Gemini Omni 1.2 Flash подешевела на 30% и снимает 15 секунд

Секунда видео в 720p в Gemini Omni 1.2 Flash стоит 0,07 доллара, на 30% меньше, чем у Omni 1.1. Модель 5 ноября стала общедоступной в Gemini API и Gemini for business, сообщила Google в своём блоге. Тем, кто держал генерацию видео в прототипах до выхода из превью, Google даёт первую версию Omni со статусом GA на инфраструктуре Google Cloud и с Provisioned Throughput, выделенной пропускной способностью под клиента. Но быструю спортивную динамику, резкие смены сценария и сложную физику Google сама называет ещё не доработанными.

До сих пор у Omni Flash в API была только превью-версия. Модель gemini-omni-flash-preview открыли в Google AI Studio и Gemini API 30 июня, и Логан Килпатрик, объявляя её цену, сравнил её с Veo 3.1 Fast: те же 0,10 доллара за секунду. В конце лета документация Google всё ещё числила модель в статусе preview, а про 1.2 Google прямо пишет, что Omni общедоступна впервые.

Сколько стоит ролик

Максимальная длина выросла с 10 до 15 секунд, и пятнадцатисекундный ролик в 720p обойдётся в 1,05 доллара. По прежней ставке около 0,10 доллара предельный десятисекундный ролик Omni 1.1 стоил примерно доллар, так что лишние пять секунд достались почти даром. Длину можно задать с шагом в одну секунду, от 3 до 15.

Экономить Google предлагает на самом процессе. Черновики делают в 360p или 720p, ошибку в детали исправляют следующей правкой в диалоге, не генерируя клип заново, а до 1080p или 4K доводят апскейлом только удачные варианты. Цена черновиков в 360p и апскейла не названа. Правки в диалоге работают на всех 15 секундах: в том же клипе меняют продукт или фон, свет, погоду, соотношение сторон. Для рекламы это значит варианты под разные аудитории и площадки без нового брифа и новой генерации, обещает Google.

Референсы, речь и пределы

Генерацию направляют изображениями персонажа, продукта или стиля, клипами движения до трёх секунд и аудиоподсказками. По словам Google, лица, одежда, типографика на упаковке и фирменные цвета держатся одинаковыми при смене ракурса, поэтому имеющиеся предметные фото и листы персонажей превращаются в ролики с виртуальной примеркой, каталожные облёты товара и брендированную рекламу. Аудиореференсы, уточняет Google Cloud, доступны только после включения в allowlist.

В речи Google обещает более естественные диалоги, точнее совпадающую артикуляцию и раздельные голоса для нескольких говорящих. С камерой меньше незапланированных склеек на длинных пролётах в стиле FPV, отъездах и облётах. В демо по двум фотографиям архитектуры модель ведёт один непрерывный «полёт дрона» через площадь, бронзовые двери и купол Пантеона до окулуса.

Пределы Google называет сама: быстрые спортивные сцены, резкие изменения сценария и сложная физика ещё в работе. Все ролики несут незаметный водяной знак SynthID.

Где модель уже работает

Разработчикам Omni 1.2 Flash доступна через Gemini API и Google AI Studio, где есть интерактивные стартовые приложения, бизнесу через консоль Google Cloud. В Flow на модели строят сцены и многошаговые правки, в Google Vids 15-секундные клипы генерируются без доплаты для владельцев аккаунта Google или подписки Google Workspace, в Google Ads модель подключена к видеокампаниям. В приложении Gemini 15-секундные ролики раскатывают подписчикам Google AI Ultra.

Среди клиентов, которые уже работают с 1.2 Flash, Google Cloud называет Artlist, FLORA, invideo и Krea. Вице-президент invideo по разработке сформулировал главное изменение так: «15 секунд - это целая сцена за один заход».