Gemini Omni 1.2 Flash: clips de 15 segundos, edición conversacional y un 30% menos de precio

Google DeepMind ha presentado Gemini Omni 1.2 Flash, una nueva versión de su modelo de generación de vídeo que pasa a estar disponible de forma general en la API de Gemini y en Gemini para empresas (Google Cloud). La publicación, firmada por el responsable de producto Anish Nangia y fechada el 5 de noviembre de 2026, se centra en tres ideas: clips más largos, mayor consistencia respecto a las referencias y un coste menor.

Precio y flujo de trabajo. Google asegura haber reducido el precio un 30% respecto a Gemini Omni 1.1, hasta 0,07 dólares por segundo de vídeo en 720p. Además del recorte, la compañía propone un flujo pensado para gastar menos: generar borradores rápidos en 360p o 720p, corregir un detalle con una edición posterior en lugar de regenerar el clip completo y, por último, escalar las mejores piezas a 1080p o 4K.

Clips de hasta 15 segundos. El modelo genera y edita vídeo de forma nativa hasta 15 segundos, frente a los 10 de Omni 1.1. La duración se puede fijar en incrementos de un segundo, de 3 a 15. Google lo presenta como margen suficiente para contar historias completas, crear explicadores de producto o producir anuncios sociales en una sola generación.

Mejor adherencia a las referencias. Se puede guiar la generación combinando imágenes de personajes, productos o estilo, clips de movimiento cortos (hasta tres segundos) e indicaciones de audio. Según Google, rostros, prendas, tipografía de envases y colores de marca se mantienen coherentes entre ángulos de cámara. Esto permite convertir fotografías de producto o fichas de personaje en pruebas virtuales de ropa, giros de catálogo o anuncios de marca. Como ejemplo, la compañía describe una secuencia de 15 segundos de prueba virtual que parte de una foto de modelo y de imágenes frontales y traseras de tres conjuntos, con giros de 360 grados y cortes por coincidencia, manteniendo la identidad de la modelo y el corte, la caída y los detalles traseros de cada prenda.

Mayor consistencia. El modelo reduce la deriva visual y las deformaciones entre el primer y el último fotograma, tanto al interpolar entre un fotograma inicial y uno final como al extender un clip. Google compara 1.1 y 1.2 con ejemplos como un cartel de exposición animado por capas y una cámara que pasa de un exterior a un interior en un único movimiento continuo.

Edición conversacional multivuelta. Un mismo clip puede refinarse turno a turno: cambiar un producto o el fondo, modificar la iluminación o el clima, o cambiar la relación de aspecto, sin empezar de cero. Funciona con clips completos de 15 segundos, lo que facilita crear variantes de anuncios para distintos públicos y formatos sin volver a redactar el encargo. En una demostración, el fondo cambia sucesivamente (pabellón, bosque de robles, establo, feria, castillo) mientras se conservan las interpretaciones de los personajes, los reflejos de las armaduras y el encuadre.

Voz y diálogo. Google afirma que el modelo ofrece diálogos más fluidos y naturales, mejor sincronización labial y un acondicionamiento diferenciado para varios hablantes. En su demostración, a partir de una imagen de escena y referencias de personaje, boca y voz de un segundo de duración, el modelo asigna cada voz al personaje correcto en una escena animada de 15 segundos.

Look cinematográfico y control de cámara. Según la compañía, es posible dirigir movimientos de cámara continuos, como vuelos FPV, zoom-outs dramáticos u órbitas, con bastantes menos cortes bruscos no deseados, escala más estable y un acabado más cuidado. El ejemplo citado es un vuelo FPV continuo por la plaza del Panteón, a través de las puertas de bronce y hasta el óculo de la cúpula, a partir de dos fotografías de referencia.

Disponibilidad y despliegue. Por primera vez, Gemini Omni es de disponibilidad general, respaldado por la infraestructura y la seguridad empresarial de Google Cloud. Hay Throughput Provisionado y las salidas incluyen una marca de agua SynthID imperceptible. Los desarrolladores pueden prototipar en Google AI Studio y consultar la documentación y los precios; las empresas pueden usarlo desde la consola de Google Cloud. Para el público general, se puede dirigir escenas y editar en varios turnos en Flow, generar clips de 15 segundos sin coste adicional en Google Vids con una cuenta de Google o una suscripción de Workspace, crear vídeos de 15 segundos en la app Gemini (con despliegue para suscriptores de Google AI Ultra) y escalar campañas en Google Ads.

Limitaciones reconocidas. Google admite que sigue trabajando para mejorar la acción deportiva rápida, los cambios rápidos de guion y la física compleja. Todas las comparativas y mejoras descritas proceden de la propia compañía; el texto no aporta métricas independientes ni evaluaciones externas que las respalden.