El radar
Google DeepMind amplía a 15 segundos la generación nativa de video, mejora la consistencia entre tomas y baja el precio un 30%. Ya está disponible en la API de Gemini, Google Vids y Gemini for business.
Gemini Omni es el modelo de generación de video de Google DeepMind, y la versión 1.2 Flash es ahora de disponibilidad general en la API de Gemini y en Google Cloud. Las novedades centrales son cuatro: clips nativos de hasta 15 segundos, mejor adherencia a referencias (imágenes, clips de movimiento, audio), edición conversacional multi-turno sobre el mismo clip, 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. Si trabajás con generación de video a escala —anuncios, explicativos de producto, contenido de marca— esta versión apunta directo a reducir el costo por iteración, no solo el costo final.
Omni 1.1 generaba y editaba clips de hasta 10 segundos; Omni 1.2 Flash sube ese límite a 15 segundos nativos, y además te deja especificar la duración en incrementos de un segundo, desde 3 hasta 15. Esto importa porque 10 segundos suele quedarse corto para contar algo con principio, desarrollo y cierre: un explicativo de producto o un spot publicitario completo necesita más aire narrativo que un loop corto. Con 15 segundos en una sola generación, podés armar una secuencia completa sin depender de encadenar múltiples clips cortos y después pegarlos, lo que antes introducía cortes visibles o pérdida de consistencia entre segmentos.
Podés combinar una imagen de personaje, producto o estilo, un clip de movimiento de hasta tres segundos y pistas de audio, y el modelo sostiene esos detalles durante todo el clip: caras, prendas, tipografía de empaques y colores de marca se mantienen consistentes entre distintos ángulos de cámara. Esto resuelve un problema típico de la generación de video anterior, donde un producto o un rostro podía 'derivar' o deformarse a medida que avanzaba la toma o cambiaba el ángulo. En la práctica, esto habilita casos como convertir fotografía de catálogo existente en clips de prueba virtual de ropa, giros de producto a 360 grados o anuncios de marca, partiendo de material que ya tenías en vez de generar todo desde cero.
Además de seguir referencias externas, el modelo mantiene mejor la consistencia interna del propio clip: personajes, objetos y escena cambian menos entre el primer y el último frame, con menos deformación durante transiciones de cámara o movimiento. Esto se nota tanto si estás interpolando entre un frame inicial y uno final como si estás extendiendo un clip para construir una secuencia más larga. Según las notas, comparando Omni 1.1 con 1.2 sobre el mismo par de frames (exterior a interior), 1.2 logra una transición continua con solo diferencias menores de detalle, mientras que en la versión anterior la deriva era más perceptible.
La edición multi-turno te permite ajustar el mismo clip paso a paso —cambiar un producto, el fondo, la iluminación, el clima o el aspect ratio— sin reiniciar la generación completa. Esto funciona sobre clips de 15 segundos enteros, lo que es relevante si necesitás producir variantes del mismo anuncio para distintas audiencias o formatos de pauta sin tener que redactar un brief nuevo cada vez. El ejemplo que dan las notas parte de un clip generado y, turno por turno, reemplaza el fondo —de una carpa a rayas a un bosque de robles, luego un establo, una feria y un castillo— manteniendo intacta la actuación de los personajes y el encuadre de cámara.
El modelo genera diálogo más fluido, con mejor sincronía labial y voces diferenciadas cuando hay varios hablantes en la misma escena, algo que se refleja en herramientas como Flow, Gemini for business y Google Vids. En paralelo, mejora el control de movimientos de cámara complejos y continuos —vuelos en primera persona, zoom-outs dramáticos, órbitas— con menos cortes abruptos no deseados y una escala más estable. Las notas describen un ejemplo de un vuelo de dron en primera persona que atraviesa una plaza, entra por una puerta de bronce y sube hasta el óculo del Panteón sin ningún corte, guiado por dos fotos de referencia arquitectónica.
El precio baja 30% respecto a Omni 1.1 y queda en 0,07 dólares por segundo de video en 720p. El flujo de trabajo recomendado es generar borradores rápidos en 360p o 720p, corregir detalles con una edición de seguimiento en vez de regenerar el clip entero, y recién al final subir de resolución a 1080p o 4K. El modelo ya es de disponibilidad general en la API de Gemini y en Google Cloud, con Provisioned Throughput disponible y marca de agua SynthID en las salidas. Podés probarlo en Google AI Studio, en la consola de Google Cloud, en Flow, en Google Vids (sin costo adicional), en la app de Gemini para suscriptores de Google AI Ultra, y en Google Ads para escalar campañas de video.
Google DeepMind aclara que el desarrollo sigue en curso para mejorar escenarios específicos: acción deportiva rápida, cambios de guion rápidos y física compleja. Esto da una pista honesta sobre los límites actuales del modelo: si tu caso de uso depende de movimiento atlético veloz o de simulación física precisa (caídas, colisiones, fluidos complejos), todavía podés encontrar resultados menos sólidos que en los casos de producto, personajes y cámara cinematográfica que sí se destacan en este anuncio.
Los clips nativos pasan de 10 a 15 segundos, con duración ajustable en incrementos de un segundo desde 3 hasta 15.
La edición ahora es conversacional y multi-turno: podés cambiar fondo, iluminación o aspect ratio sin regenerar el clip completo.
La adherencia a referencias (rostros, productos, tipografía, colores de marca) se sostiene mejor a lo largo de todo el clip y entre ángulos de cámara.
El precio baja 30% respecto a Omni 1.1, a 0,07 dólares por segundo en 720p, y el modelo ya es de disponibilidad general en la API y Google Cloud.
Todavía hay límites reconocidos en acción deportiva rápida, cambios de guion veloces y física compleja.
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
Nova
Google DeepMind integró un conjunto de herramientas de cheminformática en Google Antigravity que deja a un agente buscar literatura química, analizar moléculas y proponer compuestos nuevos con rutas de síntesis en una hora, un proceso que antes tomaba días.
Nova
ADK 2.13 estabiliza 12 funciones experimentales, suma un clasificador que enruta workflows sin llamar a un LLM, habilita audio en vivo con barge-in y agrega MongoDB como backend de sesiones y memoria.
Nova
La versión 0.13.13 suma un driver para las herramientas de navegador de OpenAI y corrige dos bugs de integración: URLs vacías en Cloud y coordenadas desalineadas en pantallas con escalado.