Lançamentos

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.

Capa ilustrativa da editoria Lançamentos

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.

WhatsAppLinkedInX
Voltar para a edição

Mais em Lançamentos

Ver todas

Quem constrói lê

Receba o Flipters no seu e-mail. A newsletter de IA para quem está tirando produto do papel.