Google lança Gemini Omni 1.2 Flash com vídeos de 15 segundos a US$ 0,07 por segundo
Novo modelo de vídeo corta preços em 30%, traz edição conversacional em múltiplos turnos e entra em disponibilidade geral na API.
Por que importa. Desenvolvedores agora conseguem alterar detalhes de vídeos via chat sem pagar pela renderização inteira do zero, barateando pipelines visuais em 720p.
O Google DeepMind lançou nesta quinta-feira (5) o Gemini Omni 1.2 Flash, versão de seu modelo multimodal voltada para geração e edição de vídeo. O sistema atinge disponibilidade geral na Gemini API e no Gemini for business com cobrança de US$ 0,07 por segundo de vídeo gerado na resolução 720p, o que representa uma redução de 30% em comparação com a versão Omni 1.1.
A principal mudança para pipelines de produção visual é a capacidade de gerar clipes nativos de até 15 segundos, superando o teto anterior de 10 segundos da geração anterior. Pela API, os desenvolvedores podem definir a duração exata do arquivo final em incrementos de um segundo, variando entre 3 e 15 segundos para ajustar o material a formatos de anúncios para redes sociais ou demonstrações de produto.
Para reduzir o custo de inferência em fluxos contínuos de desenvolvimento, o Google estruturou o modelo para permitir rascunhos rápidos em resoluções mais baixas, de 360p ou 720p. Depois da validação do conteúdo gerado, o time pode encaminhar as melhores amostras para processos de upscaling em 1080p ou 4K diretamente na nuvem da empresa.
Edição conversacional e consistência de quadros
Em vez de exigir a reexecução completa do prompt a cada mudança de roteiro, o Gemini Omni 1.2 Flash traz edição conversacional em múltiplos turnos. O recurso permite enviar comandos adicionais sobre o mesmo clipe de 15 segundos para trocar o fundo, ajustar a iluminação, alterar o clima da cena ou converter a proporção de tela, mantendo o restante da composição inalterado.
Segundo o Google DeepMind, o modelo amplia a fidelidade a imagens e clipes de referência enviados pelo usuário. É possível combinar retratos de personagens, fotos de embalagens em diferentes ângulos e trechos curtos de movimento de até três segundos. A promessa técnica é travar identidades faciais, cortes de tecido e tipografia de marcas comerciais sem desvios visuais ou morphing ao longo de giros de câmera de 360 graus.
A atualização também adicionou sincronização labial mais precisa para múltiplos interlocutores a partir de amostras de voz de um segundo e referências de fisionomia. Com isso, os diálogos gerados no próprio modelo distribuem o áudio de forma síncrona para personagens distintos em cenas narrativas, reduzindo a necessidade de etapas isoladas de pós-processamento labial.
Integração na API e limites físicos conhecidos
No ambiente empresarial, a API oferece capacidade provisionada sob contrato no Google Cloud console e embute em todos os arquivos finais uma marca d'água digital imperceptível pelo sistema SynthID. Fora da API direta, o modelo chega ao Google AI Studio para testes, além de integrações nas ferramentas Google Vids, Flow, Google Ads e no aplicativo Gemini para assinantes do plano Google AI Ultra.
Apesar dos avanços na ancoragem de câmeras em movimentos contínuos de drone sem cortes bruscos, a empresa reconhece lacunas técnicas que continuam em aberto. O anúncio pontua que o Gemini Omni 1.2 Flash ainda apresenta dificuldades em cenas de ação esportiva de ritmo acelerado, mudanças bruscas de texto e simulações com física complexa de objetos, áreas que seguem em treinamento nos laboratórios da companhia.
Fontes
- Google AI: Gemini Omni 1.2 Flash: Fast and cost-effective with longer clips
- Google DeepMind: Gemini Omni 1.2 Flash: Fast and cost-effective with longer clips
Reportagem produzida pela redação do Flipters com apoio de inteligência artificial, a partir das fontes acima. Como trabalhamos. Editor responsável: João Paulo Resende.
