VorobeoffGoogle выкатила Gemini Omni 1.2 Flash — первое обновление линейки Omni для видео. Модель нативно генерит до 15 секунд, держит персонажей и товары от кадра к кадру и стоит на 30% дешевле предшественника. Разбираю, что изменилось и где это пригодится на практике.
Почти любая генерация видео упирается в один и тот же потолок: короткий клип выглядит эффектно, но рассыпается, когда нужно чуть больше длительности, смена ракурса или вторая попытка с правкой. Персонаж меняет лицо, текст на упаковке плывёт, камера дёргается между кадрами — и вместо готового ролика получается черновик для ручной доводки.
Первую версию Omni — Gemini Omni Flash — Google представила как ответ на эту проблему: Nano Banana для видео, где ролик можно править фразами, а не перегенерировать заново. Идея сработала, но лимит в 10 секунд и заметный дрифт на сложных сценах оставляли нишу для доработок.
Omni 1.2 Flash закрывает именно эти пробелы. Длиннее клипы, точнее привязка к референсам, стабильнее камера и ниже цена за секунду делают модель ближе к рабочему инструменту для рекламы, контента и прототипирования, а не только к демо для презентации.
Google расширила линейку Omni до версии 1.2
5 ноября 2026 года Google DeepMind анонсировала Gemini Omni 1.2 Flash и сразу открыла общий доступ через Gemini API, AI Studio и консоль Google Cloud. Модель доступна в продуктах компании: Flow, Google Vids, приложении Gemini (постепенное развёртывание для подписчиков Ultra) и Google Ads для масштабирования кампаний.
Omni остаётся мультимодальной моделью для видео. На вход она принимает комбинацию текста, изображений, коротких видео-референсов и аудио, а на выходе отдаёт ролик с синхронизированным звуком, речью и эффектами. Все сгенерированные клипы получают невидимую метку SynthID, а доступ для бизнеса идёт через инфраструктуру Google Cloud с поддержкой Provisioned Throughput.
Линейка Omni стартовала с Gemini Omni Flash, который вышел ранее в 2026 году и задал базовую механику — правки через диалог, перенос стиля и движения, работа с референсами. Версия 1.2 — эволюционное обновление этой же архитектуры с упором на длительность, консистентность и стоимость.
15 секунд, точные референсы и стабильная камера вместо дрифта
Главное изменение — длительность. Omni 1.2 Flash нативно создаёт и правит видео до 15 секунд против 10 секунд у версии 1.1. Длительность задаётся с шагом в одну секунду в диапазоне от 3 до 15 секунд, что позволяет собрать законченный рекламный спот или объясняющий фрагмент одним прогоном без склеек.
Референсы держатся от первого до последнего кадра
Второе улучшение — привязка к референсам. Модель принимает фото персонажа, товара или стиля вместе с короткими клипами движения до трёх секунд и звуковыми подсказками, после чего удерживает эти детали на всём протяжении ролика. В примерах из анонса Google показывает виртуальную примерку: одно фото модели и три снимка одежды превращаются в 15-секундный прогон с поворотами на 360 градусов, где крой, посадка и детали спинки сохраняются при каждой смене ракурса.
Тот же механизм работает для продуктовой съёмки — упаковка, типографика, цвета бренда — и для персонажей, где важно не потерять лицо при движении камеры. Для сравнения Google приводит кейс выставочного постера HALO / GLOW / LUMEN: версия 1.1 теряет часть материалов и теней при последовательной сборке сцены, а 1.2 выстраивает слои по порядку и фиксирует их до финального кадра.
Правки без перегенерации и более естественный звук
Третье — диалоговое редактирование на полных 15 секундах. Один сгенерированный клип можно последовательно править: менять фон, свет, погоду, соотношение сторон, заменять объект. Google демонстрирует серию, где один и тот же фрагмент с двумя персонажами в доспехах переносится из шатра с полосатым навесом в дубовый лес, конюшню, ярмарку и каменный замок без потери игры актёров и отражений на броне.
Параллельно улучшили звук. Модель точнее разводит голоса нескольких говорящих, даёт более естественную речь и плотнее синхронизирует губы с аудио. Сценарий из анонса — изображение оранжереи плюс четыре референса внешности, артикуляции и секундные образцы голосов — превращается в 15-секундную анимацию, где каждая реплика уходит нужному персонажу с сохранением тайминга.
Камера стала кинематографичнее: длинные непрерывные пролёты, зумы и орбиты идут без лишних склеек. В демо — полёт FPV через площадь, бронзовые двери и купол Пантеона по двум фото-референсам без единого jump cut. Рабочий процесс при этом остался экономным: черновики можно гнать в 360p или 720p, править деталь одной фразой вместо полной перегенерации и только финал апскейлить до 1080p или 4K.
Быстрый спорт, сложная физика и смена сценария на ходу пока в работе
Google прямо указывает, что разработка продолжается. В анонсе упомянуты три направления, где качество ещё дорабатывают: быстрая спортивная динамика, резкая смена сценария внутри одного клипа и сложная физика. Для этих сценариев Omni 1.2 Flash может давать менее стабильный результат — артефакты движения, неточности столкновений, потеря логики при резком повороте сюжета.
Это важно учитывать при планировании съёмки: пока модель сильнее в контролируемых сценах с заданными референсами, чем в хаотичном экшене без опоры на исходные кадры.
Где 15 секунд и точные референсы экономят реальные часы
Для бизнеса ценность Omni 1.2 — не в длине клипа самой по себе, а в возможности собрать рабочий ролик без монтажа из кусков. Маркетолог загружает фото товара и бриф, получает 10–15 секунд с нужным ракурсом и может тут же попросить вариант для вертикали 9:16 или другой фон. Дизайнер проверяет упаковку в движении до печати тиража. Преподаватель делает микро-объяснение сложного процесса — и модель держит подписи у объектов, а не разбрасывает их по кадру.
Разработчики получают тот же результат через API. Прототип в AI Studio, проверка на одном повторяющемся сценарии, затем масштабирование через Google Cloud. Цена $0,07 за секунду в 720p делает итерации дешевле, а возможность править фразами вместо полной перегенерации снижает расход на варианты для разных площадок.
Отдельный сценарий — персонализированный контент. Аватары в Omni позволяют создать цифровую версию себя и озвучить ролик своим голосом, что уже используется в Google Vids для презентаций и внутренних объясняющих видео. При этом редактирование чужой речи и аудио остаётся ограниченным — Google отмечает, что тестирует эту возможность отдельно из соображений ответственности.
Цена ниже, но продакшен всё равно требует проверки на своих данных
Снижение цены на 30% заметно на больших объёмах, однако стоимость всё равно складывается из секунд, разрешения и числа итераций. На сотнях вариантов для A/B-тестов бюджет растёт быстро, особенно при апскейле до 4K.
Зависимость от экосистемы Google — второй момент. Модель доступна через API и продукты компании, но требует аккаунта Google или подписки Workspace / AI Ultra для части сценариев, а Provisioned Throughput и корпоративные гарантии — через Google Cloud. Вынести веса локально нельзя, экспорт ограничен тем, что отдаёт API.
Третье — качество на сложных сценах. Как уже отмечено, быстрый спорт, сложная физика и резкие сюжетные повороты пока в списке доработок. Если ваш сценарий строится именно на таком движении, закладывайте ручную проверку каждого клипа и запас по итерациям. Наконец, все ролики несут метку SynthID: для прозрачности это плюс, но для проектов с жёсткими требованиями к чистоте исходника этот момент стоит согласовать заранее.
Кому пробовать Omni 1.2 сейчас, а кому подождать следующей итерации
Omni 1.2 Flash подходит командам, которым нужны короткие объясняющие и рекламные ролики с опорой на реальные товары и персонажей: e-commerce, EdTech, внутренние коммуникации, агентства, которые гонят много вариантов креатива. Сильная сторона модели как раз в удержании референса и правках фразами — там, где раньше приходилось перегенерировать весь клип.
Менее очевидна польза для проектов с хаотичной динамикой, документальной съёмкой без референсов или жёсткими требованиями к офлайн-развёртыванию. Здесь пока больше ручной работы и зависимости от облака.
С чего начать проверку: возьмите фото товара в трёх ракурсах и портрет модели, задайте бриф на 12–15 секунд и сделайте ролик в двух форматах — горизонтальном 16:9 и вертикальном 9:16. Затем попросите модель парой фраз поменять фон и свет. Если упаковка, надписи и лицо остались без искажений — инструмент подходит для ваших задач. Если картинка плывёт, лучше дождаться следующих обновлений.
Тем, кто уже автоматизирует работу с контентом, будет полезно сопоставить Omni с программной генерацией видео на React для шаблонных роликов и с подходами к нарезке разговорного видео в рилсы — это помогает понять, где выгоднее генерация с нуля, а где — монтаж готового материала.
Видео по брифу становится дешевле итерации, а не дороже монтажа
Omni 1.2 Flash не пытается заменить съёмку целиком. Он делает другую вещь — удешевляет проверку идеи до состояния, когда ролик можно показать заказчику или выложить в тест без привлечения съёмочной группы.
Граница проходит там, где начинается непредсказуемая физика и быстрый экшен без опоры на референс. В этой зоне модель пока уступает классическому продакшену. Во всём, что можно описать через референсы, ракурсы и последовательные правки, она уже экономит часы.
Ссылки
- Сайт: Анонс Gemini Omni 1.2 Flash — Google Blog
- Сайт: Представление Gemini Omni — Google Blog
- Сайт: Gemini Omni — страница модели на DeepMind
- Документация: Gemini Omni Flash — документация AI Studio
