TL;DR
Gemini Omni 1.2 Flash er Googles model til videogenerering og konversationsbaseret redigering, udgivet den 5. november 2026. Den skaber og redigerer klip på op til 15 sekunder og sænker den annoncerede 720p-pris med 30 %, til omkring $0.07 pr. sekund. For teams, der laver produktvideoer og reklamer, betyder det mere plads til at fortælle en historie og lavere omkostninger ved at prøve forskellige versioner. Du kan forfine et klip gennem samtale og derefter bruge selvstændig opskalering til at forberede den valgte version til levering.
What is Gemini Omni 1.2 Flash?
Google beskriver modellen som understøttende videogenerering og redigering gennem samtale. Outputtet omfatter video med lyd, mens den bredere modelbeskrivelse dækker tekst-, billede-, lyd- og videoinput.
Til referencebaseret arbejde: tjek hvilke input din valgte tjeneste accepterer. Google Cloud gør lydreferencer tilgængelige via allowlisting.
Forestil dig at omdanne et produktfoto til en kort reklame. Start med et klart billede af produktet, generér en scene, og bed derefter om en anden setting eller belysning, mens produktet forbliver genkendeligt. Her er konversationsbaseret redigering nyttig: du kan udvikle en godkendt idé over flere omgange i stedet for at beskrive hele scenen igen for hver variation.
Gemini Omni 1.2 Flash specifications
Følgende detaljer refererer til Googles dokumentation for virksomhedskunder. Forbrugerapplikationer kan pålægge andre grænser.
| Specification | Gemini Omni 1.2 Flash technical details |
|---|---|
| Model ID | gemini-omni-1.2-flash |
| Release stage | Generelt tilgængelig |
| Release date | November 5, 2026 |
| Maximum input tokens | 131,072 |
| Maximum output tokens | 260,640 |
| Generation and editing duration | 3–15 sekunder |
| First-and-last-frame generation | 3–10 sekunder |
| Extension output per turn | 3–10 sekunder |
| Aspect ratios | 16:9 og 9:16 |
| Resolution options | 360p, 720p, 1080p og 4K |
| Sound generation | Tale, musik og lydeffekter |
| Supported generation interface | Interactions API |
| Chat Completions and GenerateContent | Ikke understøttet på denne dokumenterede grænseflade |
| Reference images per prompt | Op til 10 |
| Image files | PNG, JPEG, WebP, HEIC, HEIF; op til 20 MB inline eller via console-upload, eller 30 MB fra Cloud Storage |
| Videos per prompt | Op til 3 |
| Video input for editing or upscaling | Op til 15 sekunder |
| Video input for extension | Enhver varighed; bruger op til de sidste 10 sekunder |
| Video understanding input | Op til 10 minutter; dette udvider ikke redigeringsgrænsen |
| Video input MIME types | video/x-flv, video/quicktime, video/mpeg, video/mpegs, video/mpg, video/mp4, video/webm, video/wmv, video/3gpp |
| Content provenance | SynthID-vandmærkning og C2PA Content Credentials |
Brug grænsen for den operation, du anmoder om. En længere video, der accepteres til forståelse, er ikke automatisk gyldig til redigering. De tekniske specifikationer angiver inputgrænserne ovenfor; Googles Content Credentials-guide forklarer proveniensmetadata.
To skel er vigtige, når du designer en applikation.
For det første bør varighedsvælgere afhænge af operationen. En gyldig 15-sekunders genereringsanmodning betyder ikke, at en 15-sekunders anmodning om første-og-sidste-frame er gyldig.
For det andet er tokenkapacitet ikke en kvalitetsscore. Den beskriver en grænse i grænsefladen; den fastslår ikke bedre bevægelse, stærkere prompt-efterlevelse eller hurtigere rendering.
How does Gemini Omni 1.2 Flash rank in independent comparisons?
I Arenas øjebliksbilleder den 8. november 2026 ligger Gemini Omni 1.2 Flash på førstepladsen på både tekst-til-video og billede-til-video leaderboardene. Begge poster er markeret som foreløbige, så læs scorerne sammen med deres usikkerhed og antal stemmer.
| Arena category | Score | Votes | Displayed rank range |
|---|---|---|---|
| Text-to-video | 1540 ± 16 | 1,714 | 1–2 |
| Image-to-video | 1503 ± 12 | 2,667 | 1–6 |
Disse resultater gør modellen værd at teste, især til at omdanne prompts eller produktbilleder til korte klip. De fastslår ikke, at den vinder hver produktionopgave. Billede-til-video-placeringsintervallet er særligt bredt: sammenlign dine egne produktdetaljer, bevægelse og redigeringsresultater, før du vælger en model til en kampagne. Rangeringer kan ændre sig, når der kommer flere stemmer.
Gemini Omni 1.2 Flash vs Omni 1.1 Flash: what changes?
De tydeligste ændringer er længere klip og lavere outputpriser. Workflowet fortjener også opmærksomhed: referencebaseret generering, konversationsredigering og selvstændig opskalering hjælper dig med at tage et nyttigt første udkast hele vejen til levering. Tabellen adskiller eksplicitte versionssammenligninger fra funktioner, du kan bruge i 1.2.
| Dimension | Previous generation: Omni 1.1 Flash | Gemini Omni 1.2 Flash launch comparison | Practical implication |
|---|---|---|---|
| Maximum native clip | 10 sekunder | 15 sekunder | 50 % mere varighed pr. klip |
| Approximate 720p price | $0.10/sekund, antydet af den annoncerede reduktion | $0.07/sekund | Lavere outputomkostning ved samme varighed |
| Reference adherence | Sammenligningsbaseline | Google rapporterer forbedring | Test produktidentitet og fine detaljer |
| Temporal consistency | Sammenligningsbaseline | Google rapporterer mindre drift | Gennemse mellemframes, ikke kun slutpunkter |
| Conversational revisions | Tidligere workflow | Redigering over flere omgange på hele 15-sekunders klip | Test om uvedkommende detaljer forbliver stabile |
| Independent preference comparison | Arena text-to-video: 1513 ± 15 i øjebliksbilledet 8. nov. | Arena text-to-video: 1540 ± 16, foreløbig, i samme øjebliksbillede | En højere præferencescore i dette øjebliksbillede; ikke en procentvis kvalitetsforbedring |
| Standalone upscaling | Ikke angivet i den nuværende guide til selvstændig opskalering | Dokumenteret separat opskaleringsoperation | Godkend et udkast, og opskalér derefter den valgte video |
| Reference workflow | Referencebaseret generering fandtes allerede | Stærkere referenceoverholdelse rapporteret | Byg varianter omkring det samme produkt eller den samme karakter |
For teams, der producerer 15-sekunders reklamer, kan de ekstra fem sekunder rumme et hook, en demonstration og en afsluttende besked i én generering. Ved samme varighed gør den lavere 720p-sats også ekstra kreative variationer billigere. Kvalitetsforbedringerne er mest relevante, når samme produkt eller karakter skal forblive genkendelig gennem hele klippet.
Duration and Editing Capabilities
Gemini Omni 1.2 Flash øger den native genererings- og redigeringslængde fra 3–10 sekunder i 1.1 til 3–15 sekunder (valgbart i intervaller på 1 sekund). Videoinput til redigering er også udvidet fra 10 sekunder til 15 sekunder. Konversationsredigering over flere omgange er forbedret og tillader direkte ændringer i hele klippet (inklusive ændringer af sideforhold) uden fuld regenerering. Videoforlængelse er fortsat 3–10 sekunder pr. omgang, med en samlet længde på op til omkring 30 sekunder. Interpolation mellem første og sidste frame er stadig begrænset til 3–10 sekunder.
Quality and Consistency Improvements
Version 1.2 tilbyder mærkbart bedre stabilitet for karakterer, produkter, tøj, brandfarver, ansigter og fastlåsning af objekter, med mindre drift og færre jump cuts. Kamerabevægelsen er mere jævn og lettere at kontrollere, læbesynkronisering og tale lyder mere naturligt, og konditionering med flere talere understøttes. Den følger referencebilleder, korte bevægelsesklip og lydsignaler mere pålideligt. Uafhængige evalueringer (såsom Arena-scorer) viser, at 1.2 ligger lidt foran 1.1 på både tekst-til-video og billede-til-video.
Output and Spec Details
Begge modeller understøtter de samme opløsninger: native 360p/720p med opskalering til 1080p/4K ved 24 FPS. Sideforholdene er fortsat 16:9 og 9:16. 1.2 understøtter derudover tekstoutput sammen med video med native lyd og styrker selvstændig opskalering som en dedikeret opgave. Input-modaliteter (tekst, billede, video) og kontekstvindue er i det væsentlige uændrede.
Standalone Video Upscaling
Gemini Omni 1.2 Flash kan opskalere tidligere genererede videoer uden at kræve en ny tekst-til-video-genereringsanmodning. Understøttede veje omfatter 360p til 720p eller 1080p samt 720p til 1080p eller 4K. Dette gør det muligt for teams at godkende komposition og bevægelse ved lavere opløsning, før der forberedes en leveringsklar version.
How much does Gemini Omni 1.2 Flash cost?
Ved 720p-output er 1.2 Flash prissat til cirka $0.07 pr. sekund (omtrent $12.00 pr. million videotokens), hvilket er cirka 30 % lavere end 1.1’s ~$0.10 pr. sekund ($17.50 pr. million tokens). 360p-udkast er billigere, og opskalerede outputs i 1080p/4K følger den samme prisreduktion. Det anbefalede workflow er at iterere hurtigt ved lavere opløsninger og kun opskalere de endelige udvalgte for at styre omkostningerne.
| Scenario | Generations per accepted clip | 15-second 720p output spend |
|---|---|---|
| Efficient workflow | 1 | $1.05 |
| Moderate revisions | 2 | $2.10 |
| Heavy revisions | 4 | $4.20 |
Ved den tidligere antydede sats på omkring $0.10 pr. sekund ville 100 klip på 15 sekunder koste cirka $150 i outputafgifter. Den nye afrundede sats bringer estimatet ned til $105, en besparelse på omkring $45 for samme samlede varighed. Dette er planlægningsberegninger, ikke et tilbud på et komplet projekt.
Selvstændig opskalering har sit eget forbrug af output-tokens og rapporterer nul input-tokens. Prisen afhænger af kilde- og målopløsning, så brug ikke det $0.07-pr.-sekund-genereringstal for hver opskalering. Se reglerne for opskalering og fakturering.
Den mest nyttige forretningsmetrik er omkostning pr. accepteret klip.
For eksempel, hvis hver godkendt 15-sekunders video kræver fire separat fakturerede genereringer, bliver den estimerede outputomkostning $4.20 før andre omkostninger. En lavere genforsøgsrate kan derfor betyde mere end en lille forskel i den annoncerede enhedspris.
How can developers use Gemini Omni 1.2 Flash?
Brug Interactions API til generering og redigering på den dokumenterede virksomhedstjeneste. GenerateContent og Chat Completions kan ikke bruges til disse operationer. Start med et kort klip og en enkel revision, før du tilføjer workflowet til en produktionsapplikation.
Et ligetil første projekt er en kort produktvideo:
- Forbered et klart produktbillede og en brief, der beskriver skuddet, bevægelsen og lyden.
- Generér et kort udkast via Interactions API.
- Bed om én fokuseret revision, såsom en ny baggrund, mens produkt og indramning bevares.
- Gennemse resultatet, før du vælger leveringsopløsning.
- Registrér anmodningsindstillinger og forbrug, så den godkendte workflow kan gentages.
| Dimension | Google Cloud native | CometAPI |
|---|---|---|
| Model ID | gemini-omni-1.2-flash | omni-fast |
| API endpoint | Interactions API | POST /v1/videos |
| Billing basis | Ca. $0.07/sekund ved 720p | $0.40/anmodning i nuværende katalog |
| Request format | Interactions API JSON | Multipart form / JSON afhængigt af opgave |
| Task handling | Synkron, stateful, streaming, asynkron | Indsend, poll, download |
| Version certainty | Eksplicit 1.2 Flash | Offentliggjort ID angiver ikke 1.2 |
| API status | GA | CometAPI-endpoint markeret Beta |
Gemini Omni Fast API i CometAPI giver en separat integrationsvej under omni-fast. Dets offentliggjorte identifikator angiver ikke version 1.2 Flash, så brug udbyderens dokumenterede indstillinger og priser for den vej.
Genererede videoer indeholder SynthID-vandmærkning, og den dokumenterede Google Cloud-modelgrænseflade understøtter også Content Credentials (C2PA). Disse proveniensmekanismer er nyttige, når man udgiver AI-genererede marketingaktiver eller styrer interne indholdsgodkendelses-workflows.
What happens to existing Omni 1.1 Flash requests?
1.2 blev generelt tilgængelig den 5. november 2026 (model-ID: gemini-omni-1.2-flash). Fra og med 3. december 2026 vil anmodninger til gemini-omni-1.1-flash automatisk blive routet til 1.2 og blive faktureret til de nye lavere satser, uden at der kræves kodeændringer. Ratebegrænsninger for betalte niveauer er også blevet øget.
Test et par repræsentative prompts før den dato, hvis din applikation afhænger af den tidligere models adfærd. Automatisk routing holder anmodningsstien i gang, men du bør stadig gennemse de resulterende videoer. Brug den pågældende tjenestes migrations- og faktureringsdokumentation for andre platforme.
Conclusion
Vælg Gemini Omni 1.2 Flash til projekter, hvor det kreative arbejde fortsætter efter første generering: produktvarianter, sæsonbestemte scener og korte reklamer bygget omkring et konsistent motiv.
Start med én gentagelig kampagnebrief og et lille sæt referenceaktiver. Når komposition og redigeringsadfærd fungerer for den brief, udvid til flere produkter eller placeringer. Dette gør en lovende demo til en produktionsproces, dit team kan genbruge.
FAQ
How many reference images can I use with Gemini Omni 1.2 Flash?
Enterprise-API’en accepterer op til 10 billeder pr. prompt. Brug denne tilladelse til forskellige visninger eller detaljer, der er vigtige for skuddet; tilføjelse af næsten-identiske billeder kan gøre briefen sværere at styre. Disse svar følger Googles tekniske specifikationer for enterprise; grænser i forbrugerapps kan afvige.
How does Gemini Omni 1.2 Flash extend a longer video?
Til forlængelse bruger modellen op til de sidste 10 sekunder af inputtet, selv når kildevideoen er længere. Den genererer en fortsættelse på 3–10 sekunder, som konkateneres til op til de sidste 30 sekunder af inputtet. Bevar den fulde original i din redigeringstidslinje, hvis du skal bevare en tidligere sekvens; den returnerede forlængelse bør ikke behandles som en erstatning for hele kilden.
Which reference image files does Gemini Omni 1.2 Flash accept?
Understøttede billedformater er PNG, JPEG, WebP, HEIC og HEIF. Hvert billede kan være op til 20 MB for inline-data eller direkte console-upload, eller 30 MB når det leveres fra Google Cloud Storage. Tjek både format og filstørrelse, før du sender en anmodning, især når dine kildeaktiver er højopløste produktfotos.


