creare soluzioni enterprise con l'API.
• Gli utenti delle app Google possono dirigere scene e modifiche multi-turno in Flow, generare clip di 15 secondi senza costi aggiuntivi in Google Vids con un account Google o un abbonamento Google Workspace, creare video di 15 secondi nell'app Gemini (in distribuzione agli abbonati Google AI Ultra) e scalare le campagne video in Google Ads.

L'annuncio completo è disponibile sul blog di Google DeepMind: Gemini Omni 1.2 Flash: Fast and cost-effective with longer clips.