El 5 de noviembre de 2026 Google inició el despliegue de Gemini Omni 1.2 Flash, una versión actualizada del modelo para crear y editar vídeo. El blog oficial de la compañía y el Cloud Blog confirman que el modelo ya está disponible a través de Gemini API, Gemini for Business y una serie de productos de consumo.
Los cambios clave son el aumento de la duración de los clips hasta 15 segundos frente a los 10 segundos de la versión 1.1, la reducción del precio en un 30 % hasta 0,07 dólares por segundo de vídeo en resolución 720p, así como la incorporación de la edición conversacional multipaso. El usuario puede precisar detalles de forma sucesiva sin recrear el vídeo por completo.
El mecanismo de edición conversacional permite cambiar el fondo, la iluminación, los objetos o el ángulo dentro de un mismo clip. Esto difiere radicalmente de los enfoques anteriores, en los que cada cambio exigía una nueva generación desde cero. El modelo conserva mejor la consistencia de personajes, objetos y elementos de marca al utilizar referencias: imágenes, vídeos cortos y audio.
La metodología de Google hace hincapié en el flujo de trabajo: un borrador en baja resolución, correcciones en el diálogo y después un upscale a 1080p o 4K. Este esquema reduce los costes y acelera las iteraciones, algo importante para la producción masiva de anuncios, pruebas virtuales de ropa y vídeos explicativos. Sin embargo, en los materiales oficiales faltan benchmarks detallados frente a la competencia o evaluaciones independientes de terceros.
En el panorama de la generación de vídeo, esto supone un paso hacia adelante respecto a los modelos de un solo paso como los primeros Sora o Luma Dream Machine. Google apuesta por la integración con el ecosistema Gemini y el control conversacional, lo que acerca la generación al proceso habitual de montaje. En comparación con Omni 1.1, se aprecia un progreso en la adherencia a las referencias y en la naturalidad del habla con lip-sync.
Para los desarrolladores y las empresas, la reducción de precio y la posibilidad de controlar con precisión la duración de 3 a 15 segundos abren nuevos escenarios. Antes, el límite de 10 segundos restringía las narrativas complejas; ahora se pueden crear spots publicitarios completos o product explainers en una sola pasada con correcciones posteriores.
Queda abierta la cuestión de la consistencia a largo plazo en secuencias más largas y de la generalización a escenas complejas con múltiples objetos en movimiento. Todavía no se han publicado pruebas independientes, y el rendimiento real en producción dependerá de los casos concretos.
La actualización muestra que Google se centra no solo en la calidad de la generación, sino también en la integración práctica en los flujos de trabajo, acercando la IA de vídeo a una herramienta de uso cotidiano.
