O Google Cloud anunciou a disponibilidade geral (General Availability) do Gemini Omni 1.2 Flash (gemini-omni-1.2-flash), nova iteração do seu modelo fundacional multimodal voltada para a geração e edição rápida de vídeos corporativos, anúncios publicitários e protótipos de produtos com custo operacional reduzido.

Ampliar

Clipes de 15 segundos e edição guiada por prompts

Diferente de geradores de cena estáticos que exigem renderizar todo o arquivo a cada ajuste, o Omni 1.2 Flash introduz recursos de edição multimodal conversacional:

• Duração ampliada e controle temporal: suporta clipes de 3 a 15 segundos (contra 10 segundos na versão 1.1), configuráveis em incrementos de um segundo com suporte nativo a generation_config.seed para reprodutibilidade.
• Edição em múltiplas etapas (multi-turn): desenvolvedores podem alterar o fundo, iluminação, estilo de câmera ou substituir peças de vestuário e produtos em cena mantendo a coerência anatômica dos personagens e a identidade dos objetos.
• Resoluções e upscaling: geração nativa em 360p e 720p com fluxo de pós-processamento e upscaling automático para 1080p e 4K.
• Custo de inferência: redução de cerca de 30% nos custos em relação à versão anterior, atingindo aproximadamente US$ 0,07 por segundo de vídeo em 720p (ou US$ 12,00 por milhão de tokens de saída de vídeo).

O modelo já pode ser consumido via API no Vertex AI e no Agent Platform. Para especificações completas de requisição e parâmetros, acesse a publicação oficial no Google Cloud Blog.