El radar
Google lanzó Gemini Omni 1.2 Flash con generación nativa de video de hasta 15 segundos, edición conversacional y mejor consistencia visual, a un 30% menos de costo. Sirve para quien produce anuncios, contenido de producto o escenas narrativas a escala.
Gemini Omni 1.2 Flash ya está disponible de forma general en la API de Gemini y en Gemini for Business, después de pasar por una etapa previa. Los cambios centrales son cuatro: clips nativos de hasta 15 segundos (antes el límite era 10), mejor adherencia a referencias visuales y de audio, edición mediante conversación de varios turnos sin regenerar desde cero, y una baja de precio del 30% respecto a Omni 1.1. El precio queda en 0.07 dólares por segundo de video en 720p. Esta es la primera vez que Gemini Omni llega a disponibilidad general, lo que significa que corre sobre la infraestructura empresarial de Google Cloud, con Provisioned Throughput disponible y marca de agua SynthID en cada salida.
El salto de 10 a 15 segundos no es solo un número más alto: cambia qué tipo de pieza podés resolver en una sola generación. Podés especificar la duración en incrementos de un segundo, de 3 a 15, en vez de quedar atado a un bloque fijo. Con 10 segundos era difícil completar una historia con planteamiento y cierre, o armar un spot publicitario completo sin cortar la pieza en fragmentos y coserlos después. Con 15 segundos tenés margen para explicadores de producto completos o un anuncio social entero en una sola toma generada, lo que reduce la necesidad de encadenar clips manualmente.
Podés combinar una imagen de personaje, producto o estilo, clips de movimiento de hasta tres segundos, y pistas de audio, y el modelo sostiene esos detalles durante todo el clip. Esto importa porque antes la consistencia tendía a degradarse con los cambios de ángulo de cámara o con las transiciones: una cara, un logo o el color de una prenda podían desviarse del original a mitad de clip. Omni 1.2 Flash mantiene rostros, prendas, tipografía de empaques y colores de marca estables incluso con giros de 360 grados o cortes de cámara. En la práctica, esto habilita cosas como pruebas virtuales de ropa a partir de fotos de catálogo, giros de producto para e-commerce o anuncios de marca donde el personaje no puede cambiar de aspecto entre toma y toma.
Un problema típico de los modelos de video generativo es el 'morphing': un objeto o personaje cambia de forma sutilmente a medida que avanza la escena, especialmente en movimientos de cámara largos. Omni 1.2 Flash reduce esa deriva entre el primer y el último frame, lo que se nota al interpolar entre un frame inicial y uno final, o al extender un clip para armar una secuencia más larga. Google muestra un ejemplo donde Omni 1.1 no lograba igualar una imagen de referencia con la misma fidelidad que 1.2, que arma una secuencia capa por capa manteniendo materiales, sombras y tipografía consistentes hasta el frame final. Esto es relevante para cualquier flujo donde el producto, el personaje o el entorno tienen que verse igual en el minuto 1 y en el minuto 15.
Antes, cambiar un detalle de un clip —el fondo, la iluminación, el aspect ratio— implicaba volver a escribir el prompt completo y generar de nuevo toda la pieza, con el riesgo de perder la consistencia lograda. Con edición multi-turno, podés pedir ajustes puntuales sobre el mismo clip, turno por turno, y el modelo conserva lo demás. Esta capacidad funciona sobre clips completos de 15 segundos, no solo sobre fragmentos cortos. El caso de uso directo es producir variantes del mismo anuncio para distintas audiencias o plataformas sin tener que re-briefar ni regenerar desde cero cada vez, lo que acorta el ciclo de iteración cuando necesitás múltiples versiones de una misma pieza.
Dos mejoras adicionales apuntan a la calidad narrativa del clip. Primero, el habla generada es más fluida, con mejor sincronización labial y la capacidad de distinguir entre varios hablantes dentro de la misma escena, algo que se nota en escenas de diálogo multi-personaje dirigidas en Flow o en explicadores con avatar en Gemini for Business y Google Vids. Segundo, el modelo sostiene movimientos de cámara complejos y continuos —vuelos en primera persona, zooms dramáticos, órbitas— con menos cortes abruptos no deseados y una escala más estable. Antes, estos movimientos largos tendían a romperse en cortes visibles o perder consistencia de escala; ahora se pueden dirigir como una sola toma continua, como muestra el ejemplo de un vuelo de dron ininterrumpido a través de una plaza y una cúpula.
Podés acceder a Omni 1.2 Flash desde varios puntos: prototipar en Google AI Studio y usar la API de Gemini si sos desarrollador, usar la consola de Google Cloud o la API empresarial si trabajás en una organización, o usar Flow, Google Vids, el app de Gemini (para suscriptores de Google AI Ultra) y Google Ads si usás productos de consumo o de marketing. Google es explícito en que el modelo todavía tiene limitaciones: la acción deportiva rápida, los cambios de guion abruptos y la física compleja siguen siendo áreas de desarrollo activo, no puntos resueltos en esta versión. Vale tenerlo en cuenta antes de asumir que cualquier tipo de escena funciona igual de bien.
Los clips pasan de 10 a 15 segundos, con duración ajustable en pasos de un segundo desde 3s, suficiente para una pieza publicitaria completa en una sola generación.
La adherencia a referencias (cara, producto, logo, color de marca) se sostiene mejor a lo largo del clip, lo que habilita pruebas virtuales de producto y catálogos consistentes.
La edición multi-turno permite ajustar un clip de 15 segundos por partes (fondo, luz, aspect ratio) sin regenerarlo entero, útil para producir variantes de un mismo anuncio.
El precio baja 30% frente a Omni 1.1, a 0.07 USD por segundo en 720p, y el flujo recomendado es borrar rápido en baja resolución y subir a 4K solo la versión final.
El modelo todavía no resuelve bien acción deportiva rápida, cambios de guion abruptos ni física compleja, según el propio anuncio de Google.
Este resumen lo escribimos a partir de las notas oficiales del anuncio. Lo que no estaba ahí, no está aquí.
Tu pedido
Si varias personas la piden, entra al programa como un video animado de 5 a 8 minutos. No hace falta dejar correo ni nombre.
Más del radar
Ya hay claseMIT Technology ReviewSage
Tau Robotics envía robots humanoides a limpiar casas en San Francisco, pero detrás de cada tarea hay un humano operándolos a distancia. Así es la distancia entre la demo y la autonomía real.
En cola para una claseHugging FaceSage
Ai2 publicó un benchmark que separa el seguimiento de estado en cuatro niveles de dificultad y muestra dónde se rompen transformers, modelos híbridos y frontera como GPT-6 o Claude Opus 5.5.
En cola para una claseNVIDIASage
NVIDIA detalla cómo fabricantes de equipos y software de semiconductores usan cómputo acelerado, modelos de física y agentes para recortar tiempos de simulación y decisión en la manufactura de chips.