A Google anunciou o lançamento do Gemini Omni 1.2 Flash, modelo de inteligência artificial focado na criação e edição de vídeos curtos. A nova versão já está disponível globalmente e traz suporte nativo para a geração de clipes de até 15 segundos, além de uma redução de 30% nos custos em relação à versão anterior.
A novidade chega com maior fidelidade a imagens de referência e permite realizar edições por meio de comandos em texto em formato de conversa. Com isso, profissionais e empresas podem produzir conteúdos visuais com maior consistência de personagens, objetos e cenários sem a necessidade de recriar os vídeos do zero.
O modelo já pode ser utilizado na API Gemini, no Google Cloud, no Google Vids, no aplicativo Gemini e em ferramentas como o Google Ads.
Vídeos mais longos e custos de produção reduzidos
Uma das principais atualizações do Gemini Omni 1.2 Flash é a expansão da duração dos vídeos. Enquanto a versão 1.1 gerava clipes de até 10 segundos, o novo modelo permite criar conteúdos de 3 a 15 segundos, com ajustes precisos em incrementos de um segundo.
O valor do serviço foi reduzido para US$ 0,07 por segundo na resolução 720p, representando um corte de 30% nos custos comparado ao Gemini Omni 1.1. Além disso, o fluxo de trabalho foi otimizado para economizar recursos financeiros e computacionais.
Os desenvolvedores e criadores podem estruturar o fluxo de trabalho em etapas eficientes:
- Rascunho rápido: geração inicial nas resoluções 360p ou 720p.
- Ajustes por conversa: alteração de detalhes específicos por comandos de texto sem refazer o clipe inteiro.
- Melhoria final: ampliação da qualidade do vídeo gerado (upscale) para 1080p ou 4K.
Edição conversacional e consistência visual aprimorada
O Gemini Omni 1.2 Flash introduz a edição conversacional em múltiplos turnos. Essa funcionalidade permite alterar elementos do vídeo final — como trocar o plano de fundo, modificar a iluminação, ajustar o clima ou alterar a proporção da tela — mantendo o enquadramento da câmera e a atuação dos personagens intactos.
A ferramenta também melhora o acompanhamento de referências visuais e sonoras. É possível combinar fotos de modelos, detalhes de produtos, pequenos clipes de movimento de até três segundos e faixas de áudio. O sistema preserva características como rostos, cortes de roupas, tipografia de embalagens e cores de marcas do primeiro ao último quadro.
Em testes práticos apresentados pela fonte, a IA conseguiu criar sequências de provador virtual a partir de fotos estáticas e gerar movimentos contínuos de câmera, como voos de drone no estilo FPV (visão em primeira pessoa), sem cortes bruscos ou distorções visuais.
Sincronização de áudio e integração no ecossistema Google
Na parte sonora, o modelo oferece sincronização labial (lip-sync) mais precisa e diálogos com fluidez natural. A inteligência artificial consegue direcionar diferentes vozes amostradas para múltiplos personagens em uma mesma cena animada de 15 segundos.
O lançamento marca a disponibilidade geral do modelo na infraestrutura corporativa do Google Cloud, contando com segurança empresarial e a marca d’água imperceptível SynthID para identificação de conteúdo gerado por IA. O acesso ao Gemini Omni 1.2 Flash varia conforme a plataforma utilizada:
- Desenvolvedores: testes disponíveis via Google AI Studio e API Gemini.
- Empresas: acesso pelo console do Google Cloud e soluções corporativas.
- Usuários do Google Vids: criação de vídeos de 15 segundos sem custo adicional para contas Google elegíveis e assinantes do Google Workspace.
- Aplicativo Gemini: liberação progressiva para assinantes do plano Google AI Ultra.
- Anunciantes: criação de campanhas em escala através do Google Ads.
A Google ressaltou que o desenvolvimento continua ativo para aprimorar o desempenho em cenas de esportes rápidos, trocas ágeis de roteiro e simulações de física complexa.
O que você precisa saber sobre o lançamento
O Gemini Omni 1.2 Flash representa um avanço na produção automatizada de vídeo, unindo clipes mais longos de 15 segundos a um custo 30% menor. Com suporte a edições em texto, sincronização de áudio e manutenção de identidade visual, a ferramenta já está disponível para testes e implementação em projetos profissionais no ecossistema da Google.
Fonte original: blog.google. Consulte a publicação original para contexto e atualizações.
