Google обновила Gemini Omni 1.2 Flash: ролики до 15 секунд, смена фона промптами и синхронизация губ
5 ноября 2026 года Google DeepMind выпустила новую версию видеомодели — Gemini Omni 1.2 Flash. Обновление затронуло сразу три главные боли генеративного видео: короткий хронометраж, дорогую цену за повторную генерацию и «плавающую» синхронизацию губ. Теперь модель создаёт ролики до 15 секунд, позволяет менять фон, погоду и даже товары в кадре обычным текстовым промптом — без перегенерации всего клипа, а речь персонажей звучит заметно естественнее.
Хронометраж вырос с 10 до 15 секунд
В предыдущей версии — Gemini Omni 1.1 Flash — стандартный ролик ограничивался 10 секундами. В версии 1.2 потолок поднят до 15, причём длительность задаётся с шагом в одну секунду в диапазоне от 3 до 15 секунд. Это открывает дорогу полноценным рекламным вставкам и коротким обзорам продуктов, а не только фрагментам для соцсетей.
Точечное редактирование вместо перегенерации
Ключевая фишка обновления — многошаговое диалоговое редактирование. Пользователь передаёт идентификатор previous_interaction_id, и модель вносит изменения в уже готовый клип: меняет фон, освещение, погоду, товары в кадре или соотношение сторон — исходное видео заново загружать не нужно. Через Files API можно загружать и собственные ролики длиной до 15 секунд, а затем редактировать их в том же режиме.
Рабочий процесс выглядит так: сначала быстрый черновик в 360p или 720p, затем точечные правки текстовыми запросами и, наконец, финальный рендер в 1080p или 4K. На практике это означает, что рекламные ролики для разных регионов и аудиторий можно делать из одной заготовки — пошевелив фон, свет или упаковку продукта промптом, а не запуская генерацию заново.
Консистентность персонажей и референсы
Google заявляет, что новая версия гораздо лучше сохраняет внешность героев, их одежду, цвета и надписи при смене ракурсов — на протяжении всего ролика. В качестве подсказок модель принимает изображения (до восьми референсов), короткие видеофрагменты движения и аудио. Для клипов от 3 до 10 секунд можно приложить до трёх видеореференсов движения по 3 секунды каждый, для роликов от 11 до 15 секунд — один.
Синхронизация губ и речь
Второй заметный апгрейд — звук. Улучшены естественность речи, синхронизация движений губ с произносимыми словами и распределение голосов между персонажами. Модель способна генерировать диалог для нескольких собеседников одновременно, с раздельной настройкой тембра для каждого говорящего. Плавнее стали и непрерывные пролёты камеры. Для диалоговых сцен авторы рекомендуют короткие реплики, чтобы речь укладывалась в хронометраж.
Цена упала на треть
Стоимость генерации снизилась на 30% — до 0,07 доллара за секунду видео в разрешении 720p. С 3 декабря 2026 года все запросы к версии 1.1 в Gemini API будут автоматически перенаправляться на gemini-omni-1.2-flash без изменения кода и по сниженным ставкам — для разработчиков это апгрейд «по умолчанию».
Доступность и безопасность
Модель уже общедоступна через Gemini API и корпоративное решение Gemini for business, а подписчикам Google AI Ultra доступ открывается постепенно. В Google Vids заявлена возможность создавать 15-секундные ролики без дополнительной платы. Все генерируемые видео автоматически помечаются защитной меткой SynthID — невидимой цифровой подписью, которая позволяет идентифицировать контент как созданный ИИ.
Что это значит на практике
Для маркетологов обновление снижает стоимость итераций: вариации рекламного ролика под разные рынки больше не требуют десятков генераций. Для создателей контента важнее качество — стабильные лица, чистая синхронизация губ и управляемая камера делают короткие видео с диалогами пригодными для реального продакшена, а не только для черновиков. Для разработчиков главный плюс — плавная миграция с версии 1.1 без правок кода.
Остаётся спорным, выдержит ли формат 15 секунд конкуренцию с более длинными генерациями у rivals-моделей, но ставка Google понятна: не удлинять видео любой ценой, а сделать короткие клипы дешёвыми, редактируемыми и предсказуемыми.