AI6 lis 2026, 10:13 UTC·2 min czytania

Gemini Omni 1.2 Flash od Google: 15-sekundowe wideo AI i cena niższa o 30%

Google prezentuje Gemini Omni 1.2 Flash: model generuje wideo do 15 sekund, pozwala edytować klip w rozmowie i kosztuje o 30 proc. mniej niż poprzednik.

Illustration of an AI-generated video timeline being edited with text prompts in a Google Gemini interface. — Zdjęcie: Webrazzi

Google zaprezentowało Gemini Omni 1.2 Flash, nowy model do generowania wideo z pomocą sztucznej inteligencji. Najważniejsze zmiany to klipy do 15 sekund, edycja za pomocą rozmowy, wierniejsze odwzorowanie materiałów referencyjnych oraz bardziej spójne postacie. Firma obniżyła też cenę o 30 proc. względem poprzedniej wersji.

Dłuższe klipy i niższa cena

W Gemini Omni 1.1 maksymalna długość wideo wynosiła 10 sekund. Teraz użytkownik może ustawić ją w zakresie od 3 do 15 sekund, co ułatwia tworzenie reklam w mediach społecznościowych, prezentacji produktów i krótkich form fabularnych w jednym podejściu, jak podkreśla Google.

Model jest ogólnie dostępny przez Gemini API i Google Cloud. Wideo w rozdzielczości 720p kosztuje 0,07 dolara za sekundę. Materiał można najpierw wygenerować w 360p lub 720p, poprawić, a wybrane ujęcia przeskalować do 1080p lub 4K.

Referencje i edycja w rozmowie

Oprócz obrazów postaci, produktów czy stylu użytkownik może wgrać do trzysekundowych ruchomych fragmentów oraz próbki dźwięku. Model ma lepiej zachowywać twarze, ubrania, opakowania, kroje pisma i kolory marki z różnych kątów kamery. Przykładem są wirtualne przymierzalnie: wystarczy zdjęcie modela oraz widoki przodu i tyłu ubrań.

Wielokrotna edycja konwersacyjna pozwala zmieniać gotowe wideo bez generowania go od zera. Kolejnymi poleceniami można podmienić tło, zmienić oświetlenie lub pogodę, wymienić produkt albo proporcje obrazu. Google twierdzi, że poprawiła spójność postaci, obiektów i scen, ograniczając deformacje przedmiotów i znikanie detali w dynamicznych ujęciach.

Model generuje też bardziej naturalne dialogi, dokładniej synchronizuje ruch ust i lepiej rozróżnia głosy kilku mówców. Płynne ruchy kamery, takie jak przeloty FPV, oddalanie z szerokiego kadru czy orbitowanie, mają zawierać mniej niechcianych cięć.

Dostępność i ograniczenia

Oprócz Gemini API, Google AI Studio i Google Cloud model trafi do Flow, Google Vids i Google Ads. W aplikacji Gemini 15-sekundowe wideo stopniowo udostępniane jest subskrybentom Google AI Ultra. Treści zawierają niewidoczny znak wodny SynthID. Google przyznaje, że model nadal wymaga dopracowania w szybkich ruchach sportowych, nagłych zmianach scen i złożonej fizyce.