5 ноября 2026 года Google DeepMind объявил о выпуске Gemini Omni 1.2 Flash — обновленной версии своей модели генерации видео, которая предлагает нативное создание 15-секундного видео, улучшенное соблюдение референсов и многотурновое диалоговое редактирование. Компания также снижает цену модели на 30% по сравнению с Gemini Omni 1.1 — до $0,07 за секунду видео 720p.

Модель общедоступна с сегодняшнего дня через Gemini API и Google Cloud для производственных задач, а также через Gemini for business. Согласно анонсу Аниша Нангиа (Anish Nangia), продакт-менеджера Google DeepMind, обновление снижает затраты и обеспечивает лучшую согласованность для профессиональных проектов, а эти возможности доступны через Gemini API, Google Vids и Gemini for business для масштабного создания качественного видеоконтента.

Ключевые изменения этого релиза:

• Нативная поддержка создания видео длительностью до 15 секунд против 10 секунд в Gemini Omni 1.1
• Многотурновое диалоговое редактирование, позволяющее быстрее вносить правки без генерации заново
• Улучшенное соблюдение референсов для персонажей, продуктов и стилей
• Снижение цены на 30% до $0,07 за секунду видео 720p
• Общая доступность через Gemini API и Google Cloud

Скорость и экономичность в масштабе

Помимо сниженной посекундной цены, Google заявил, что рабочий процесс построен так, чтобы удерживать затраты на низком уровне. Пользователи могут быстро создавать черновые клипы в разрешении 360p или 720p, исправлять отдельные детали последующим редактированием вместо повторной генерации всего клипа, а затем масштабировать лучшие работы до 1080p или 4K. Компания представила сочетание сниженной цены и рабочего процесса с приоритетом редактирования как способ создания качественного видеоконтента по более низкой общей стоимости. Для команд, планирующих бюджет, цифры говорят сами за себя: снижение на 30% означает, что Gemini Omni 1.1 стоил $0,10 за секунду, то есть 10-секундный клип максимальной длины обходился в $1,00 в версии 1.1, тогда как 15-секундный максимум версии 1.2 теперь стоит $1,05 — на 50% больше времени воспроизведения при увеличении расходов на 5% по верхнему пределу. Поскольку тарификация зависит от длины результата, доработка существующих клипов через последующие правки вместо их повторной генерации — второй рычаг, на который указал Google для снижения общих затрат на производство.

Более длинные клипы — до 15 секунд

Gemini Omni 1.2 Flash может нативно генерировать и редактировать видео длительностью до 15 секунд против ограничения в 10 секунд у Omni 1.1. Длительность можно задавать с шагом в одну секунду от 3 до 15 секунд, что, по словам Google, дает пользователям возможность рассказывать целые истории, создавать продуктовые объясняющие ролики или полные рекламные ролики для соцсетей за одну генерацию.

Улучшенное соблюдение референсов

Пользователи могут управлять генерацией, комбинируя изображения персонажей, продуктов или стилей, короткие клипы движения (до трех секунд) и аудиоподсказки. По данным Google, Omni 1.2 Flash сохраняет эти детали от начала до конца: лица, одежда, типографика на упаковке и цвета бренда остаются согласованными при смене ракурсов камеры. Компания отметила, что это упрощает превращение существующих продуктовых фото или карточек персонажей в клипы виртуальной примерки, обороты каталогов и брендированную видео-рекламу.

В одном из примеров, описанных в публикации, комбинация одного фото модели и фронтальных и тыльных продуктовых снимков трех нарядов позволяет модели создать 15-секундную последовательность виртуальной примерки с оборотами на 360 градусов и match cuts, сохраняя идентичность модели и крой, посадку и детали спинки каждой вещи.

Более согласованные результаты

Google заявил, что модель поддерживает более сильную согласованность персонажей, объектов и сцен от первого до последнего кадра, с меньшим визуальным дрейфом или морфингом при движении и переходах камеры. Будь то интерполяция между первым и последним ключевым кадром или продление клипа для создания более длинной последовательности, продукты, персонажи, реквизит и окружение остаются согласованными от кадра к кадру.

Компания проиллюстрировала разницу на сравнении с тем же статичным выставочным постером в студийном освещении и промптом пятислойной анимации. Согласно публикации, Gemini Omni 1.1 Flash не так точно соответствует референсному изображению, как версия 1.2. Gemini Omni 1.2 Flash строит постер последовательно, слой за слоем, на пыльно-розовом циклораме, поднимая шестиугольный пьедестал и собирая ребристое стекло, теплую нить накала, граненый кристалл и буквы на витом шнуре, образующие HALO, GLOW и LUMEN, фиксируя каждый материал, тень и типографическую деталь согласованно до финального кадра.

Более простое редактирование в диалоге

Пользователи могут дорабатывать один и тот же клип шаг за шагом — заменяя продукт или фон, меняя освещение или погоду, меняя соотношение сторон — вместо начала с нуля. Многотурновое диалоговое редактирование работает на полных 15-секундных клипах, что, по словам Google, упрощает создание рекламных вариантов для разных аудиторий и размещений без повторных брифов или генераций.

В демонстрации, приведенной в анонсе, начиная с одного сгенерированного клипа, последовательность диалоговых промптов меняет фон шаг за шагом — от полосатого павильона-шатра к дубовой роще, конюшне с белой лошадью, ярмарке и каменному замку — сохраняя игру обоих персонажей, отражения на доспехах и кадрирование камеры.

Более естественная речь

Модель генерирует сцены с более плавной, естественно звучащей озвучкой, более четкой синхронизацией губ и различимым мульти-speaker-управлением, согласно Google. Компания отметила, что эти улучшения проявляются как при постановке диалогов нескольких персонажей в Flow, создании объясняющих видео в Gemini for business, так и при создании профессиональных роликов с аватарами, музыкой и закадровым текстом в Google Vids.

В одном примере, при условии одного изображения сцены в зимнем саду вместе с четырьмя референсами персонажей, ртов и односекундных голосов, Gemini Omni 1.2 Flash распределяет каждый сэмплированный голос правильному персонажу с выразительной синхронизацией губ и естественным комедийным таймингом в 15-секундной анимированной сцене.

Более управляемый кинематографичный вид

Google заявил, что пользователи могут задавать сложные непрерывные движения камеры — от широких FPV-пролетов до драматичных зумов и орбит — со значительно меньшим числом нежелательных склеек, более стабильным масштабом и более отточенным кинематографичным видом.

В показательном примере, ориентируясь на два архитектурных референсных фото, модель ведет один непрерывный FPV-полет дрона через площадь, сквозь бронзовые двери и вверх по кессонному куполу Пантеона к окулюсу без единой склейки.

Более длинные клипы с более плавным движением и более тесной согласованностью

Gemini Omni 1.2 Flash генерирует клипы длиной до 15 секунд, которые удерживают референсы лучше, чем раньше. Google отметил, что персонажи, текст и движения камеры остаются согласованными на более длинных планах, множественных шагах и переходах без склеек, и выделил несколько демонстраций:

• 15-секундные клипы: один стилевой кадр превращается в объясняющий научный макро-ролик из четырех планов длительностью 15 секунд с правильно написанными, отслеживаемыми по движению подписями.
• Многотурновый перенос движения: модель генерирует волнующегося осьминога в первом шаге, а во втором заменяет его танцовщицей, чье платье в точности повторяет это плавное движение.
• Согласованность первого и последнего кадра (1.1 vs. 1.2): модель соединяет внешний начальный и внутренний конечный кадр одним непрерывным наездом камеры в 1.2 Flash. Google отметил, что остаются видны тонкие отличия, такие как кошки на крыше и половник, превращающийся в палочки для еды.
• Непрерывный crash zoom-out: камера непрерывно отъезжает от крупного плана береговой линии к аэросъемке острова в одном 10-секундном плане с естественным масштабом и без склеек.

Реальное применение и корпоративная доступность

По данным Google, компании, стартапы и авторы уже используют Gemini Omni 1.2 Flash в своих рабочих процессах. Впервые Gemini Omni стал общедоступным, опираясь на корпоративную инфраструктуру и безопасность Google Cloud. Доступен Provisioned Throughput — опция Google Cloud для закрепления гарантированной пропускной способности модели при длительных нагрузках, а результаты несут незаметный водяной знак SynthID — технологию Google DeepMind для маркировки контента, созданного ИИ.

Как начать

Google сообщил, что разработка продолжается для дальнейшего улучшения таких областей, как быстрые спортивные движения, быстрые изменения сценария и сложная физика — собственный перечень того, что еще требует доработки и конкретная точка отсчета для команд, оценивающих модель в требовательных производственных сценариях. Компания позиционировала Gemini Omni 1.2 Flash как хорошо подходящий для бизнеса, разработчиков и авторов, создающих видео в масштабе, с развертыванием на продуктах и developer-платформах Google:

• Разработчики, использующие Gemini API, могут создавать прототипы в Google AI Studio, изучать интерактивные стартовые приложения и обращаться к документации для разработчиков и тарифам.
• Компании могут попробовать модель в консоли Google Cloud и строить корпоративные решения на API.
• Пользователи приложений Google могут ставить сцены и многотурновые правки в Flow, генерировать 15-секундные клипы бесплатно в Google Vids с аккаунтом Google или подпиской Google Workspace, создавать 15-секундные видео в приложении Gemini (развертывание для подписчиков Google AI Ultra) и масштабировать видеорекламные кампании в Google Ads.

Полный анонс доступен в блоге Google DeepMind: Gemini Omni 1.2 Flash: Fast and cost-effective with longer clips.