Gemini Omni 1.2 Flash: генерация и редактирование видео для бизнеса

Google выпустила Gemini Omni 1.2 Flash в статусе general availability 5 ноября 2026 года. Модель создаёт и редактирует видеоролики длительностью до 15 секунд с синхронизированным звуком, поддерживает разрешения от 360p до 4K и доступна через Gemini API, Google Cloud и Google Vids. Стоимость генерации в разрешении 720p составляет 0,07 доллара за секунду: на 30% ниже предыдущей версии.

Что такое Gemini Omni 1.2 Flash и как она работает

Gemini Omni 1.2 Flash это мультимодальная языковая модель, специализированная на генерации и редактировании видео. Она принимает на вход текст, изображения и готовые видеоролики, а на выходе производит видеоматериал с нативным звуком. Идентификатор модели в API: gemini-omni-1.2-flash. Дата вывода из эксплуатации установлена не ранее 5 ноября 2027 года.

Модель работает с входным контекстом до 131 072 токенов и генерирует ответы объёмом до 260 640 токенов. Это технические параметры, которые определяют, насколько сложные и длинные инструкции можно передавать модели при работе через API.

По сравнению с предыдущей версией Gemini Omni 1.1 Flash ключевые изменения касаются трёх параметров: максимальная длительность видео увеличена с 10 до 15 секунд, добавлена функция повышения разрешения готовых роликов, стоимость снижена на 30%. Эти изменения влияют на экономику производства видеоконтента: больше итераций можно позволить себе за тот же бюджет.

Модель поддерживает два соотношения сторон: 16:9 и 9:16, что охватывает форматы горизонтального видео для сайтов и презентаций и вертикального для мобильных платформ.

Какие задачи решает модель в коммерческом контексте

Gemini Omni 1.2 Flash ориентирована прежде всего на корпоративное производство видеоматериалов. Google прямо называет среди целевых сценариев: ролики о товарах, виртуальную примерку, рекламные материалы, каталожные видео, объясняющие ролики и публикации для социальных сетей.

Для интернет-магазинов и ритейла это означает возможность создавать короткие демонстрационные ролики для карточек товаров без полноценной видеосъёмки. Модель принимает изображение товара и текстовое описание желаемой сцены, после чего генерирует видео с движением, освещением и фоном.

Для маркетинговых команд важна функция последовательного редактирования: можно сначала создать базовую сцену, затем уточнять её в несколько шагов, менять фон, освещение, погоду, соотношение сторон без полной повторной генерации. Это снижает стоимость итераций, поскольку каждое уточнение обходится дешевле, чем новый запуск с нуля.

Сохранение персонажей и объектов между кадрами

Одна из практически значимых характеристик модели, улучшенная согласованность визуальных элементов при работе с референсами. Модель лучше сохраняет внешний вид персонажей, товаров и элементов бренда между кадрами при использовании изображений и коротких видеоклипов в качестве образцов.

Для e-commerce это особенно важно: если в карточке товара нужно показать продукт в нескольких сценах, модель старается сохранить его форму, цвет и фактуру без заметных отклонений между роликами. Это снижает необходимость ручной проверки каждого варианта.

Модель принимает до пяти изображений-референсов и до трёх входных видео одновременно. Чем точнее и полнее переданы образцы, тем выше вероятность, что результат сохранит нужные визуальные характеристики.

Синхронизированный звук и речь

Модель генерирует видео с нативным звуком без необходимости отдельного озвучивания. В версии 1.2 заявлено улучшение реалистичности речи за счёт большего разнообразия голосов и расширенного динамического диапазона.

Для рекламных роликов и объясняющих видео это означает, что базовый вариант с голосом можно получить в рамках одного запроса. Однако следует учитывать, что автоматически сгенерированная речь может требовать проверки на соответствие фирменному стилю и точность произношения специфических терминов.

Как работает многошаговое редактирование

Interactions API это интерфейс для ведения многошагового диалога с моделью в рамках одной сессии. Пользователь создаёт исходный ролик, затем последовательно уточняет его: меняет освещение, добавляет или убирает объекты, корректирует фон, изменяет визуальный стиль не описывая заново всю сцену с нуля.

При редактировании модель сохраняет всё, что явно не требуется изменить: действие, движение камеры, остальные объекты сцены. Рекомендуемый формат инструкции: кратко описать одно конкретное изменение, затем добавить указание сохранить остальное без изменений.

Практические сценарии редактирования включают:

• замену фона при сохранении объекта и освещения;
• изменение времени суток или погодных условий в сцене;
• добавление или удаление отдельных объектов;
• замену текста на вывеске или этикетке;
• изменение визуального стиля при сохранении содержания сцены.

Для удаления объекта рекомендуется формулировать инструкцию как просьбу сделать объект невидимым, не описывая, что должно появиться на его месте это снижает вероятность нежелательных замен. Новый текст в сцене следует указывать точно в кавычках в нужном написании.

Загрузка и редактирование собственных видео

Помимо генерации с нуля, модель поддерживает редактирование уже существующих роликов. Через Files API можно загрузить видео длительностью до 15 секунд и передать его в запрос на редактирование. Для файлов больше 4 МБ предусмотрено получение видео по Google-hosted URI с последующей проверкой статуса готовности перед скачиванием результата.

Это открывает сценарий video-to-video: взять реальную съёмку товара или сцены и скорректировать её средствами модели, изменить освещение, убрать лишние элементы, поменять фон. Такой подход может быть полезен, когда исходный материал уже есть, но требует доработки без повторной съёмки.

Предварительная генерация и масштабирование разрешения

Версия 1.2 добавила функцию автономного повышения разрешения: можно сначала сгенерировать ролик в 360p или 720p, выбрать удачный вариант и затем масштабировать его до 1080p или 4K. Это экономически оправданная стратегия при работе с большим числом вариантов: дешёвые превью позволяют отсеять неподходящие результаты до дорогостоящего апскейла.

Стоимость генерации в 720p составляет 0,07 доллара за секунду. При длительности ролика 10 секунд это 0,70 доллара за один вариант. При многошаговом редактировании каждая итерация тарифицируется отдельно, поэтому стратегия «сначала дешёвый превью, потом апскейл» напрямую влияет на итоговые затраты.

Где доступна модель и какие ограничения существуют

Gemini Omni 1.2 Flash доступна через три основных канала: Gemini API для разработчиков, Google Cloud для корпоративных развёртываний и Google Vids как готовый продукт для конечных пользователей. Поддержка через Gemini для бизнеса анонсирована как планируемая.

В Google Vids модель позволяет создавать ролики длительностью от 3 до 15 секунд непосредственно в интерфейсе приложения. Пользователь выбирает шаблон, описывает желаемый результат и отправляет запрос. Также поддерживается добавление аватара: собственного или другого пользователя через упоминание аккаунта Google.

Доступ к функциям Google Vids требует подписки: для личного аккаунта тариф Google AI, для рабочего или учебного соответствующая лицензия Google Workspace. Функция недоступна пользователям младше 18 лет.

Географические ограничения

Возможности загрузки видео для редактирования, создания аватаров и их публикации ограничены или недоступны в Европейской экономической зоне, Швейцарии, Великобритании и ряде штатов США. Это важно учитывать при планировании использования модели в международных проектах или при работе с командами в этих регионах.

Ограничения связаны с требованиями местного законодательства в области обработки персональных данных и регулирования генеративного ИИ. Конкретный перечень недоступных функций может различаться в зависимости от юрисдикции.

Корпоративная инфраструктура и безопасность

Через Google Cloud модель доступна с корпоративной инфраструктурой, включая Provisioned Throughput: резервирование вычислительной мощности для предсказуемой производительности при высоких нагрузках. Это актуально для сценариев массового производства контента, когда нужна стабильная скорость обработки запросов без очередей.

Для разработчиков запросы к модели отправляются через API с Bearer-токеном. После отправки запроса результат получают через очередь с проверкой статуса, модель работает асинхронно, что типично для задач с длительной генерацией.

Как оценить применимость модели для конкретного проекта

Перед тем как интегрировать Gemini Omni 1.2 Flash в производственный процесс, стоит проверить несколько практических параметров.

Первое: соответствие формата задаче. Модель генерирует ролики длительностью от 3 до 15 секунд. Если проект требует более длинных видео, придётся склеивать несколько сегментов или рассматривать другие инструменты. Для коротких форматов: карточки товаров, сторис, рекламные баннеры: диапазон достаточен.

Второе: стоимость итераций. При цене 0,07 доллара за секунду в 720p генерация 15-секундного ролика обходится в 1,05 доллара. Если для получения приемлемого результата нужно 5-10 итераций, бюджет на один финальный ролик составит 5-10 долларов плюс стоимость апскейла. Это нужно закладывать в расчёт при планировании производства.

Третье: качество референсов. Модель лучше сохраняет визуальные характеристики при наличии качественных образцов. Размытые или непоследовательные референсные изображения снижают точность результата. Перед запуском стоит подготовить чёткие изображения товаров и персонажей в нескольких ракурсах.

Четвёртое: географические ограничения команды. Если часть команды работает из ЕЭЗ или Великобритании, функции загрузки и редактирования видео могут быть недоступны. Это нужно проверить заранее, чтобы не строить рабочий процесс вокруг функции, которую часть участников не сможет использовать.

Пятое: тип интеграции. Для разовых задач достаточно Google Vids. Для автоматизированного производства контента в масштабе, интернет-магазины с большим каталогом, регулярные рекламные кампании: нужна интеграция через API. Это требует технических ресурсов на разработку и поддержку. Компании, которые уже работают с AI-решениями для автоматизации контента, могут встроить видео генерацию в существующие пайплайны быстрее, чем те, кто начинает с нуля.

Практический вывод: что делать с этой информацией

Gemini Omni 1.2 Flash это инструмент для тех, кто производит видеоконтент регулярно и в объёме: карточки товаров, рекламные ролики, объясняющие видео для каталога. Разовое использование для единичного проекта экономически менее оправдано, чем потоковое производство.

Если стоит задача оценить модель, разумная последовательность такая: начать с Google Vids без программирования, проверить качество генерации на реальных товарах из каталога, оценить число итераций до приемлемого результата, посчитать стоимость одного финального ролика. Только после этого принимать решение об API-интеграции.

На что обращать внимание при оценке результатов: согласованность цвета и формы товара между кадрами, качество речи в роликах со звуком, точность следования текстовым инструкциям при редактировании. Эти три параметра чаще всего определяют, подходит ли инструмент для конкретного типа контента.

Типичная ошибка при внедрении: ожидать финального результата с первой итерации. Многошаговое редактирование это не недостаток, а рабочий режим модели. Правильнее строить процесс как последовательное уточнение: базовая сцена, затем корректировки по одному параметру за раз. Это и дешевле, и даёт более предсказуемый результат, чем попытка описать всё сразу в одном длинном запросе.