A Google anunciou o lançamento oficial do Gemini Omni 1.2 Flash, seu novo modelo de IA voltado para a criação e edição de vídeos. A atualização traz suporte nativo a clipes de 15 segundos, recursos avançados de consistência visual e um corte de 30% nos custos em relação à versão anterior. O modelo já está disponível para uso profissional em plataformas como Gemini API, Google Cloud e Google Vids.
Com as novas ferramentas, criadores de conteúdo, marcas e desenvolvedores podem ajustar materiais por meio de comandos em texto em um formato de conversa contínua. Isso elimina a necessidade de refazer produções do zero a cada alteração solicitada, otimizando o tempo de desenvolvimento de campanhas e projetos corporativos.
Vídeos de 15 segundos e edição por conversa
A principal evolução técnica do Gemini Omni 1.2 Flash é a capacidade de gerar clipes mais longos. O limite máximo passou de 10 segundos (presente no Omni 1.1) para 15 segundos nativos. Além disso, o usuário pode definir a duração exata do vídeo em incrementos de um segundo, variando entre 3 e 15 segundos.
Outro avanço importante é a edição conversacional em múltiplas etapas (multi-turn). Essa funcionalidade permite modificar elementos da cena mantendo o restante da composição intacto. É possível alterar o fundo, trocar produtos, mudar a iluminação, o clima ou a proporção da tela sem perder o enquadramento original.
Corte de 30% no preço e fluxo de trabalho econômico
O Gemini Omni 1.2 Flash chega ao mercado com uma redução de 30% em seu valor de tabela. O custo de geração foi fixado em US$ 0,07 por segundo para vídeos na resolução 720p. A diminuição nos preços visa facilitar a produção de vídeos em escala comercial.
O fluxo de trabalho sugerido pela ferramenta também ajuda a economizar recursos financeiros durante a produção:
- Rascunhos rápidos: criação inicial em resoluções menores, de 360p ou 720p.
- Ajustes cirúrgicos: correção de detalhes por meio de prompts de acompanhamento.
- Exportação final: ampliação da resolução (upscale) para 1080p ou 4K apenas na versão definitiva.
Consistência visual aprimorada e movimentos de câmera
O modelo promete manter a fidelidade aos materiais de referência fornecidos pelo usuário. É possível combinar imagens de personagens, produtos ou estilos com pequenos clipes de movimento (de até três segundos) e orientações de áudio. A inteligência artificial preserva rostos, roupas, tipografias de embalagens e cores de marca de forma idêntica do primeiro ao último quadro.
O modelo também executa movimentos contínuos de câmera com maior estabilidade, reduzindo cortes bruscos indesejados. Recursos como voos de drone em primeira pessoa (FPV), zooms dramáticos e órbitas mantêm a escala e o cenário consistentes entre os ângulos.
Áudio sincronizado e limitações conhecidas
Na parte sonora, o modelo entrega diálogos mais naturais e sincronização labial aprimorada (lip-sync), suportando múltiplos falantes identificados de forma distinta. A ferramenta consegue rotear vozes de referência para os personagens corretos com precisão e tempo cômico em cenas animadas.
Apesar dos avanços, a fonte destaca que o desenvolvimento continua para resolver pontos específicos. A tecnologia ainda passa por melhorias para lidar melhor com esportes de ação rápida, mudanças bruscas de roteiro e simulações físicas complexas.
Disponibilidade e segurança nas plataformas Google
O Gemini Omni 1.2 Flash alcançou a disponibilidade geral (GA) e conta com a infraestrutura do Google Cloud. As produções contam com suporte ao Provisioned Throughput e recebem a marca d’água imperceptível SynthID para identificação de conteúdo gerado por IA.
O acesso ao novo modelo está distribuído nos seguintes canais:
- Desenvolvedores: disponível na Gemini API e para testes no Google AI Studio.
- Empresas: acesso via console do Google Cloud e soluções corporativas.
- Usuários finais: criação sem custo adicional no Google Vids (para contas Google ou assinantes Workspace), no aplicativo Gemini (para assinantes Google AI Ultra) e na ferramenta Flow.
Fonte original: deepmind.google. Consulte a publicação original para contexto e atualizações.
