TL;DR
Gemini Omni 1.2 Flash to model Google’a do generowania wideo i edytowania poprzez rozmowę, wydany 5 listopada 2026. Tworzy i edytuje klipy do 15 sekund oraz obniża reklamowaną cenę 720p o 30%, do około $0.07 za sekundę. Dla zespołów tworzących filmy produktowe i reklamy oznacza to więcej miejsca na opowieść i niższy koszt testowania wariantów. Możesz dopracować klip w rozmowie, a następnie użyć niezależnego upscalowania, aby przygotować wybraną wersję do dostarczenia.
What is Gemini Omni 1.2 Flash?
Google opisuje model jako wspierający tworzenie i edycję wideo poprzez rozmowę. Jego wynik obejmuje wideo z dźwiękiem, a szerszy opis modelu obejmuje wejścia tekstowe, obraz, audio i wideo.
W pracy opartej na referencjach sprawdź, jakie wejścia akceptuje wybrana usługa. Google Cloud udostępnia referencje audio poprzez allowlisting.
Wyobraź sobie przekształcenie zdjęcia produktu w krótką reklamę. Zacznij od wyraźnego ujęcia produktu, wygeneruj scenę, a potem poproś o inne tło lub oświetlenie, zachowując rozpoznawalność produktu. Tutaj przydatna staje się edycja konwersacyjna: możesz rozwijać zatwierdzony pomysł w kilku turach zamiast opisywać całą scenę na nowo dla każdej wariacji.
Gemini Omni 1.2 Flash specifications
Poniższe szczegóły odnoszą się do dokumentacji dla deweloperów w segmencie enterprise Google. Aplikacje konsumenckie mogą nakładać inne limity.
Używaj limitu właściwego dla operacji, o którą prosisz. Dłuższe wideo przyjęte do rozumienia nie jest automatycznie prawidłowe do edycji. Specyfikacje techniczne wymieniają powyższe limity wejściowe; przewodnik Google dotyczący Content Credentials wyjaśnia metadane pochodzenia.
Dwie kwestie są istotne przy projektowaniu aplikacji.
Po pierwsze, selektor długości powinien zależeć od operacji. Ważne żądanie generowania 15 sekund nie oznacza, że żądanie generowania pierwszej i ostatniej klatki na 15 sekund jest prawidłowe.
Po drugie, pojemność tokenów nie jest oceną jakości. Opisuje limit interfejsu; nie przesądza o lepszym ruchu, lepszym trzymaniu się promptu ani szybszym renderingu.
How does Gemini Omni 1.2 Flash rank in independent comparisons?
W migawkach Arena z 8 listopada 2026 Gemini Omni 1.2 Flash zajmuje pierwsze miejsce zarówno na liście text-to-video, jak i image-to-video. Oba wpisy są oznaczone jako wstępne, więc czytaj wyniki wraz z ich niepewnością i liczbą głosów.
| Arena category | Score | Votes | Displayed rank range |
|---|---|---|---|
| Text-to-video | 1540 ± 16 | 1,714 | 1–2 |
Te wyniki sprawiają, że model warto przetestować, zwłaszcza do przekształcania promptów lub obrazów produktów w krótkie klipy. Nie oznacza to, że wygra każde zadanie produkcyjne. Zakres pozycji dla image-to-video jest szczególnie szeroki: porównaj własne detale produktu, ruch i wyniki edycji przed wyborem modelu do kampanii. Rankingi mogą się zmieniać wraz z napływem kolejnych głosów.
Gemini Omni 1.2 Flash vs Omni 1.1 Flash: co się zmienia?
Najbardziej widoczne zmiany to dłuższe klipy i niższa cena wyjścia. Uwagę zasługuje też przepływ pracy: generowanie na podstawie referencji, konwersacyjne edycje i niezależne upscalowanie pomagają doprowadzić przydatny pierwszy szkic do etapu dostarczenia. Tabela oddziela jawne porównania wersji od możliwości, z których skorzystasz w 1.2.
Dla zespołów produkujących 15-sekundowe reklamy dodatkowe pięć sekund pozwala zmieścić hak, demonstrację i końcowy komunikat w jednej generacji. Przy tej samej długości niższa stawka 720p sprawia, że dodatkowe warianty kreatywne są tańsze. Ulepszenia jakości są najbardziej istotne, gdy ten sam produkt lub postać musi pozostać rozpoznawalna przez cały klip.
Duration and Editing Capabilities
Gemini Omni 1.2 Flash zwiększa natywną długość generowania i edycji z 3–10 sekund w 1.1 do 3–15 sekund (z możliwością wyboru co 1 sekundę). Wejściowe wideo do edycji zostało również wydłużone z 10 do 15 sekund. Wzmocniono edycję konwersacyjną wieloturową, umożliwiając bezpośrednie modyfikacje całego klipu (w tym zmiany proporcji) bez pełnej regeneracji. Rozszerzanie wideo pozostaje na poziomie 3–10 sekund na turę, z łączną długością do około 30 sekund. Interpolacja pierwszej i ostatniej klatki wciąż jest ograniczona do 3–10 sekund.
Quality and Consistency Improvements
Wersja 1.2 oferuje zauważalnie lepszą stabilność postaci, produktów, odzieży, kolorów marki, twarzy i blokowania obiektów, z mniejszym dryfem i rzadszymi gwałtownymi cięciami. Ruch kamery jest płynniejszy i bardziej kontrolowalny, lipsync i mowa brzmią bardziej naturalnie, a obsługiwane jest warunkowanie na wielu mówców. Model bardziej niezawodnie podąża za obrazami referencyjnymi, krótkimi klipami ruchu i wskazówkami audio. Niezależne oceny (takie jak wyniki Arena) pokazują, że 1.2 jest nieco przed 1.1 zarówno w text-to-video, jak i image-to-video.
Output and Spec Details
Oba modele wspierają te same rozdzielczości: natywne 360p / 720p, z upscalowaniem do 1080p / 4K przy 24 FPS. Proporcje pozostają 16:9 i 9:16. Wersja 1.2 dodatkowo wspiera tekst jako wynik obok wideo z natywnym audio i wzmacnia niezależne upscalowanie jako dedykowane zadanie. Modalności wejściowe (tekst, obraz, wideo) i rozmiar okna kontekstu pozostają zasadniczo niezmienione.
Standalone Video Upscaling
Gemini Omni 1.2 Flash potrafi skalować w górę wcześniej wygenerowane wideo bez konieczności nowego żądania text-to-video. Obsługiwane ścieżki obejmują 360p do 720p lub 1080p oraz 720p do 1080p lub 4K. Umożliwia to zatwierdzenie kompozycji i ruchu w niższej rozdzielczości, zanim przygotujesz wersję gotową do dostarczenia.
How much does Gemini Omni 1.2 Flash cost?
Przy wyjściu 720p 1.2 Flash kosztuje około $0.07 za sekundę (około $12.00 za milion tokenów wideo), co jest o około 30% niższe niż ~ $0.10 za sekundę w 1.1 ($17.50 za milion tokenów). Szkice 360p są tańsze, a upscalowane wyjścia 1080p / 4K podążają za tą samą redukcją cen. Zalecany przepływ to szybkie iteracje w niższych rozdzielczościach i upscalowanie tylko finalnych wersji, aby kontrolować koszty.
| Scenario | Generations per accepted clip | 15-second 720p output spend |
|---|---|---|
| Efficient workflow | 1 |
Przy wcześniejszej stawce około $0.10 za sekundę, 100 klipów po 15 sekund kosztowałoby około $150 opłat za wyjście. Nowa zaokrąglona stawka obniża ten szacunek do $105, oszczędzając około $45 przy tej samej łącznej długości. To kalkulacje do planowania, a nie oferta na kompletny projekt.
Niezależne upscalowanie ma własne zużycie tokenów wyjściowych i raportuje zero tokenów wejściowych. Opłata zależy od źródłowej i docelowej rozdzielczości, więc nie stosuj uogólnionej stawki $0.07 za sekundę do każdego upscalu. Zobacz zasady rozliczania upscalowania.
Bardziej użyteczną metryką biznesową jest koszt na zaakceptowany klip.
Na przykład, jeśli każdy zatwierdzony 15-sekundowy film wymaga czterech osobno rozliczanych generacji, szacowany koszt wyjścia wyniesie $4.20 przed innymi kosztami. Niższy współczynnik ponowień może więc mieć większe znaczenie niż niewielka różnica w reklamowanej cenie jednostkowej.
How can developers use Gemini Omni 1.2 Flash?
Użyj Interactions API do generowania i edycji w udokumentowanej usłudze enterprise. GenerateContent i Chat Completions nie mogą być użyte do tych operacji. Zacznij od krótkiego klipu i prostej poprawki, zanim dodasz przepływ pracy do aplikacji produkcyjnej.
Prosty pierwszy projekt to krótki film produktowy:
- Przygotuj wyraźny obraz produktu i krótki opis ujęcia, ruchu i dźwięku.
- Wygeneruj krótki szkic przez Interactions API.
- Poproś o jedną, skupioną poprawkę, np. nowe tło, zachowując produkt i kadrowanie.
- Przejrzyj wynik przed wyborem rozdzielczości dostarczenia.
- Zapisz ustawienia żądania i użycie, aby zatwierdzony przepływ dało się powtórzyć.
Gemini Omni Fast API w CometAPI zapewnia oddzielną integrację pod omni-fast. Jego opublikowany identyfikator nie precyzuje wersji 1.2 Flash, więc użyj ustawień i cen udokumentowanych przez dostawcę dla tej ścieżki.
Wygenerowane filmy zawierają znakowanie wodne SynthID, a udokumentowana powierzchnia modelu w Google Cloud wspiera też Content Credentials (C2PA). Te mechanizmy pochodzenia są przydatne przy publikowaniu materiałów marketingowych tworzonych przez AI lub zarządzaniu wewnętrznymi procesami przeglądu treści.
What happens to existing Omni 1.1 Flash requests?
Wersja 1.2 stała się ogólnie dostępna 5 listopada 2026 (Model ID: gemini-omni-1.2-flash). Od 3 grudnia 2026 żądania do gemini-omni-1.1-flash będą automatycznie kierowane do 1.2 i rozliczane według nowych, niższych stawek, bez konieczności zmian w kodzie. Zwiększono też limity w płatnym tierze.
Przetestuj kilka reprezentatywnych promptów przed tą datą, jeśli Twoja aplikacja zależy od zachowania wcześniejszego modelu. Automatyczne kierowanie utrzymuje działającą ścieżkę żądania, ale nadal powinieneś przejrzeć wyniki wideo. W innych platformach skorzystaj z dokumentacji migracji i rozliczeń danej usługi.
Conclusion
Wybierz Gemini Omni 1.2 Flash do projektów, w których praca kreatywna trwa po pierwszej generacji: warianty produktu, sceny sezonowe i krótkie reklamy oparte na spójnym temacie.
Zacznij od jednego powtarzalnego briefu kampanii i niewielkiego zestawu zasobów referencyjnych. Gdy kompozycja i zachowanie edycji sprawdzą się dla tego briefu, rozszerzaj na kolejne produkty lub placementy. To przekształca obiecujące demo w proces produkcyjny, który Twój zespół może wielokrotnie wykorzystywać.
FAQ
How many reference images can I use with Gemini Omni 1.2 Flash?
Interfejs enterprise akceptuje do 10 obrazów na prompt. Wykorzystaj ten limit dla odmiennych ujęć lub detali ważnych dla kadru; dodawanie niemal identycznych obrazów może utrudnić zarządzanie briefem. Odpowiedzi te opierają się na specyfikacjach technicznych enterprise Google; limity w aplikacjach konsumenckich mogą się różnić.
How does Gemini Omni 1.2 Flash extend a longer video?
Do rozszerzania model wykorzystuje do ostatnich 10 sekund wejścia, nawet jeśli źródłowe wideo jest dłuższe. Generuje 3–10-sekundową kontynuację, dołączoną do maksymalnie ostatnich 30 sekund wejścia. Zachowaj pełny oryginał na osi czasu edycji, jeśli musisz utrzymać wcześniejszą sekwencję; zwróconego rozszerzenia nie należy traktować jako zamiennika pełnego źródła.
Which reference image files does Gemini Omni 1.2 Flash accept?
Obsługiwane formaty obrazów to PNG, JPEG, WebP, HEIC i HEIF. Każdy obraz może mieć do 20 MB przy danych inline lub bezpośrednim przesłaniu przez konsolę, albo 30 MB przy dostarczeniu z Google Cloud Storage. Sprawdź zarówno format, jak i rozmiar pliku przed złożeniem żądania, zwłaszcza gdy źródłowe zasoby to wysokorozdzielcze zdjęcia produktów.