Google ha actualizado su modelo de vídeo con una combinación que interesa a quien crea contenido: clips más largos, un precio menor y la posibilidad de corregir una escena mediante conversación. Gemini Omni 1.2 Flash llega a los 15 segundos por generación, frente a los diez de Omni 1.1, y permite pedir cambios sobre el vídeo que ya existe.
El anuncio del 5 de noviembre incluye mejoras para seguir imágenes y sonidos de referencia. La empresa lo está desplegando en sus productos y lo declara disponible de forma general para desarrolladores en la API de Gemini y Google Cloud. El acceso concreto depende de la aplicación utilizada.
Quince segundos para desarrollar una escena
La duración puede elegirse en incrementos de un segundo, entre tres y quince. Ese margen permite mantener una misma acción durante más tiempo: por ejemplo, un recorrido de cámara, una presentación de producto o una conversación breve entre personajes.
Una de las demostraciones de Google combina la fotografía de una modelo con imágenes de varias prendas. El resultado cambia su vestuario durante giros y transiciones. Otra construye una escena de personajes animados que hablan a partir de referencias visuales y de voz. Son ejemplos publicados por Google para mostrar el modelo; no pruebas realizadas por PLANA.
El interés para una pequeña marca está en poder explorar una secuencia completa antes de pasar a producción. También exige revisar más cosas que una imagen fija: que la ropa conserve sus detalles al girar, que un objeto no cambie de forma y que una frase llegue al final sin quedar cortada.
Corregir el fondo sin empezar de cero
La documentación de la API utiliza Interactions para conservar el contexto de una creación y trabajar sobre ella en varios turnos. En lugar de describir otra vez todo el plano, se puede pedir una modificación y continuar desde el resultado anterior.
Esto cambia la forma de preparar variantes. Una escena puede servir como punto de partida para probar otro entorno, ajustar la iluminación o cambiar el formato. La aplicación conserva una conversación sobre el vídeo, de modo que cada petición tiene relación con lo que se hizo antes.
La guía admite formato vertical 9:16 y horizontal 16:9. La resolución predeterminada es 720p; también contempla 360p y salidas ampliadas a 1080p y 4K. Esa distinción ayuda a valorar el archivo recibido: disponer de una salida 4K no significa que cada detalle se haya generado originalmente a esa resolución.
Cuánto cuesta un clip en la API
La tarifa estándar de Gemini Omni 1.2 Flash equivale aproximadamente a 0,07 dólares por segundo de vídeo 720p. Google sitúa la reducción en un 30 % frente a Omni 1.1.
La tabla detalla que el cobro se calcula por tokens: un vídeo 720p utiliza 5.792 tokens de salida por segundo y la tarifa de vídeo es de 12 dólares por millón. Con ese cálculo, una generación de quince segundos ronda 1,04 dólares de salida. Las entradas y otras resoluciones tienen sus propias tarifas; no es un precio cerrado para cualquier trabajo de edición.
La misma página indica que este modelo no tiene nivel gratuito en la API. Es una condición distinta de lo que ofrezcan las aplicaciones de Google. Antes de preparar una campaña con muchas variantes conviene separar el coste de cada intento del coste del clip que finalmente se publica: descartar resultados también forma parte del proceso de creación.
Dónde empieza el despliegue
Google incluye Gemini API, Google Cloud, Flow, Google Vids y otros productos entre sus vías de acceso. En Vids anuncia generación de clips de quince segundos sin coste adicional con una cuenta de Google o una suscripción Workspace; en la aplicación Gemini, el despliegue comienza para usuarios Google AI Ultra. Eso no convierte la API en gratuita ni asegura que todas las cuentas vean la opción al mismo tiempo.
Hay además un cambio para quienes ya utilizan la versión anterior. La guía técnica mantiene Omni 1.1 durante una transición de cuatro semanas y fija el 3 de diciembre de 2026 para redirigir sus solicitudes hacia 1.2 Flash, con las tarifas inferiores. Los equipos que dependan del aspecto de un resultado concreto pueden aprovechar ese periodo para comparar sus flujos.
La mejora más útil será la que reduzca intentos fallidos sin perder el control de la escena. La nueva duración y la edición por turnos amplían lo que se puede pedir; la revisión de personajes, texto, movimiento y sonido sigue determinando qué material merece publicarse.