Gemini Omni 1.2 Flash: vídeos con IA de hasta 15 segundos, un 30% más baratos
Gemini Omni Flash 1.2 de Google crea vídeos con IA de hasta 15 segundos, los edita conversando y cuesta 0,07 USD por segundo en 720p. Veamos qué puede hacer.
Este artículo en otros idiomas:العربيةDeutschEnglishFrançaisItaliano日本語Polski简体中文
En este artículo
Google DeepMind lanzó el 5 de noviembre Gemini Omni 1.2 Flash, la nueva versión de su modelo para generar y editar vídeos con IA. Gemini Omni Flash crea ahora clips de hasta 15 segundos (frente a los 10 de Omni 1.1), permite retocarlos en mensajes posteriores y ya está disponible de forma general en la Gemini API y en Google Cloud, con un precio por segundo de vídeo en 720p un 30% más bajo.
¿Qué hay de nuevo en el modelo de vídeo con IA Gemini Omni 1.2 Flash?
Según el anuncio de Google, los cambios más importantes son:
- clips de hasta 15 segundos, con una duración ajustable segundo a segundo, de 3 a 15 segundos,
- edición conversacional: en lugar de generarlo todo de nuevo, en los turnos siguientes podemos cambiar un producto o el fondo, la iluminación, el clima o la relación de aspecto,
- mayor fidelidad a las referencias: el modelo acepta imágenes de un personaje, un producto o un estilo y clips cortos de movimiento (hasta 3 segundos), y las caras, la ropa, los textos de los envases y los colores de marca deberían mantenerse iguales en distintos planos de cámara,
- menos «deriva» de la imagen entre el primer y el último fotograma, también al interpolar entre fotogramas clave y al alargar un clip,
- diálogos más naturales, una sincronización labial más clara y varios hablantes en una misma escena,
- movimientos de cámara complejos con menos cortes no deseados.
Curiosamente, Google propone un flujo de trabajo concreto: un borrador en 360p o 720p, retoques en la conversación y, al final, un escalado a 1080p o 4K. Cada clip lleva una marca de agua invisible SynthID.
¿Cuánto cuesta Gemini Omni 1.2 Flash?
Según la página de precios de la Gemini API, el modelo solo está en el plan de pago (no en el gratuito) y se factura en tokens de vídeo, a 12 USD por millón. Por segundo, sale así:
| Resolución | Precio por segundo |
|---|---|
| 360p | aprox. 0,023 USD |
| 720p | aprox. 0,07 USD |
| 1080p (escalado) | aprox. 0,104 USD |
| 4K (escalado) | aprox. 0,209 USD |
Un clip completo de 15 segundos en 720p cuesta, por tanto, unos 1,05 USD. Omni 1.1 Flash costaba 17,50 USD por millón de tokens, es decir, unos 0,10 USD por segundo en 720p. A partir del 3 de diciembre de 2026, todas las peticiones a 1.1 se redirigirán a 1.2 y se cobrarán con las nuevas tarifas.
¿Cómo probar Gemini Omni 1.2 Flash?
Google enumera varios sitios:
- Google AI Studio y la Gemini API: el ID del modelo es
gemini-omni-1.2-flash(documentación), - Google Cloud: en la consola (Vertex AI Studio) y a través de la API, también con Provisioned Throughput,
- Flow: para dirigir escenas y hacer retoques en varios turnos,
- Google Vids: clips de 15 segundos sin coste adicional con una cuenta de Google o una suscripción a Workspace,
- la app de Gemini: se está desplegando poco a poco para los suscriptores de Google AI Ultra,
- Google Ads.
En la API, un clip tiene formato 16:9 o 9:16 y dura 10 segundos por defecto. Podemos añadir hasta 6 imágenes de referencia (hasta 3 por personaje, con un máximo de 2 personajes) y alargar el vídeo de 3 a 10 segundos por turno, hasta un total de 30 segundos.
¿Por qué se habla tanto de Omni 1.2?
La entrada de Google llegó a la portada de Hacker News, donde reunió más de 300 puntos y más de 200 comentarios. Eso sí, el debate está dividido: hay quien elogia la coherencia de los personajes, quien pregunta para qué sirven realmente 15 segundos de vídeo (la respuesta: sobre todo para B-roll y anuncios) y quien se queja del confuso despliegue en las apps de Google.
A eso se suma el precio: vídeo con sonido y edición conversacional por alrededor de un dólar por clip de 15 segundos en 720p. Y no es el único modelo generativo visual de Google en las últimas semanas, porque a finales de octubre DeepMind presentó Genie 4.
¿En qué hay que fijarse?
Primero, en las limitaciones que menciona la propia Google: la acción deportiva rápida, los cambios bruscos de guion y la física compleja todavía necesitan trabajo.
Segundo, en el idioma. Según la documentación, el inglés tiene soporte completo y los demás idiomas no se han probado (prueba diálogos en español con unos cuantos clips cortos antes de planificar todo un proyecto con ellos).
Tercero, en las diferencias entre las apps y la API. El anuncio menciona pistas de audio como referencia, pero según la documentación de la API todavía no se puede subir audio.
Cuarto, en la falta de cifras. Google no ha publicado resultados de benchmarks ni comparaciones con otros modelos de vídeo, así que conviene tomar con cautela las promesas de mayor coherencia hasta ver pruebas independientes. Por cierto: unos días antes, OpenAI añadió a ChatGPT GIF animados en Images 2.6.
Preguntas frecuentes
¿Qué es Gemini Omni 1.2 Flash?
Es un modelo de Google DeepMind para generar y editar vídeo con sonido, lanzado el 5 de noviembre de 2026. Crea clips de 3 a 15 segundos a partir de texto, imágenes y vídeos cortos de referencia, y permite retocarlos en mensajes posteriores.
¿Gemini Omni 1.2 Flash es gratis?
En la Gemini API no: el modelo solo está en el plan de pago, desde unos 0,023 USD por segundo en 360p. Sin coste adicional se pueden crear clips de 15 segundos en Google Vids, con una cuenta de Google o una suscripción a Workspace.
¿En qué se diferencia Omni 1.2 de Omni 1.1?
Omni 1.2 crea clips de hasta 15 segundos en lugar de 10, respeta mejor las referencias, permite editar el vídeo conversando y es un 30% más barato por segundo en 720p. A partir del 3 de diciembre de 2026, las peticiones a 1.1 pasarán a 1.2.