5 novembre 2026 Google ha avviato il rollout di Gemini Omni 1.2 Flash — la versione aggiornata del modello per la creazione e l'editing di video. Il blog ufficiale dell'azienda e il Cloud Blog confermano che il modello è ora disponibile tramite Gemini API, Gemini for Business e una serie di prodotti consumer.
I cambiamenti chiave sono l'aumento della durata delle clip fino a 15 secondi rispetto ai 10 secondi della versione 1.1, la riduzione del prezzo del 30 % fino a 0,07 dollari al secondo di video in risoluzione 720p, nonché l'introduzione dell'editing conversazionale multi-step. L'utente può precisare i dettagli uno alla volta, senza ricreare il filmato da zero.
Il meccanismo del conversational editing consente di modificare sfondo, illuminazione, oggetti o inquadratura all'interno di una singola clip. Questo si differenzia radicalmente dagli approcci precedenti, in cui ogni modifica richiedeva una nuova generazione da zero. Il modello preserva meglio la consistency di personaggi, oggetti ed elementi di brand quando si utilizzano riferimenti — immagini, brevi video e audio.
La metodologia di Google pone l'accento sul workflow: bozza a bassa risoluzione, modifiche in dialogo, poi upscale a 1080p o 4K. Questo schema riduce i costi e accelera le iterazioni, il che è importante per la produzione di massa di spot pubblicitari, prove virtuali e video esplicativi. Tuttavia, nei materiali ufficiali mancano benchmark dettagliati rispetto ai concorrenti o valutazioni indipendenti di third-party.
Nel panorama della video-generazione, questo rappresenta un passo verso l'allontanamento dai modelli one-step come i primi Sora o Luma Dream Machine. Google punta sull'integrazione con l'ecosistema Gemini e sul conversational control, il che avvicina la generazione al consueto processo di montaggio. Rispetto a Omni 1.1 si nota un progresso nell'adherence ai riferimenti e nella naturalezza del parlato con il lip-sync.
Per gli sviluppatori e le aziende, la riduzione del prezzo e la possibilità di un controllo preciso della durata da 3 a 15 secondi aprono nuovi scenari. In precedenza il limite di 10 secondi restringeva le narrazioni complesse; ora è possibile creare spot pubblicitari completi o product explainer in un'unica passata con successive modifiche.
Resta aperta la questione della consistency a lungo termine su sequenze più lunghe e della generalizzazione a scene complesse con numerosi oggetti in movimento. I test indipendenti non sono ancora stati pubblicati, e le prestazioni reali in produzione dipenderanno dai casi specifici.
L'aggiornamento mostra che Google si concentra non solo sulla qualità della generazione, ma anche sull'integrazione pratica nei flussi di lavoro, avvicinando l'IA video a uno strumento di uso quotidiano.
