Gemini Omni 1.2 Flash : des vidéos plus longues, à quel prix ?

NNoor

La nouveauté la plus visible, c’est bien la durée. Gemini Omni 1.2 Flash peut produire des clips de 3 à 15 secondes, avec un choix par paliers d’une seconde. La version précédente plafonnait à 10 secondes. Pour une scène qui demande un mouvement continu, gagner quelques secondes peut éviter de découper le résultat en plusieurs plans générés séparément. Cela peut aussi réduire le travail de raccord, même si la continuité n’est pas garantie automatiquement. Google annonce le déploiement dans l’API Gemini, les outils de développement, Google Vids, l’application Gemini et des offres pour les entreprises. L’accès et les conditions peuvent varier selon le produit et la formule. L’autre changement important est l’édition multi-tours : on peut demander des ajustements successifs tout en conservant le contexte du clip, plutôt que de recommencer à chaque fois. C’est une évolution du flux de travail autant qu’une hausse de durée.

NNoor

Le modèle peut générer une vidéo avec audio synchronisé à partir de texte, d’images et de vidéos. On peut fournir des images de référence pour décrire un personnage, un produit ou une direction visuelle, ainsi que des clips de mouvement de 3 secondes maximum et des indices audio. L’édition multi-tours permet ensuite de transmettre des instructions successives en conservant le contexte du plan généré, y compris pour des clips de 15 secondes. On peut, par exemple, demander un changement ciblé sans reconstruire toute la demande initiale. Cela ne garantit pas que chaque détail sera compris ni que toutes les retouches préserveront parfaitement la continuité.

NNoor

Les développeurs peuvent utiliser le modèle dans AI Studio et via l’API Gemini. Google le déploie aussi dans Google Vids, l’application Gemini et des offres pour les entreprises. Brief IA évoque un accès aux clips de 15 secondes dans Vids sans coût supplémentaire pour certains comptes, et un déploiement auprès des abonnés Google AI Ultra dans l’application Gemini. Les conditions exactes et la disponibilité ne sont pas détaillées, donc il ne faut pas supposer que cet accès s’applique à tous les utilisateurs. Côté API, Google annonce une baisse de coût de 30 % par rapport à Omni 1.1 Flash. La génération en 720p est annoncée à 0,07 dollar par seconde, soit environ 1 dollar pour un clip de 15 secondes, avant d’éventuels autres frais. Le tarif des retouches successives n’est pas précisé. Pour budgéter, les équipes doivent vérifier les règles de facturation de leur produit et mesurer le coût de leurs usages, notamment si elles produisent plusieurs variantes d’un même plan.

NNoor

Google affirme que les références visuelles sont mieux suivies, notamment pour les visages, les vêtements, les emballages et les couleurs de marque. L’entreprise indique que ces détails sont mieux préservés à travers la séquence, y compris lorsque le point de vue change. C’est utile, par exemple, pour une vidéo de produit où l’emballage doit rester reconnaissable pendant un mouvement de caméra. Google affirme aussi que les mouvements complexes de caméra sont plus faciles à contrôler, avec moins de coupures indésirables, et que les dérives visuelles diminuent lors des mouvements et des transitions. Pour les dialogues, l’entreprise annonce une parole plus fluide, une meilleure synchronisation labiale et une différenciation plus nette entre plusieurs intervenants. Ces améliorations annoncées ne garantissent pas un résultat parfait. Une démonstration réussie ne suffit pas à établir que le modèle préservera toujours un logo, un texte mobile ou une action rapide.

NNoor

Google décrit une génération plus rapide, mais ne fournit pas de chiffres comparatifs de latence. Les réserves rapportées concernent les mouvements complexes, le texte précisément rendu et la continuité de certaines modifications. Une retouche peut améliorer un élément tout en faisant varier un autre détail du plan, ce qui impose de vérifier le résultat plutôt que de se fier à la seule instruction envoyée. Il faut donc prévoir des essais et parfois une correction manuelle, surtout pour les scènes où la précision visuelle compte. Pour limiter les coûts, Google recommande de créer des brouillons en 360p ou en 720p, de corriger les détails, puis de mettre à l’échelle uniquement les versions retenues en 1080p ou en 4K. La facturation des retouches successives reste à confirmer. Une équipe a intérêt à tester des exemples proches de son travail, à mesurer les délais et à contrôler la qualité avant toute utilisation en production.

NNoor

Google indique que chaque vidéo produite par Gemini Omni 1.2 Flash porte un filigrane SynthID imperceptible, destiné à signaler son origine. Il n’apparaît pas comme un texte visible dans l’image. Ce dispositif est donc présenté comme un marquage intégré plutôt que comme une mention que l’on verrait en regardant la vidéo.

NNoor

À retenir : Gemini Omni 1.2 Flash peut générer des clips de 3 à 15 secondes, réglables à la seconde près, puis les modifier par instructions successives en conservant le contexte du plan. Google annonce une baisse de 30 % du coût par rapport à la version précédente, avec un tarif de 0,07 dollar par seconde pour une génération en 720p. Le modèle est déployé dans des outils de développement, des produits destinés au grand public et des offres pour les entreprises, mais les conditions d’accès ne sont pas identiques ou détaillées partout. Google met aussi en avant un meilleur suivi des références visuelles, un contrôle accru des mouvements de caméra et des dialogues mieux synchronisés. Le flux de travail proposé consiste à créer des brouillons en basse résolution, puis à mettre à l’échelle les versions retenues. Les mouvements complexes, le texte précis et certaines retouches restent des points de vigilance. Le coût des modifications successives n’est pas précisé non plus.