Google presenta Gemini Omni 1.2 Flash, il nuovo modello per la generazione video che introduce filmati fino a 15 secondi, editing conversazionale e una maggiore capacità di mantenere coerenti personaggi, oggetti e ambientazioni. La novità riguarda anche i costi: rispetto alla versione precedente, il prezzo è stato ridotto del 30%, arrivando a 0,07 dollari al secondo per i video in 720p. Il modello è disponibile attraverso Gemini API e Gemini per le aziende, con un’estensione progressiva anche agli altri prodotti Google.
Video fino a 15 secondi e costi più bassi
Una delle principali novità di Gemini Omni 1.2 Flash riguarda la durata dei contenuti generati. Il modello passa dai precedenti 10 secondi a 15 secondi di video, consentendo anche di scegliere la lunghezza con incrementi di un secondo, da un minimo di 3 a un massimo di 15 secondi.
L’obiettivo è permettere la realizzazione di sequenze più complete, dalle presentazioni di prodotto ai contenuti pubblicitari destinati ai social network, senza dover necessariamente assemblare più generazioni.
Google ha inoltre lavorato sull’efficienza economica del sistema. Oltre alla riduzione del prezzo del 30%, gli utenti possono iniziare a lavorare con risoluzioni di 360p o 720p, intervenire sui dettagli attraverso successive modifiche e infine portare i risultati migliori a 1080p o 4K.
Maggiore coerenza tra immagini, personaggi e ambientazioni
Un altro intervento importante riguarda la capacità di seguire le immagini di riferimento. Gemini Omni 1.2 Flash può combinare fotografie di personaggi e prodotti, riferimenti stilistici, brevi filmati di movimento fino a tre secondi e indicazioni audio.
Il modello cerca di mantenere questi elementi riconoscibili durante l’intera sequenza. In particolare, Google evidenzia miglioramenti nella conservazione dei volti, degli abiti, delle confezioni, dei colori dei marchi e dei dettagli degli oggetti, anche quando cambiano le inquadrature.
Queste caratteristiche possono risultare utili per realizzare video pubblicitari, cataloghi animati e prove virtuali degli abiti. Un esempio mostrato da Google riguarda proprio il virtual try-on: partendo dalla fotografia di una modella e dalle immagini frontali e posteriori di tre completi, il sistema genera una sequenza di 15 secondi con rotazioni a 360 gradi, mantenendo coerenti identità della persona e caratteristiche dei vestiti.
Migliora anche la continuità tra le scene e i fotogrammi. Il modello riduce le alterazioni visive e le trasformazioni indesiderate, mantenendo più stabili personaggi, oggetti e ambientazioni durante i movimenti della telecamera e le transizioni.
Editing conversazionale, audio e movimenti cinematografici
Gemini Omni 1.2 Flash introduce anche un sistema di editing conversazionale multi-turno. Invece di generare nuovamente un filmato da zero, è possibile intervenire progressivamente sulla stessa sequenza attraverso nuove istruzioni.
Si possono, per esempio, sostituire un prodotto o uno sfondo, modificare l’illuminazione, cambiare le condizioni meteorologiche oppure adattare il formato del video. Le modifiche possono riguardare anche filmati completi di 15 secondi, facilitando la creazione di varianti dello stesso contenuto per pubblici e piattaforme differenti.
Google segnala inoltre progressi nella generazione dell’audio, con dialoghi più naturali, sincronizzazione labiale più precisa e una migliore gestione delle voci di più interlocutori. Il modello può quindi essere utilizzato per realizzare scene animate, video esplicativi e contenuti con narrazione.
Sul fronte visivo, sono stati migliorati anche i movimenti della telecamera. È possibile dirigere sequenze complesse, come riprese FPV, zoom progressivi e movimenti circolari, riducendo i tagli indesiderati e mantenendo una maggiore stabilità delle proporzioni.
Disponibilità su Gemini, Google Vids e piattaforme professionali
Gemini Omni 1.2 Flash è disponibile attraverso la Gemini API e Google Cloud, con infrastruttura e sicurezza di livello enterprise. Google mette inoltre a disposizione il Provisioned Throughput per le esigenze delle aziende. I contenuti generati includono un watermark SynthID impercettibile.
Il modello è destinato anche agli sviluppatori, che possono iniziare a sperimentarlo attraverso Google AI Studio e la documentazione dedicata alle API.
Per gli utenti degli altri prodotti Google, la distribuzione interessa diversi servizi: in Flow è possibile dirigere le scene e modificarle attraverso conversazioni successive; Google Vids permette di generare filmati di 15 secondi senza costi aggiuntivi con un account Google o un abbonamento Google Workspace. Nell’app Gemini, invece, la creazione di video da 15 secondi è in distribuzione per gli abbonati Google AI Ultra. Sono previste applicazioni anche per la realizzazione di campagne video attraverso Google Ads.
