Construa com CometAPIPrecisa de uma API para vários modelos?Teste o fluxo no Playground e depois crie uma chave da API quando o modelo e o custo atenderem ao seu caso de uso.
Gemini Omni 1.2 Flash é o modelo de geração de vídeo e edição conversacional da Google, lançado em 5 de novembro de 2026 (https://blog.google/innovation-and-ai/technology/developers-tools/introducing-gemini-omni-1-2-flash/). Ele cria e edita clipes de até 15 segundos e reduz o preço anunciado de 720p em 30%, para cerca de $0.07 por segundo. Para equipes que fazem vídeos de produto e anúncios, isso significa mais espaço para contar uma história e menor custo para testar versões diferentes. Você pode refinar um clipe por meio de conversa e, depois, usar upscaling independente para preparar a versão selecionada para entrega.
O que é o Gemini Omni 1.2 Flash?
A Google descreve o modelo como oferecendo suporte a geração e edição de vídeo por meio de conversa (). Sua saída inclui vídeo com áudio, enquanto a descrição mais ampla do modelo abrange entradas de texto, imagem, áudio e vídeo.
Imagine transformar uma fotografia de produto em um anúncio curto. Comece com uma visão nítida do produto, gere uma cena e então peça um cenário ou iluminação diferentes, mantendo o produto reconhecível. É aqui que a edição conversacional se torna útil: você pode desenvolver uma ideia aprovada ao longo de várias interações, em vez de descrever toda a cena novamente para cada variação.
Especificações do Gemini Omni 1.2 Flash
Os detalhes a seguir referem-se à documentação para desenvolvedores empresariais da Google. Aplicativos para consumidores podem impor limites diferentes.
Especificação
Detalhes técnicos do Gemini Omni 1.2 Flash
ID do modelo
gemini-omni-1.2-flash
Estágio de lançamento
Disponibilidade geral
Data de lançamento
5 de novembro de 2026
Máximo de tokens de entrada
131,072
Máximo de tokens de saída
260,640
Duração de geração e edição
3–15 segundos
Geração de primeiro e último quadro
3–10 segundos
Saída de extensão por interação
3–10 segundos
Proporções
16:9 e 9:16
Opções de resolução
360p, 720p, 1080p e 4K
Geração de som
Fala, música e efeitos sonoros
Interface de geração compatível
Interactions API
Chat Completions e GenerateContent
Não há suporte nesta superfície documentada
Imagens de referência por prompt
Até 10
Arquivos de imagem
PNG, JPEG, WebP, HEIC, HEIF; até 20 MB inline ou via upload no console, ou 30 MB a partir do Cloud Storage
Duas distinções importam ao projetar um aplicativo.
Primeiro, um seletor de duração deve depender da operação. Uma solicitação de geração válida de 15 segundos não significa que uma solicitação de primeiro e último quadro de 15 segundos seja válida.
Segundo, a capacidade de tokens não é uma pontuação de qualidade. Ela descreve um limite da interface; não estabelece melhor movimento, maior aderência ao prompt ou renderização mais rápida.
Como o Gemini Omni 1.2 Flash se posiciona em comparações independentes?
Nos instantâneos de 8 de novembro de 2026 da Arena, o Gemini Omni 1.2 Flash ocupa o primeiro lugar tanto nas classificações de text-to-video (https://arena.ai/leaderboard/video/text-to-video) quanto de image-to-video (https://arena.ai/leaderboard/video/image-to-video). Ambas as entradas estão marcadas como preliminares, portanto leia as pontuações juntamente com sua incerteza e contagem de votos.
Categoria na Arena
Pontuação
Votos
Faixa de classificação exibida
Text-to-video
1540 ± 16
1,714
1–2
Image-to-video
1503 ± 12
2,667
1–6
Esses resultados tornam o modelo digno de testes, especialmente para transformar prompts ou imagens de produto em clipes curtos. Eles não estabelecem que ele vencerá todas as tarefas de produção. A faixa de classificação de image-to-video é particularmente ampla: compare seus próprios detalhes de produto, movimento e resultados de edição antes de escolher um modelo para uma campanha. As classificações podem mudar conforme mais votos chegam.
Gemini Omni 1.2 Flash vs Omni 1.1 Flash: o que muda?
As mudanças mais claras são clipes mais longos e menor preço de saída. O fluxo de trabalho também merece atenção: geração baseada em referências, edições conversacionais e upscaling independente ajudam você a levar um primeiro rascunho útil até a entrega. A tabela separa comparações explícitas de versão de recursos que você pode usar na 1.2.
Dimensão
Geração anterior: Omni 1.1 Flash
Comparação no lançamento do Gemini Omni 1.2 Flash
Implicação prática
Clipe nativo máximo
10 segundos
15 segundos
50% mais duração por clipe
Preço aproximado em 720p
$0.10/segundo, implícito pela redução anunciada
$0.07/segundo
Menor custo de saída para mesma duração
Aderência à referência
Linha de base de comparação
A Google relata melhoria
Teste identidade do produto e detalhes finos
Consistência temporal
Linha de base de comparação
A Google relata menos deriva
Revise quadros intermediários, não apenas os de endpoints
Revisões conversacionais
Fluxo de trabalho anterior
Edição de múltiplas interações ao longo de clipes de 15 s
Teste se detalhes não relacionados permanecem estáveis
Comparação independente por preferência
Arena text-to-video: 1513 ± 15 no instantâneo de 8 de novembro
Arena text-to-video: 1540 ± 16, preliminar, no mesmo instantâneo
Pontuação de preferência mais alta neste instantâneo; não é um percentual de melhoria na qualidade
Upscaling independente
Não listado no guia atual de upscaling independente
Operação de upscaling separada documentada
Aprove um rascunho e depois faça upscaling do vídeo selecionado
Fluxo de trabalho com referências
Geração baseada em referências já existia
Reportada aderência mais forte às referências
Construa variantes em torno do mesmo produto ou personagem
Para equipes que produzem anúncios de 15 segundos, os cinco segundos extras podem acomodar um gancho, uma demonstração e uma mensagem de encerramento em uma única geração. Com a mesma duração, a taxa mais baixa em 720p também torna variações criativas adicionais menos caras. As melhorias de qualidade são mais relevantes quando o mesmo produto ou personagem deve permanecer reconhecível ao longo do clipe.
Duração e recursos de edição
O Gemini Omni 1.2 Flash aumenta o comprimento nativo de geração e edição de 3–10 segundos na 1.1 para 3–15 segundos (selecionável em incrementos de 1 segundo). A entrada de vídeo para edição também é estendida de 10 segundos para 15 segundos. A edição conversacional em múltiplas interações foi aprimorada, permitindo modificações diretas em todo o clipe (incluindo mudanças de proporção) sem regeneração completa. A extensão de vídeo permanece em 3–10 segundos por interação, com um comprimento total de até cerca de 30 segundos. A interpolação de primeiro e último quadro ainda se limita a 3–10 segundos.
Melhorias de qualidade e consistência
A versão 1.2 oferece estabilidade visivelmente melhor para personagens, produtos, roupas, cores de marca, rostos e bloqueio de objetos, com menos deriva e menos cortes bruscos. O movimento de câmera é mais suave e mais controlável, a sincronização labial e a fala soam mais naturais, e há suporte a condicionamento para múltiplos locutores. Ela segue imagens de referência, clipes curtos de movimento e pistas de áudio de forma mais confiável. Avaliações independentes (como as pontuações da Arena) mostram a 1.2 ligeiramente à frente da 1.1 em text-to-video e image-to-video.
Saída e detalhes de especificação
Ambos os modelos suportam as mesmas resoluções: 360p / 720p nativas, com upscaling para 1080p / 4K a 24 FPS. As proporções permanecem 16:9 e 9:16. A 1.2 adicionalmente oferece suporte a saída de texto ao lado de vídeo com áudio nativo e fortalece o upscaling independente como uma tarefa dedicada. As modalidades de entrada (texto, imagem, vídeo) e o tamanho da janela de contexto permanecem essencialmente inalterados.
Upscaling de vídeo independente
O Gemini Omni 1.2 Flash pode fazer upscaling de vídeos gerados anteriormente sem exigir uma nova solicitação de text-to-video. Os caminhos suportados incluem 360p para 720p ou 1080p, e 720p para 1080p ou 4K. Isso permite que as equipes aprovem composição e movimento em resolução mais baixa antes de preparar uma versão pronta para entrega.
Quanto custa o Gemini Omni 1.2 Flash?
Na saída em 720p, o 1.2 Flash custa aproximadamente $0.07 por segundo (cerca de $12.00 por milhão de tokens de vídeo), o que é aproximadamente 30% menor do que os ~$0.10 por segundo da 1.1 ($17.50 por milhão de tokens). Rascunhos em 360p são mais baratos, e saídas em 1080p / 4K com upscaling seguem a mesma redução de preço. O fluxo de trabalho recomendado é iterar rapidamente em resoluções mais baixas e fazer upscaling apenas dos aprovados para controlar custos.
Cenário
Gerações por clipe aceito
Gasto de saída de 15 segundos em 720p
Fluxo eficiente
1
$1.05
Revisões moderadas
2
$2.10
Revisões intensas
4
$4.20
Na taxa anterior implícita de cerca de $0.10 por segundo, 100 clipes de 15 segundos custariam aproximadamente $150 em cobranças de saída. A nova taxa arredondada traz essa estimativa para $105, uma economia de cerca de $45 para a mesma duração total. São cálculos de planejamento, não uma cotação para um projeto completo.
O upscaling independente tem seu próprio uso de tokens de saída e informa zero tokens de entrada. Sua cobrança depende das resoluções de origem e destino, portanto não reutilize a estimativa de $0.07 por segundo de geração para todo upscaling. Veja as regras de cobrança de upscaling (https://docs.cloud.google.com/gemini-enterprise-agent-platform/models/video/upscale-videos).
A métrica de negócio mais útil é o custo por clipe aceito.
Por exemplo, se cada vídeo aprovado de 15 segundos exige quatro gerações cobradas separadamente, o gasto estimado de saída se torna $4.20 antes de outros custos. Uma taxa de repetição mais baixa pode, portanto, importar mais do que uma pequena diferença no preço unitário anunciado.
Como os desenvolvedores podem usar o Gemini Omni 1.2 Flash?
Use a API Interactions (https://docs.cloud.google.com/gemini-enterprise-agent-platform/models/gemini/omni-1-2-flash) para geração e edição no serviço empresarial documentado. GenerateContent e Chat Completions não podem ser usados para essas operações. Comece com um clipe curto e uma revisão simples antes de adicionar o fluxo de trabalho a um aplicativo de produção.
Um primeiro projeto direto é um vídeo curto de produto:
Prepare uma imagem clara do produto e um briefing descrevendo o enquadramento, o movimento e o som.
Gere um rascunho curto por meio da Interactions API.
Solicite uma revisão focada, como um novo fundo, preservando o produto e o enquadramento.
Revise o resultado antes de selecionar a resolução de entrega.
Registre as configurações da solicitação e o uso para que o fluxo de trabalho aprovado possa ser repetido.
Dimensão
Nativo do Google Cloud
CometAPI
ID do modelo
gemini-omni-1.2-flash
omni-fast
Endpoint da API
Interactions API
POST /v1/videos
Base de cobrança
Aproximadamente $0.07/segundo em 720p
$0.40/solicitação no catálogo atual
Formato da solicitação
JSON da Interactions API
Formulário multipart / JSON dependendo da tarefa
Tratamento de tarefas
Síncrono, com estado, streaming, assíncrono
Enviar, consultar, baixar
Certeza da versão
1.2 Flash explícito
O ID publicado não identifica a 1.2
Status da API
GA
Endpoint do CometAPI marcado como Beta
A Gemini Omni Fast API no CometAPI (https://www.cometapi.com/models/google/gemini-omni-fast/) fornece uma rota de integração separada sob omni-fast. Seu identificador publicado não especifica a versão 1.2 Flash, portanto use as configurações e preços documentados do provedor para essa rota.
Os vídeos gerados incluem marca d'água SynthID, e a superfície de modelo documentada no Google Cloud também oferece suporte a Content Credentials (C2PA). Esses mecanismos de proveniência são úteis ao publicar ativos de marketing gerados por IA ou gerenciar fluxos de trabalho internos de revisão de conteúdo.
O que acontece com as solicitações existentes do Omni 1.1 Flash?
A 1.2 tornou-se geralmente disponível em 5 de novembro de 2026 (ID do modelo: gemini-omni-1.2-flash). A partir de 3 de dezembro de 2026, solicitações para gemini-omni-1.1-flash serão roteadas automaticamente para a 1.2 e cobradas com as novas taxas mais baixas, sem necessidade de mudanças de código. Os limites de taxa do nível pago também foram aumentados.
Teste alguns prompts representativos antes dessa data se seu aplicativo depende do comportamento do modelo anterior. O roteamento automático mantém o caminho da solicitação funcionando, mas você ainda deve revisar os vídeos resultantes. Para outras plataformas, use a documentação de migração e cobrança desse serviço.
Conclusão
Escolha o Gemini Omni 1.2 Flash para projetos em que o trabalho criativo continua após a primeira geração: variações de produto, cenas sazonais e anúncios curtos construídos em torno de um tema consistente.
Comece com um briefing de campanha repetível e um pequeno conjunto de ativos de referência. Quando a composição e o comportamento de edição funcionarem para esse briefing, expanda para mais produtos ou posicionamentos. Isso transforma uma demonstração promissora em um processo de produção que sua equipe pode reutilizar.
Perguntas frequentes
Quantas imagens de referência posso usar com o Gemini Omni 1.2 Flash?
A API empresarial aceita até 10 imagens por prompt. Use essa margem para visões ou detalhes distintos que importam para a tomada; adicionar imagens quase duplicadas pode tornar o briefing mais difícil de gerenciar. Estas respostas seguem as especificações técnicas empresariais da Google (https://docs.cloud.google.com/gemini-enterprise-agent-platform/models/gemini/omni-1-2-flash); limites em apps de consumo podem diferir.
Como o Gemini Omni 1.2 Flash estende um vídeo mais longo?
Para extensão, o modelo usa até os últimos 10 segundos da entrada, mesmo quando o vídeo de origem é mais longo. Ele gera uma continuação de 3–10 segundos, concatenada a até os últimos 30 segundos da entrada. Mantenha o original completo na sua linha do tempo de edição se precisar preservar uma sequência anterior; a extensão retornada não deve ser tratada como substituição da fonte completa.
Quais arquivos de imagem de referência o Gemini Omni 1.2 Flash aceita?
Os formatos de imagem suportados são PNG, JPEG, WebP, HEIC e HEIF. Cada imagem pode ter até 20 MB para dados inline ou uploads diretos no console, ou 30 MB quando fornecida a partir do Google Cloud Storage. Verifique tanto o formato quanto o tamanho do arquivo antes de enviar uma solicitação, especialmente quando seus ativos de origem são fotografias de produto em alta resolução.
Entrada de vídeo para edição/upscaling
Até 15 segundos
Entrada de vídeo para extensão
Qualquer duração; usa até os 10 segundos finais
Entrada para compreensão de vídeo
Até 10 minutos; isso não estende o limite de edição
