Gemini Omni 1.2 Flash : des vidéos IA de 15 secondes, 30 % moins chères

Le 5 novembre, Google DeepMind a lancé Gemini Omni 1.2 Flash, la nouvelle version de son modèle de génération et de montage de vidéos IA. Gemini Omni Flash produit désormais des clips jusqu’à 15 secondes (contre 10 avec Omni 1.1), permet de les retoucher dans les messages suivants et est disponible pour tous dans la Gemini API et Google Cloud. Le prix par seconde de vidéo en 720p baisse de 30 %.

Quoi de neuf dans le modèle de vidéo IA Gemini Omni 1.2 Flash ?

D’après l’annonce de Google, les principaux changements sont :

1. des clips jusqu’à 15 secondes, avec une durée réglable à la seconde près, de 3 à 15 secondes,
2. le montage en conversation : au lieu de tout régénérer, on peut, dans les tours suivants, remplacer un produit ou l’arrière-plan, changer l’éclairage, la météo ou le format d’image,
3. un meilleur respect des références : le modèle accepte des images d’un personnage, d’un produit ou d’un style et de courts clips de mouvement (jusqu’à 3 secondes), et les visages, les vêtements, les inscriptions sur les emballages et les couleurs de la marque doivent rester identiques d’un plan à l’autre,
4. moins de « dérive » de l’image entre la première et la dernière image, y compris lors de l’interpolation entre images clés et de l’extension d’un clip,
5. des dialogues plus naturels, une synchronisation labiale plus nette et plusieurs interlocuteurs dans une même scène,
6. des mouvements de caméra complexes avec moins de coupes indésirables.

Fait intéressant, Google propose une méthode de travail précise : une ébauche en 360p ou 720p, des retouches en conversation, puis un upscaling en 1080p ou 4K. Chaque clip reçoit un filigrane invisible SynthID.

Combien coûte Gemini Omni 1.2 Flash ?

Selon la grille tarifaire de la Gemini API, le modèle n’est proposé que dans l’offre payante (pas dans l’offre gratuite) et il est facturé en tokens vidéo, à 12 USD le million. À la seconde, cela donne :

Résolution	Prix par seconde
360p	env. 0,023 USD
720p	env. 0,07 USD
1080p (upscaling)	env. 0,104 USD
4K (upscaling)	env. 0,209 USD

Un clip complet de 15 secondes en 720p revient donc à environ 1,05 USD. Omni 1.1 Flash coûtait 17,50 USD le million de tokens, soit environ 0,10 USD la seconde en 720p. À partir du 3 décembre 2026, toutes les requêtes vers 1.1 seront redirigées vers 1.2 et facturées aux nouveaux tarifs.

Comment essayer Gemini Omni 1.2 Flash ?

Google cite plusieurs endroits :

1. Google AI Studio et la Gemini API : l’ID du modèle est gemini-omni-1.2-flash (documentation),
2. Google Cloud : dans la console (Vertex AI Studio) et via l’API, y compris avec Provisioned Throughput,
3. Flow : pour mettre en scène et retoucher sur plusieurs tours,
4. Google Vids : des clips de 15 secondes sans frais supplémentaires avec un compte Google ou un abonnement Workspace,
5. l’application Gemini : déploiement progressif pour les abonnés Google AI Ultra,
6. Google Ads.

Dans l’API, un clip est au format 16:9 ou 9:16 et dure 10 secondes par défaut. On peut ajouter jusqu’à 6 images de référence (jusqu’à 3 par personnage, 2 personnages au maximum) et prolonger la vidéo de 3 à 10 secondes par tour, jusqu’à 30 secondes au total.

Pourquoi parle-t-on autant d’Omni 1.2 ?

Le billet de Google est arrivé en première page de Hacker News, où il a récolté plus de 300 points et plus de 200 commentaires. La discussion est d’ailleurs partagée : certains saluent la cohérence des personnages, d’autres se demandent à quoi servent vraiment 15 secondes de vidéo (réponse : surtout au B-roll et à la publicité), et d’autres encore se plaignent d’un déploiement confus dans les applications Google.

À cela s’ajoute le prix : de la vidéo avec son et montage en conversation pour environ un dollar le clip de 15 secondes en 720p. Et ce n’est pas le seul modèle génératif visuel de Google ces dernières semaines, puisque fin octobre DeepMind a présenté Genie 4.

À quoi faire attention ?

D’abord, aux limites que Google cite lui-même : l’action sportive rapide, les changements brusques de scénario et la physique complexe demandent encore du travail.

Ensuite, à la langue. D’après la documentation, l’anglais est entièrement pris en charge et les autres langues n’ont pas été testées (testez des dialogues en français sur quelques clips courts avant de bâtir tout un projet dessus).

Puis, aux différences entre les applications et l’API. L’annonce évoque des indications sonores comme référence, mais selon la documentation de l’API, l’envoi de fichiers audio n’est pas encore pris en charge.

Enfin, à l’absence de chiffres. Google n’a publié ni résultats de benchmarks ni comparaisons avec d’autres modèles vidéo, donc prenons les promesses d’une meilleure cohérence avec du recul tant qu’on n’a pas vu de tests indépendants. Au passage : quelques jours plus tôt, OpenAI a ajouté à ChatGPT les GIF animés dans Images 2.6.

FAQ

Qu’est-ce que Gemini Omni 1.2 Flash ?

C’est un modèle de Google DeepMind qui génère et modifie des vidéos avec son, lancé le 5 novembre 2026. Il crée des clips de 3 à 15 secondes à partir de texte, d’images et de courtes vidéos de référence, et permet de les retoucher dans les messages suivants.

Gemini Omni 1.2 Flash est-il gratuit ?

Pas dans la Gemini API : le modèle n’est disponible que dans l’offre payante, à partir d’environ 0,023 USD la seconde en 360p. Sans frais supplémentaires, on peut créer des clips de 15 secondes dans Google Vids, avec un compte Google ou un abonnement Workspace.

En quoi Omni 1.2 diffère-t-il d’Omni 1.1 ?

Omni 1.2 crée des clips jusqu’à 15 secondes au lieu de 10, respecte mieux les références, permet de modifier la vidéo en conversation et coûte 30 % de moins par seconde en 720p. À partir du 3 décembre 2026, les requêtes vers 1.1 passeront par 1.2.