Google DeepMind перевела модель генерации и редактирования видео Gemini Omni 1.2 Flash в статус общей доступности. Теперь она создаёт клипы длиной до 15 секунд вместо 10, с шагом в одну секунду, а цена снизилась на 30% по сравнению с Omni 1.1 Flash — до $0.07 за секунду видео 720p. Черновики можно готовить в 360p или 720p и затем апскейлить удачные варианты до 1080p или 4K, а сами клипы — править диалогом без полной перегенерации.

image
image
image

Что произошло

Google DeepMind объявила о переходе Gemini Omni 1.2 Flash в статус GA: видеомодель вышла из стадии эксперимента и доступна для производственного использования. Диапазон длины клипа — от 3 до 15 секунд с шагом в одну секунду. Тарификация составляет $0.07 за секунду видео 720p, что на 30% ниже уровня Omni 1.1 Flash; поддерживается рабочий цикл из дешёвого черновика в 360p или 720p и последующего апскейла отобранного клипа до 1080p или 4K. Заявлены качественные улучшения: многотуровое диалоговое редактирование одного и того же клипа со сменой фона, освещения и ракурса без перегенерации, более сильное следование референсам трёх типов — изображениям, клипам до 3 секунд и аудио, — улучшенная консистентность персонажей и объектов от первого кадра до последнего, а также более естественная речь и lip-sync с поддержкой нескольких говорящих. Модель доступна в Gemini API, через Google Cloud в Vertex AI с опцией Provisioned Throughput, в Google Vids, Flow и в приложении Gemini для подписчиков Google AI Ultra. Все сгенерированные видео несут водяной знак SynthID.

Контекст

Релиз вписывается в устойчивую траекторию: генеративное видео перестаёт быть демонстрационной возможностью и превращается в штатный производственный инструмент. Предыдущая версия Omni 1.1 Flash выпускала клипы короче и обходилась дороже, и переход к новой версии закрепляет движение в сторону большей длительности при снижении цены за секунду от поколения к поколению. Статус GA, публичный API, опция Provisioned Throughput с гарантированной пропускной способностью и обязательный водяной знак SynthID на всех выходах — атрибуты модели, рассчитанной на корпоративные требования к предсказуемости поставки и провенансу контента, а не на исследовательский прототип. Одновременно модель внедряют в собственные production-пайплайны партнёры: Adobe Firefly, Runway, Picsart, Photoroom, invideo и Krea. Это означает, что доступ к технологии получат и команды, которые сами не пишут код и не работают с API напрямую, а взаимодействуют с ней через привычные редакторы.

Почему это важно для индустрии

Главный индустриальный эффект — изменение экономики итераций. Схема, в которой дешёвый черновик создаётся в низком разрешении, доводится диалоговыми правками того же клипа и лишь затем апскейлится в высокое разрешение, позволяет расплачиваться полной ценой генерации один раз, а правки выполнять без перегенерации. Стоимость смещается с повторных попыток на точечную доработку, и массовые сценарии — виртуальные примерки, каталожные ролики, рекламные споты, CTV-реклама — становятся экономически оправданными в одном прогоне. Provisioned Throughput и SynthID закрывают типовые требования enterprise к надёжности и происхождению контента, снижая барьер для корпоративных внедрений. Новый ценовой ориентир за секунду видео давит на экономику конкурентов и open-weights подходов, у которых стоимость инференса выше, поэтому defensibility для стартапов смещается от самого доступа к модели к UX-слою, отраслевым данным и дистрибуции. Если многотуровое локальное редактирование подтвердится в независимых проверках, оно способно стать базовым ожиданием от видеомоделей, а инженерная обвязка поверх API — новым полем конкуренции.

Почему это важно для пользователей

Разработчики могут попробовать модель прямо сейчас в Google AI Studio и за дни собрать минимальный прототип: референс или текстовый запрос, клип, диалоговые правки — с подключением через Gemini API или Vertex AI, где бюджет считается по секундам видео, что делает пилот на одном реальном сценарии дешёвым. Обычным пользователям доступны no-code сценарии: генерация клипов полной длительности в Google Vids и Flow без доплат, а подписчикам Google AI Ultra — ещё и в приложении Gemini. Многотуровое редактирование меняет сам рабочий процесс: вместо того чтобы заново генерировать видео в надежде на приемлемый результат, можно диалогом менять фон, освещение или ракурс, сохраняя остальную сцену. Через партнёрские приложения — Adobe Firefly, Runway, Picsart, Photoroom, invideo и Krea — модель будет доступна и тем, кто продолжает работать в привычных инструментах.

Что пока неизвестно / ограничения

Ключевые качественные заявления о модели пока не подтверждены независимо. Для многотурового диалогового редактирования не опубликованы ни методология, ни метрики качества правок фона, освещения и ракурса, ни данные о деградации клипа после большого числа туров редактирования. Ограничения следования референсам — устойчивость идентичности персонажей, поведение на граничных случаях — не раскрыты. Заявление о более естественной речи и lip-sync с несколькими говорящими не сопровождается бенчмарками вроде точности распознавания или метрик синхронизации, поэтому его корректнее рассматривать как гипотезу, требующую проверки. Числовые параметры — длина и шаг клипа, цена за секунду 720p — проверяемы сразу, однако лучший доступный способ оценить качество правок на сегодня — ручное тестирование в Google AI Studio по документации Gemini API.

Источники

Автор

Look at AI, редакция