Google Gemini Omni 1.2 Flash, 15 s de vídeo e corte de 30%

Introdução

Google Gemini Omni 1.2 Flash é lançado com suporte nativo a vídeos de até 15 segundos e um corte de 30 por cento no preço de geração em 720p, agora em 0,07 dólares por segundo. O anúncio oficial crava disponibilidade geral na API e no ecossistema Google Cloud, com melhorias claras em consistência de personagens, adesão a referências e edição conversacional. (blog.google)

A importância desse movimento está no equilíbrio entre velocidade, custo e controle criativo. Google Gemini Omni 1.2 Flash prioriza iteração rápida, rascunhos em resoluções menores e upscaling para 1080p ou 4K, tudo mantendo marca, tipografia e cores consistentes ao longo do clipe. Para equipes que produzem em escala, isso reduz retrabalho e traz previsibilidade de orçamento. (blog.google)

Ao longo deste artigo, o foco estará no que muda para desenvolvedores, creators e negócios. Serão abordados preço efetivo por clipe, novas capacidades, casos de uso verificáveis e como esse lançamento se compara ao panorama atual de modelos de vídeo.

O que exatamente mudou no Gemini Omni 1.2 Flash

• Duração nativa ampliada, agora até 15 segundos por geração, antes eram 10 segundos. Isso vale para geração e edição, com granularidade de 3 a 15 segundos. (blog.google)
• Preço reduzido em 30 por cento em 720p, com valor de 0,07 dólares por segundo para saída de vídeo via API, com economia proporcional em outras resoluções. (cloud.google.com)
• Edição conversacional multi-turno, permitindo ajustes sucessivos no mesmo clipe, como trocar produto, fundo, iluminação ou aspecto, sem começar do zero. (blog.google)
• Melhor adesão a referências, combinando imagens de personagem, fotos de produto, trechos curtos de vídeo e pistas de áudio para manter consistência de rosto, roupa, tipografia e cores em todo o clipe. (blog.google)
• Fluxo otimizado para custo, com rascunhos em 360p ou 720p e upscaling final para 1080p ou 4K, mantendo qualidade cinematográfica de câmera e menos jump cuts. (blog.google)
• Disponibilidade geral no Google Cloud, incluindo Provisioned Throughput e marca d’água SynthID invisível por padrão. (cloud.google.com)

Essas mudanças alinham custo e controle criativo. Em times que testam dezenas de variações, a edição conversacional corta ciclos de refação. O ganho de 5 segundos na duração nativa evita costurar cenas em pós, o que ajuda a caber um anúncio completo de 15 segundos em uma única passada. (blog.google)

Preço na prática, quanto custa um clipe de 15 segundos

O número nominal divulgado é 0,07 dólares por segundo em 720p. Em um clipe de 15 segundos, isso coloca o orçamento base em torno de 1,05 dólares por geração na API. Para operações que geram muitos rascunhos, o conselho do próprio Google é começar em 360p ou 720p, iterar com edição conversacional e só então fazer upscale para 1080p ou 4K, mantendo a previsibilidade de custo por versão. (cloud.google.com)

Outra peça importante do anúncio, o Google destaca caminhos de acesso além da API, incluindo Vids para montagem com avatares, narração e música, e o app Gemini, que começa a receber geração de 15 segundos para assinantes AI Ultra. Isso facilita pilotos rápidos em times não técnicos, antes de escalar via API em produção. (blog.google)

Ponto de atenção para quem já usa a família Omni, o post oficial confirma que as capacidades de 1.2 estão disponíveis hoje no ecossistema, com GA em Google Cloud e documentação de preços vinculada ao AI Studio. Para equipes enterprise, há suporte a SLAs e throughput provisionado. (cloud.google.com)

Capacidades criativas, consistência de marca e fala mais natural

• Mais consistência de personagens e objetos do primeiro ao último frame, menos drift visual em mudanças de câmera, além de motion transfer mais previsível entre turnos. (blog.google)
• Adesão reforçada a referências de produto e estilo, útil para try-ons, spins de catálogo e anúncios com texto e tipografia fiéis. (blog.google)
• Fala mais natural, com sincronização labial mais clara e condicionamento multi-speaker, relevante para diálogos e explicadores com vários personagens. (blog.google)
• Controle de câmera mais cinematográfico, com travellings contínuos, zooms dramáticos e órbitas sem cortes indesejados. (blog.google)

Na prática, isso significa que uma única imagem de personagem mais fotos de produto podem render um try-on de 15 segundos com cortes e viradas de 360 graus, preservando identidade, caimento e detalhes de cada peça. O ganho de consistência reduz surpresas em lettering, rótulos e paletas de cor, algo crítico para marcas. (blog.google)

Onde usar, do protótipo ao volume em produção

• Desenvolvedores, usar o Gemini API via Google AI Studio para prototipar e depois mover para produção com Google Cloud e Provisioned Throughput. (blog.google)
• Negócios, criar no Gemini for Business e Google Vids, combinando clipes gerados com avatares, música e narração. Para quem já trabalha com campanhas, a integração com Ads ajuda a escalar variações rapidamente. (blog.google)
• Equipes criativas, usar referências de imagem e pequenos trechos de vídeo para garantir aderência de identidade visual e consistência de produto entre takes. (blog.google)

Exemplos de parceiros citados no Google Cloud revelam cenários reais, como invideo validando aderência de prompt e física, FLORA e Krea explorando substituições de personagem e cena, e Picsart iterando em minutos para levar a 4K. São casos que mostram maturidade da ferramenta para pipelines profissionais. (cloud.google.com)

Fluxo de trabalho recomendado para reduzir custo e retrabalho

• Começar com um prompt simples e rascunho em 360p ou 720p, focando em compor cena e ritmo. (blog.google)
• Fixar elementos críticos com edição conversacional, trocando fundo, clima, iluminação ou proporção, sem reiniciar geração. (blog.google)
• Consolidar a versão final, aplicando upscaling para 1080p ou 4K quando necessário, mantendo budget por segundo sob controle. (blog.google)

Esse trilho evita o efeito espiral de custos em que cada ajuste exige um take completo novo. O ganho de qualidade em fala e aderência de referência reduz a necessidade de correção manual, algo que normalmente consome horas de pós-produção. (blog.google)

Comparativo de contexto no mercado de vídeo por IA

O corte de 30 por cento em 720p coloca o Google em uma posição mais agressiva em custo por segundo para clips curtos, considerando players que publicam preço por segundo e limites similares de 10 a 15 segundos. Sites de monitoramento e guias de preço sinalizam uma convergência do mercado para modelos com preços por segundo, variando por resolução e duração. Ainda que números exatos mudem com frequência e por provedor, o patamar de 0,07 dólares em 720p é competitivo no segmento de vídeos curtos voltados a anúncios, demos e catálogos. (openclips.ai)

Para quem deseja medir ROI, o cálculo prático é simples, multiplicando segundos por taxa e contabilizando iterações. A estratégia de começar em baixa resolução e subir depois ajuda a manter custo efetivo por entrega final dentro de metas de CPA ou CPL, especialmente quando testes A/B de criativos exigem dezenas de variações por semana. (blog.google)

Segurança, marca d’água e prontidão para produção

O lançamento como disponibilidade geral em Google Cloud indica foco em uso empresarial com SLAs e controle de throughput, além de marca d’água SynthID invisível nos outputs. Isso viabiliza auditoria de conteúdo e rastreabilidade em conformidade com políticas internas e requisitos de plataformas. Para times que publicam em mídias pagas e sociais, a previsibilidade técnica e a identificação de conteúdo gerado por IA viram um diferencial na aprovação de campanhas. (cloud.google.com)

Boas práticas de prompt e referência

• Sempre incluir imagens de referência do produto, personagem ou embalagem que devam permanecer idênticos. (blog.google)
• Para explicadores, usar frames iniciais e finais como âncoras, melhorando consistência do movimento e do texto em tela. (blog.google)
• Rodar pequenas variações de luz e cenário em multi-turno, garantindo que apenas o que foi pedido mude e o restante se mantenha estável. (blog.google)

Essas rotinas tiram proveito das melhorias em adesão a referência e controle de câmera do 1.2, diminuindo variação indesejada entre takes e facilitando a aprovação por stakeholders.

Onde experimentar hoje

O post oficial lista vários caminhos. Desenvolvedores podem começar no AI Studio e seguir para a API com documentação e preços. Usuários de negócios podem testar no console do Google Cloud e, para o público em geral, há criação de cenas e edição em Flow, 15 segundos sem custo adicional em Vids com conta Google ou Workspace, e vídeos de 15 segundos chegando no app Gemini para assinantes AI Ultra. A cobertura do Google Cloud reforça a GA e o conjunto de casos de uso. (blog.google)

Conclusão

Gemini Omni 1.2 Flash consolida a proposta de valor para vídeos curtos, combinando custo por segundo menor, 15 segundos nativos por geração e edição conversacional multi-turno. Para quem produz anúncios, catálogos e explicadores em volume, a soma de consistência visual, fala mais natural e upscaling controlado fecha a conta na eficiência. (blog.google)

A recomendação é clara, começar pequeno, iterar com edição conversacional, manter referências de marca acopladas e só então subir resolução. Com preço competitivo e GA em Google Cloud, o modelo fica menos sobre experimentação e mais sobre operação, com trilhos de adoção para times técnicos e criativos. (cloud.google.com)