5 listopada 2026 roku Google rozpoczął rollout Gemini Omni 1.2 Flash — zaktualizowanej wersji modelu do tworzenia i edycji wideo. Oficjalny blog firmy oraz Cloud Blog potwierdzają, że model jest teraz dostępny przez Gemini API, Gemini for Business i szereg produktów konsumenckich.
Kluczowe zmiany to wydłużenie klipów do 15 sekund w porównaniu z 10 sekundami w wersji 1.1, obniżenie ceny o 30 % do 0,07 dolara za sekundę wideo w rozdzielczości 720p, a także wprowadzenie wieloetapowej edycji konwersacyjnej. Użytkownik może doprecyzowywać szczegóły po kolei, nie odtwarzając całego materiału od zera.
Mechanizm conversational editing pozwala zmieniać tło, oświetlenie, przedmioty lub ujęcie w ramach jednego klipu. To zasadniczo różni się od poprzednich podejść, w których każda zmiana wymagała nowej generacji od zera. Model lepiej zachowuje spójność postaci, obiektów i elementów marki przy użyciu referencji — obrazów, krótkich filmów i audio.
Metodologia Google kładzie nacisk na workflow: szkic w niskiej rozdzielczości, poprawki w dialogu, następnie upscale do 1080p lub 4K. Taki schemat obniża koszty i przyspiesza iteracje, co jest istotne dla masowej produkcji spotów reklamowych, wirtualnych przymiarek i filmów objaśniających. Jednak w oficjalnych materiałach brakuje szczegółowych benchmarków w porównaniu z konkurencją lub niezależnych ocen third-party.
W krajobrazie generowania wideo to krok w stronę odejścia od modeli jednoetapowych, takich jak wczesne Sora czy Luma Dream Machine. Google stawia na integrację z ekosystemem Gemini i conversational control, co zbliża generowanie do znanego procesu montażu. W porównaniu z Omni 1.1 widoczny jest postęp w adherence do referencji i naturalności mowy z lip-synkiem.
Dla deweloperów i biznesu obniżenie ceny oraz możliwość precyzyjnej kontroli długości od 3 do 15 sekund otwierają nowe scenariusze. Wcześniej limit 10 sekund ograniczał złożone narracje; teraz można tworzyć pełnowartościowe spoty reklamowe lub product explainers w jednym przebiegu z późniejszymi poprawkami.
Otwartą kwestią pozostaje długoterminowa spójność na dłuższych sekwencjach oraz generalizacja na złożone sceny z wieloma poruszającymi się obiektami. Niezależne testy nie zostały jeszcze opublikowane, a rzeczywista wydajność w produkcji będzie zależeć od konkretnych przypadków.
Aktualizacja pokazuje, że Google koncentruje się nie tylko na jakości generowania, ale także na praktycznej integracji z procesami pracy, przybliżając wideo-AI do narzędzia codziennego użytku.
