NoticiasGemini

Google lanza Gemini Omni 1.2 Flash: vídeos de 15 segundos y un 30 % más baratos

Google ha lanzado Gemini Omni 1.2 Flash, una actualización importante de su modelo para crear, editar y extender vídeos mediante inteligencia artificial. La nueva versión genera clips con audio sincronizado de hasta 15 segundos, mantiene mejor la identidad de personajes y productos y permite corregir una escena conversando con el modelo. Además, reduce el precio de la API un 30 % respecto a Omni 1.1 Flash.

Una inteligencia artificial genera una secuencia cinematográfica continua de quince segundos con voz sincronizada

Clips de hasta 15 segundos con audio nativo

La duración máxima aumenta de 10 a 15 segundos. El usuario puede elegir cualquier duración entre 3 y 15 segundos en incrementos de un segundo. Cinco segundos adicionales dan margen para completar una demostración de producto, una escena dialogada o un anuncio vertical sin encadenar varias generaciones.

Omni 1.2 Flash produce el vídeo y el sonido dentro del mismo proceso. Puede generar diálogo, narración, música y efectos, y Google afirma haber mejorado la claridad de las voces, la sincronización labial y la separación entre varios hablantes. También admite referencias de audio breves para relacionar una voz concreta con cada personaje.

Según el anuncio oficial de Google, el modelo puede combinar imágenes de personajes, productos o estilos con clips de movimiento de hasta tres segundos y pistas de audio. La intención es que esas referencias se mantengan durante toda la secuencia, no solo en el primer fotograma.

Más consistencia y menos transformaciones extrañas

La deriva visual continúa siendo uno de los defectos más visibles del vídeo generativo. Un rostro cambia, una prenda pierde detalles, el texto del envase se deforma o un objeto se transforma durante un movimiento de cámara. Gemini Omni 1.2 Flash intenta conservar mejor caras, ropa, colores, tipografía, accesorios y escenarios desde el inicio hasta el final.

Esta mejora puede resultar especialmente útil para publicidad, comercio electrónico y pruebas virtuales de ropa. Una empresa puede proporcionar fotografías delanteras y traseras de un producto, una imagen de la persona y una referencia de estilo para generar distintas tomas sin rediseñar cada plano. Eso sí, la coherencia prometida por Google tendrá que comprobarse con materiales menos favorables que sus demostraciones.

Editar un vídeo manteniendo una conversación

El modelo permite modificar el mismo clip mediante instrucciones sucesivas. Puedes pedir un cambio de fondo, iluminación, clima, producto o relación de aspecto sin describir de nuevo toda la escena. La edición conversacional funciona sobre vídeos completos de hasta 15 segundos y pretende conservar interpretación, encuadre y elementos que no se hayan señalado.

Ediciones sucesivas conservan el mismo personaje y producto mientras cambia el escenario del vídeo

Esta continuidad es más importante que generar una primera versión espectacular. En un trabajo real casi siempre hay correcciones: el cliente quiere otro color, una localización distinta o un formato vertical. Si cada cambio obliga a empezar de cero, se pierden tiempo, créditos y detalles que ya estaban bien.

Movimientos de cámara más cinematográficos

Google también destaca una mayor capacidad para seguir instrucciones de cámara. El modelo puede realizar recorridos FPV, órbitas, acercamientos y alejamientos continuos con menos cortes inesperados y cambios bruscos de escala. Las demostraciones incluyen movimientos que atraviesan puertas o conectan un primer y último fotograma en una sola toma.

No significa que haya resuelto la física. La propia compañía reconoce que todavía trabaja en deportes rápidos, cambios de guion repentinos y movimientos complejos. Escenas con manos interactuando, colisiones, líquidos o muchos objetos pueden seguir produciendo errores.

Un 30 % más barato que Omni 1.1

El precio anunciado para vídeo a 720p es de 0,07 dólares por segundo. Por tanto, una generación de 15 segundos cuesta aproximadamente 1,05 dólares, antes de considerar posibles repeticiones o servicios adicionales. Google recomienda crear borradores a 360p o 720p, corregirlos y escalar únicamente los mejores a 1080p o 4K.

La rebaja importa porque el coste real no suele ser el de un único clip. Para obtener una toma utilizable pueden hacer falta varias versiones. La edición conversacional también ayuda: cambiar solo el elemento incorrecto puede resultar más económico que volver a generar la escena completa.

Dónde está disponible Gemini Omni 1.2 Flash

El modelo está disponible de forma general en Gemini API, Google AI Studio, Google Cloud y Gemini para empresas. También llega a Flow, Google Vids y Google Ads. En la aplicación Gemini se está desplegando para suscriptores de Google AI Ultra.

La documentación de Google Cloud en español confirma resoluciones de 360p, 720p, 1080p y 4K, formatos horizontal 16:9 y vertical 9:16 y hasta tres vídeos por solicitud. La duración disponible puede variar según la herramienta y la suscripción.

En Flow, por ejemplo, algunas funciones de 15 segundos y extensión requieren Google AI Plus, Pro o Ultra. En Google Vids se anuncian generaciones de 15 segundos sin coste adicional para usuarios con cuenta de Google o una suscripción de Workspace, aunque se mantienen límites de uso.

Qué cambia frente a Gemini Omni 1.1 Flash

La versión anterior ya permitía crear y editar vídeo conversando con Gemini. Como explicamos en nuestro análisis de Gemini Omni 1.1 Flash, su principal atractivo era combinar texto, imagen, vídeo y audio dentro de un único flujo. La versión 1.2 no cambia esa idea: la hace más larga, barata y controlable.

También es la primera vez que la familia Omni alcanza disponibilidad general respaldada por la infraestructura empresarial de Google Cloud. Las salidas incluyen la marca de agua invisible SynthID, destinada a facilitar la identificación de contenido generado por IA.

Una actualización pensada para producir, no solo impresionar

Gemini Omni 1.2 Flash se centra en problemas cotidianos: planos demasiado cortos, personajes que cambian, correcciones costosas y precios difíciles de escalar. Quince segundos, mejor seguimiento de referencias y edición por turnos acercan el vídeo generativo a un flujo de producción real.

Aun así, la prueba decisiva llegará cuando creadores y empresas lo utilicen con referencias imperfectas, guiones complejos y muchas revisiones. Si mantiene la continuidad fuera de las demos y reduce realmente el número de intentos, la bajada de precio podría ser más importante que cualquier mejora visual aislada.