Principales novedades
- Videos más largos: Gemini Omni 1.2 Flash aumenta el límite de generación de 10 a 15 segundos, con duraciones personalizadas de entre 3 y 15 segundos.
- Generación más económica: el costo baja a US$ 0,07 por segundo en 720p, una reducción de aproximadamente el 30 % respecto a la versión anterior.
- Audio y diálogos sincronizados: el modelo combina diferentes voces, efectos de sonido, música y movimientos labiales sincronizados en escenas con varios personajes.
La generación de videos mediante inteligencia artificial es cada vez más accesible. Y Google quiere que este proceso se parezca menos a una sucesión de intentos costosos y más a una producción audiovisual controlada.
Con Gemini Omni 1.2 Flash, la compañía amplía la duración de los videos, reduce el precio por segundo y mejora funciones que todavía representan importantes desafíos para los modelos generativos: continuidad del movimiento, consistencia visual y sincronización entre audio e imagen.
La actualización está disponible en Google AI Studio, Vertex AI y la API de Gemini, tanto para quienes desean experimentar con videos de IA como para los desarrolladores que buscan integrar esta tecnología en sus aplicaciones.
🎬 Ahora son 15 segundos. Y cada segundo cuesta menos
El cambio más evidente está en la duración de los videos.
El modelo anterior permitía generar clips de hasta 10 segundos. Ahora, el límite llega a 15 segundos, con la posibilidad de elegir cualquier duración entre 3 y 15 segundos.
Puede parecer poco, pero esos cinco segundos adicionales representan un aumento del 50 % en el tiempo máximo de generación.
Esto abre espacio para escenas con movimientos de cámara más elaborados, pequeñas narrativas, demostraciones de productos y secuencias con diálogos más naturales.
💰 El precio también cambió: la generación en resolución 720p cuesta US$ 0,07 por segundo, aproximadamente un 30 % menos que en la versión anterior.
| Característica | Gemini Omni 1.2 Flash |
|---|---|
| Duración mínima | 3 segundos |
| Duración máxima | 15 segundos |
| Resolución de generación | 720p |
| Precio por segundo | US$ 0,07 |
| Reducción de precio | Aproximadamente 30 % |
| Audio integrado | Sí |
| Diálogos con múltiples voces | Sí |
En la práctica, un video de 15 segundos en 720p cuesta aproximadamente US$ 1,05.
Es una diferencia importante para quienes necesitan experimentar con varios comandos hasta conseguir una escena satisfactoria.
🔊 Cuatro personajes, cuatro voces y sincronización labial
Una de las funciones más interesantes demostradas por Google tiene que ver con la generación de diálogos entre varios personajes.
El modelo puede trabajar con una imagen de referencia de la escena, referencias visuales de los personajes y pequeñas muestras de voz.
En una demostración, cuatro personajes aparecen en un invernadero de cristal repleto de orquídeas y helechos. Cada uno tiene su propia voz y participa en una conversación animada sobre quién está copiando la paleta de colores de quién.
El resultado es un video de 15 segundos con diferentes voces, movimientos labiales sincronizados e identificación de los personajes durante los diálogos.
🎙 La diferencia está en la coordinación: no basta con generar voces distintas. La inteligencia artificial debe identificar quién está hablando, asociar correctamente cada voz con su personaje y sincronizar los movimientos de la boca con las intervenciones.
Este tipo de función puede resultar especialmente interesante para animaciones, videos publicitarios, personajes virtuales y contenido para redes sociales.
🚁 Google también quiere resolver un problema histórico de los videos con IA
Quienes ya han experimentado con herramientas de generación de video probablemente conocen un problema: la cámara comienza en una posición, cambia inesperadamente de perspectiva y termina en una escena completamente diferente.
Mantener un movimiento continuo sigue siendo un desafío.
Gemini Omni 1.2 Flash presenta avances precisamente en este aspecto.
En una demostración, Google utilizó un comando para crear un vuelo continuo de dron de 15 segundos. La cámara debía pasar por la cima de una montaña, descender por un valle con glaciares y terminar en un prado alpino.
El resultado mantuvo el movimiento sin cortes bruscos ni transiciones entre tomas independientes.
🏛️ Otra demostración fue aún más ambiciosa: una cámara en primera persona atravesó una plaza, pasó por puertas de bronce y subió en dirección a la cúpula de un edificio.
La propuesta es preservar la continuidad espacial, manteniendo la geometría del entorno y la trayectoria de la cámara durante toda la secuencia.
💡 La evolución no consiste únicamente en crear imágenes más bonitas, sino en conseguir que sigan teniendo sentido de un segundo al siguiente.
👕 Ropa, personajes y objetos más consistentes
Otro problema recurrente en la generación de videos es la pérdida de identidad visual.
Una persona puede aparecer con características diferentes entre los fotogramas. Una prenda puede cambiar de textura, color o forma durante un movimiento.
Google presentó una prueba de probador virtual de ropa para demostrar mejoras en este aspecto.
El modelo recibió una fotografía de una persona e imágenes de referencia de tres conjuntos de ropa, incluidas vistas frontales y traseras.
A partir de ese material, generó una secuencia de 15 segundos con movimientos de rotación de 360 grados y transiciones entre los diferentes looks.
El objetivo es mantener la identidad de la persona y los detalles de las prendas durante toda la secuencia.
🖼️ Las imágenes de referencia también ganaron importancia: en otro ejemplo, el modelo animó un póster por capas, preservando elementos como textos, materiales y composición visual.
En una comparación con la versión 1.1, Gemini Omni 1.2 Flash presentó una mayor fidelidad a la imagen original.
Esto resulta especialmente relevante para trabajos que dependen de referencias visuales precisas, como campañas publicitarias y presentaciones de productos.
💸 ¿Cómo ahorrar dinero al generar videos?
La reducción de precios no es la única novedad interesante para quienes trabajan en producción audiovisual.
Google también recomienda un flujo de trabajo que evita gastar dinero en videos de alta resolución antes de comprobar si el resultado es satisfactorio.
La estrategia consiste en separar la experimentación de la etapa final de producción.
1️⃣ Comienza con baja resolución: experimenta con diferentes comandos y encuadres sin invertir inmediatamente en la máxima calidad.
2️⃣ Elige las mejores versiones: evalúa el movimiento de cámara, la composición, la iluminación, los personajes y la sincronización del audio.
3️⃣ Realiza el upscale: después de encontrar el resultado deseado, aumenta la resolución a 1080p o 4K.
Este enfoque permite concentrar los gastos en los videos que realmente se utilizarán.
Para agencias, profesionales del marketing y desarrolladores, el ahorro puede marcar la diferencia cuando existen decenas de variaciones de una misma pieza publicitaria.
🛠️ ¿Dónde acceder a Gemini Omni 1.2 Flash?
El modelo está disponible en tres entornos de Google, cada uno con una propuesta diferente.
Google AI Studio
Entorno para probar comandos, experimentar con generaciones y evaluar las funciones del modelo.
Vertex AI
Plataforma orientada a empresas que desean integrar modelos de inteligencia artificial en sus flujos de trabajo.
Gemini API
Opción para desarrolladores que desean automatizar la generación de videos e incorporar estas funciones en sus propias aplicaciones.
✏️ También es posible editar videos mediante conversaciones
Otra función interesante es la edición a través de instrucciones en lenguaje natural.
En lugar de comenzar una generación completamente nueva, el usuario puede solicitar cambios en un video existente.
Entre los ejemplos presentados se encuentran los cambios de escenario y la sustitución de elementos del fondo.
Esto acerca la experiencia a un proceso de edición conversacional: el usuario describe lo que desea modificar y el modelo intenta aplicar el cambio conservando el resto de la escena.
Para quienes producen contenido regularmente, esta posibilidad puede reducir el número de generaciones necesarias para llegar al resultado final.
¿Vale la pena utilizar el nuevo modelo de video de Google?
Gemini Omni 1.2 Flash parece especialmente interesante para proyectos de corta duración.
Videos publicitarios, animaciones, demostraciones de productos, escenas cinematográficas y pequeños diálogos son algunos de los formatos que pueden aprovechar mejor sus funciones.
Pero existe una limitación importante.
15 segundos siguen siendo 15 segundos. El modelo no sustituye a una herramienta de producción de videos largos ni elimina la necesidad de combinar diferentes generaciones para construir narrativas más extensas.
La edición conversacional ayuda a aprovechar mejor cada generación, pero los proyectos de mayor duración todavía requieren planificación y montaje.
El movimiento de Google, sin embargo, apunta hacia una dirección importante: hacer que la producción audiovisual con IA sea más predecible, económica y controlable.
Si los próximos avances consiguen ampliar la duración sin comprometer la consistencia de los personajes, los movimientos y el audio, producir un video con IA podría dejar de ser una experiencia de prueba y error para convertirse en una etapa cada vez más integrada en la rutina creativa.
Preguntas frecuentes
¿Cuál es la duración máxima de los videos?
Gemini Omni 1.2 Flash permite generar videos de hasta 15 segundos, con una duración personalizada de entre 3 y 15 segundos.
¿Cuánto cuesta generar un video?
El precio informado es de US$ 0,07 por segundo de video en 720p. Un clip de 15 segundos cuesta aproximadamente US$ 1,05.
¿El modelo puede generar diálogos entre personajes?
Sí. Puede trabajar con diferentes referencias de voz y producir diálogos con voces distintas y sincronización labial.
¿Es posible generar videos en 4K?
El flujo de trabajo presentado por Google permite comenzar con resoluciones más bajas y ampliar el resultado final a 1080p o 4K mediante upscale.
¿Dónde puedo probar el modelo?
El acceso está disponible a través de Google AI Studio, Vertex AI y Gemini API.
