Crea con CometAPITi serve una sola API per più modelli?Testa il flusso di lavoro in Playground, poi crea una chiave API quando modello e costo sono adatti al tuo caso d'uso.
Gemini Omni 1.2 Flash è il modello di generazione video e modifica conversazionale di Google, rilasciato il 5 novembre 2026. Crea e modifica clip fino a 15 secondi e riduce del 30% il prezzo pubblicizzato a 720p, a circa $0.07 al secondo. Per i team che realizzano video di prodotto e annunci, significa più spazio per raccontare una storia e un costo inferiore per provare versioni diverse. Puoi affinare una clip tramite conversazione, quindi usare l’upscaling standalone per preparare la versione selezionata alla consegna.
What is Gemini Omni 1.2 Flash?
Google descrive il modello come supporto alla creazione e modifica video tramite conversazione. L’output include video con audio, mentre la descrizione più ampia del modello copre input di testo, immagini, audio e video.
Per il lavoro basato su riferimenti, verifica quali input accetta il servizio scelto. Google Cloud rende .
Immagina di trasformare una fotografia di prodotto in un breve annuncio. Inizia con una vista chiara del prodotto, genera una scena, poi chiedi un’ambientazione o un’illuminazione diversa mantenendo il prodotto riconoscibile. Qui la modifica conversazionale diventa utile: puoi sviluppare un’idea approvata in più turni invece di descrivere l’intera scena ogni volta per ogni variante.
Gemini Omni 1.2 Flash specifications
I seguenti dettagli si riferiscono alla documentazione per sviluppatori enterprise di Google. Le applicazioni consumer possono imporre limiti diversi.
Specifica
Dettagli tecnici di Gemini Omni 1.2 Flash
Model ID
gemini-omni-1.2-flash
Release stage
Generally available
Release date
November 5, 2026
Maximum input tokens
131,072
Maximum output tokens
260,640
Generation and editing duration
3–15 seconds
First-and-last-frame generation
3–10 seconds
Extension output per turn
3–10 seconds
Aspect ratios
16:9 and 9:16
Resolution options
360p, 720p, 1080p, and 4K
Sound generation
Speech, music, and sound effects
Supported generation interface
Interactions API
Chat Completions and GenerateContent
Not supported on this documented surface
Reference images per prompt
Up to 10
Image files
PNG, JPEG, WebP, HEIC, HEIF; up to 20 MB inline or via console upload, or 30 MB from Cloud Storage
Videos per prompt
Up to 3
Usa il limite previsto per l’operazione richiesta. Un video più lungo accettato per la comprensione non è automaticamente valido per la modifica. Le specifiche tecniche elencano i limiti di input sopra; la guida alle Content Credentials di Google spiega i metadati di provenienza.
Due distinzioni sono importanti nella progettazione di un’applicazione.
Primo, un selettore della durata dovrebbe dipendere dall’operazione. Una richiesta di generazione valida da 15 secondi non significa che una richiesta di “primo e ultimo fotogramma” da 15 secondi sia valida.
Secondo, la capacità di token non è un punteggio di qualità. Descrive un limite dell’interfaccia; non stabilisce un miglior movimento, una migliore aderenza al prompt o un rendering più veloce.
How does Gemini Omni 1.2 Flash rank in independent comparisons?
Negli snapshot dell’8 novembre 2026 di Arena, Gemini Omni 1.2 Flash è al primo posto sia nelle classifiche text-to-video sia image-to-video. Entrambe le voci sono marcate come preliminari, quindi leggi i punteggi insieme alla loro incertezza e al numero di voti.
Categoria Arena
Punteggio
Voti
Intervallo di posizionamento mostrato
Text-to-video
1540 ± 16
1,714
1–2
Image-to-video
1503 ± 12
2,667
1–6
Questi risultati rendono il modello meritevole di test, soprattutto per trasformare prompt o immagini di prodotto in brevi clip. Non dimostrano che vincerà ogni attività di produzione. L’intervallo di posizionamento per image-to-video è particolarmente ampio: confronta i tuoi dettagli di prodotto, il movimento e i risultati di editing prima di scegliere un modello per una campagna. Le classifiche possono cambiare con l’arrivo di più voti.
Gemini Omni 1.2 Flash vs Omni 1.1 Flash: cosa cambia?
I cambiamenti più evidenti sono clip più lunghe e prezzi di output più bassi. Anche il flusso di lavoro merita attenzione: generazione basata su riferimenti, modifiche conversazionali e upscaling standalone ti aiutano a portare una prima bozza utile fino alla consegna. La tabella separa i confronti espliciti tra versioni dalle capacità utilizzabili nella 1.2.
Dimensione
Generazione precedente: Omni 1.1 Flash
Confronto al lancio di Gemini Omni 1.2 Flash
Implicazione pratica
Maximum native clip
10 seconds
15 seconds
50% di durata in più per clip
Approximate 720p price
$0.10/second, implied by the announced reduction
$0.07/second
Costo di output inferiore a pari durata
Reference adherence
Baseline di confronto
Google riporta un miglioramento
Testa l’identità del prodotto e i dettagli fini
Temporal consistency
Baseline di confronto
Google riporta meno drift
Esamina i fotogrammi intermedi, non solo gli endpoint
Conversational revisions
Workflow precedente
Modifica multi-turn sull’intera clip da 15 secondi
Verifica che i dettagli non correlati restino stabili
Independent preference comparison
Arena text-to-video: 1513 ± 15 nello snapshot 8 nov
Arena text-to-video: 1540 ± 16, preliminare, stesso snapshot
Punteggio di preferenza più alto in questo snapshot; non è una % di miglioramento qualità
Standalone upscaling
Non elencato nell’attuale guida di upscaling standalone
Operazione di upscaling separata documentata
Approva una bozza, poi fai l’upscaling del video selezionato
Reference workflow
Generazione basata su riferimenti già esistente
Aderenza ai riferimenti riportata come più forte
Crea varianti attorno allo stesso prodotto o personaggio
Per i team che producono annunci da 15 secondi, i cinque secondi in più possono far entrare un hook, una dimostrazione e un messaggio finale in un’unica generazione. A parità di durata, la tariffa inferiore a 720p rende anche meno costose ulteriori varianti creative. I miglioramenti di qualità sono più rilevanti quando lo stesso prodotto o personaggio deve restare riconoscibile per tutta la clip.
Durata e funzionalità di modifica
Gemini Omni 1.2 Flash aumenta la lunghezza nativa di generazione e modifica da 3–10 secondi nella 1.1 a 3–15 secondi (selezionabile con incrementi di 1 secondo). L’input video per la modifica è esteso da 10 a 15 secondi. La modifica conversazionale multi-turn è migliorata, consentendo modifiche dirette all’intera clip (incluse modifiche al rapporto d’aspetto) senza rigenerazione completa. L’estensione video rimane di 3–10 secondi per turno, con una lunghezza totale fino a circa 30 secondi. L’interpolazione tra primo e ultimo fotogramma è ancora limitata a 3–10 secondi.
Miglioramenti di qualità e coerenza
La versione 1.2 offre una stabilità sensibilmente migliore per personaggi, prodotti, abbigliamento, colori del brand, volti e blocco degli oggetti, con meno drift e meno jump cut. Il movimento della camera è più fluido e controllabile, il lip-sync e il parlato suonano più naturali ed è supportato il condizionamento multi-oratore. Segue più fedelmente immagini di riferimento, brevi clip di movimento e cue audio. Valutazioni indipendenti (come i punteggi Arena) mostrano la 1.2 leggermente avanti rispetto alla 1.1 sia in text-to-video che in image-to-video.
Dettagli di output e specifiche
Entrambi i modelli supportano le stesse risoluzioni: 360p / 720p nativi, con upscaling a 1080p / 4K a 24 FPS. I rapporti d’aspetto restano 16:9 e 9:16. La 1.2 supporta inoltre l’output di testo insieme al video con audio nativo e rafforza l’upscaling standalone come attività dedicata. Le modalità di input (testo, immagine, video) e la dimensione della finestra di contesto sono sostanzialmente invariate.
Upscaling video autonomo
Gemini Omni 1.2 Flash può effettuare l’upscaling di video precedentemente generati senza richiedere una nuova richiesta di generazione text-to-video. I percorsi supportati includono 360p a 720p o 1080p e 720p a 1080p o 4K. Ciò consente ai team di approvare composizione e movimento a una risoluzione inferiore prima di preparare una versione pronta per la consegna.
How much does Gemini Omni 1.2 Flash cost?
A 720p di output, la 1.2 Flash ha un prezzo di circa $0.07 al secondo (circa $12.00 per milione di token video), che è circa il 30% in meno rispetto ai ~ $0.10 al secondo della 1.1 ($17.50 per milione di token). Le bozze a 360p costano meno e gli output upscalati a 1080p / 4K seguono la stessa riduzione di prezzo. Il flusso di lavoro consigliato è iterare rapidamente a risoluzioni inferiori e fare l’upscaling solo dei finali approvati per controllare i costi.
Scenario
Generazioni per clip accettata
Spesa per output 720p da 15 secondi
Flusso efficiente
1
$1.05
Revisioni moderate
2
$2.10
Revisioni intensive
4
$4.20
Al tasso precedente implicito di circa $0.10 al secondo, 100 clip da 15 secondi costerebbero approssimativamente $150 in addebiti di output. La nuova tariffa arrotondata porta tale stima a $105, un risparmio di circa $45 per la stessa durata complessiva. Questi sono calcoli di pianificazione, non un preventivo per un progetto completo.
L’upscaling standalone ha un proprio consumo di token di output e riporta zero token di input. Il costo dipende dalle risoluzioni di origine e destinazione, quindi non riutilizzare la stima di $0.07 al secondo per ogni upscaling. Vedi le regole di fatturazione dell’upscaling.
La metrica di business più utile è il costo per clip accettata.
Ad esempio, se ogni video approvato di 15 secondi richiede quattro generazioni fatturate separatamente, la spesa di output stimata diventa $4.20 prima di altri costi. Un tasso di retry più basso può quindi contare più di una piccola differenza nel prezzo unitario pubblicizzato.
How can developers use Gemini Omni 1.2 Flash?
Usa la Interactions API per generazione e modifica sul servizio enterprise documentato. GenerateContent e Chat Completions non possono essere utilizzati per tali operazioni. Inizia con una clip breve e una semplice revisione prima di aggiungere il flusso di lavoro a un’applicazione di produzione.
Un primo progetto semplice è un breve video di prodotto:
Prepara un’immagine chiara del prodotto e un brief che descriva inquadratura, movimento e suono.
Genera una bozza breve tramite la Interactions API.
Richiedi una revisione mirata, come un nuovo sfondo, preservando prodotto e inquadratura.
Esamina il risultato prima di selezionare la risoluzione di consegna.
Registra le impostazioni della richiesta e l’uso in modo che il flusso approvato possa essere ripetuto.
Dimensione
Google Cloud nativo
CometAPI
Model ID
gemini-omni-1.2-flash
omni-fast
API endpoint
Interactions API
POST /v1/videos
Billing basis
Approximately $0.07/second at 720p
$0.40/request in current catalog
Request format
Interactions API JSON
Multipart form / JSON a seconda del task
Task handling
Sincrono, con stato, streaming, asincrono
Invia, polla, scarica
Version certainty
1.2 Flash esplicita
L’ID pubblicato non identifica la 1.2
API status
GA
Endpoint CometAPI contrassegnato Beta
La Gemini Omni Fast API in CometAPI fornisce un percorso di integrazione separato sotto omni-fast. Il suo identificatore pubblicato non specifica la versione 1.2 Flash, quindi usa le impostazioni e i prezzi documentati dal provider per quel percorso.
I video generati includono watermarking SynthID e la superficie del modello Google Cloud documentata supporta anche le Content Credentials (C2PA). Questi meccanismi di provenienza sono utili quando si pubblicano asset di marketing generati dall’AI o si gestiscono flussi di lavoro interni di revisione dei contenuti.
What happens to existing Omni 1.1 Flash requests?
La 1.2 è diventata generalmente disponibile il 5 novembre 2026 (Model ID: gemini-omni-1.2-flash). A partire dal 3 dicembre 2026, le richieste a gemini-omni-1.1-flash verranno instradate automaticamente alla 1.2 e fatturate alle nuove tariffe inferiori, senza necessità di modifiche al codice. Anche i rate limit del livello a pagamento sono stati aumentati.
Esegui il test di alcuni prompt rappresentativi prima di quella data se la tua applicazione dipende dal comportamento del modello precedente. L’instradamento automatico mantiene operativo il percorso della richiesta, ma dovresti comunque rivedere i video risultanti. Per altre piattaforme, utilizza la documentazione di migrazione e fatturazione di quel servizio.
Conclusion
Scegli Gemini Omni 1.2 Flash per progetti in cui il lavoro creativo continua dopo la prima generazione: varianti di prodotto, scene stagionali e brevi annunci costruiti attorno a un soggetto coerente.
Inizia con un brief di campagna ripetibile e un piccolo set di asset di riferimento. Una volta che composizione e comportamento di modifica funzionano per quel brief, estendi ad altri prodotti o placement. Questo trasforma una demo promettente in un processo di produzione che il tuo team può riutilizzare.
FAQ
Quante immagini di riferimento posso usare con Gemini Omni 1.2 Flash?
L’API enterprise accetta fino a 10 immagini per prompt. Usa questa disponibilità per viste o dettagli distinti che sono importanti per l’inquadratura; aggiungere immagini quasi duplicate può rendere il brief più difficile da gestire. Queste risposte seguono le specifiche tecniche enterprise di Google; i limiti nelle app consumer possono differire.
Come estende un video più lungo Gemini Omni 1.2 Flash?
Per l’estensione, il modello usa fino agli ultimi 10 secondi dell’input, anche quando il video sorgente è più lungo. Genera una continuazione di 3–10 secondi, concatenata fino agli ultimi 30 secondi dell’input. Mantieni l’originale completo nella timeline di editing se devi preservare una sequenza precedente; l’estensione restituita non dovrebbe essere trattata come sostituto della sorgente completa.
Quali file immagine di riferimento accetta Gemini Omni 1.2 Flash?
I formati immagine supportati sono PNG, JPEG, WebP, HEIC e HEIF. Ogni immagine può essere fino a 20 MB per dati inline o upload diretti dalla console, oppure 30 MB se fornita da Google Cloud Storage. Verifica sia il formato che la dimensione del file prima di inviare una richiesta, soprattutto quando le tue risorse di origine sono fotografie di prodotto ad alta risoluzione.
Video input for editing or upscaling
Up to 15 seconds
Video input for extension
Any duration; uses up to the final 10 seconds
Video understanding input
Up to 10 minutes; this does not extend the editing limit
