Gemini Omni 1.2 Flash: video de 15 segundos y un 30% más barato
Google lanzó Gemini Omni 1.2 Flash, que genera clips de hasta 15 segundos con audio y cuesta un 30% menos que la versión 1.1. Probé el mismo prompt en las dos versiones e hice las cuentas de qué cambia para quien produce video corto con IA.
Gemini Omni 1.2 Flash: video de 15 segundos y un 30% más barato
Google lanzó este jueves (5 de noviembre) Gemini Omni 1.2 Flash, una versión nueva de su modelo de video que genera y edita clips con audio. El clip máximo subió de 10 a 15 segundos y el precio bajó un 30%, a US$ 0,07 por segundo en 720p.
Para quien hace video corto, esos 5 segundos de más pesan más de lo que parece: 15 segundos es el largo de un anuncio de producto completo, gancho, demostración y llamada a la acción, en una sola generación. Corrí el mismo prompt en la 1.2 y en la 1.1 para ver si la promesa se sostiene.
¿Qué cambió de Omni 1.1 a la 1.2?
Duración, precio y fidelidad a la referencia. Según el anuncio de Google y la publicación de Google Cloud, el modelo ahora:
- genera de 3 a 15 segundos, elegidos de segundo en segundo (la 1.1 se detenía en 10);
- cuesta un 30% menos que la 1.1;
- mantiene mejor el rostro, la ropa, el empaque y el color de marca entre ángulos de cámara, cuando envías una imagen de referencia;
- admite edición en varias rondas: cambiar el producto, el fondo, la luz o la proporción sin generar todo de nuevo;
- tiene un habla más natural, una sincronía labial más limpia y voces distintas cuando hay más de una persona hablando;
- hace movimientos de cámara continuos (vuelo en primera persona, órbita, alejamiento) con menos cortes no deseados.
El propio Google admite dónde todavía falla: acción rápida de deportes, cambios rápidos de guion y física compleja. Todo video sale con una marca de agua invisible SynthID.
Cuánto cuesta de verdad
US$ 0,07 por segundo en 720p, o cerca de US$ 1,04 por un clip de 15 segundos. La página de precios de Google AI Studio detalla el resto:
| Resolución | Precio por segundo (API) | Clip de 15 s |
|---|---|---|
| 360p (borrador) | cerca de US$ 0,023 | cerca de US$ 0,35 |
| 720p | cerca de US$ 0,07 | cerca de US$ 1,04 |
| 1080p (ampliado) | cerca de US$ 0,104 | cerca de US$ 1,56 |
| 4K (ampliado) | cerca de US$ 0,209 | cerca de US$ 3,14 |
La fila que importa es la primera. Google recomienda hacer borradores en 360p o 720p, corregir con edición en vez de generar de nuevo y ampliar solo al final. En la práctica, tres borradores en 360p cuestan lo mismo que uno en 720p. Yo trabajaría así: probar el gancho y el encuadre barato y pagar resolución solo en lo que ya está aprobado.
Prueba real: el mismo prompt en la 1.2 y en la 1.1
Envié este prompt, en inglés, a las dos versiones, en 9:16 y 720p, desde el Generador de Cut.Pro: una mujer en una cocina pequeña de departamento, luz de ventana por la mañana, sostiene un paquete de café frente a la cámara, dice en portugués "Esse café aqui mudou a minha manhã" ("Este café cambió mi mañana"), sirve el café de una cafetera italiana en una taza blanca y toma un sorbo. Toma única, sin cortes. Es el formato clásico de video de producto estilo testimonio.
Omni 1.2 Flash, 15 segundos. Costó 255 créditos y tardó cerca de 1 minuto y 20 segundos desde el pedido hasta el archivo listo.
Omni 1.1 Flash, 10 segundos (su máximo). Costó 230 créditos y tardó cerca de 50 segundos.
Lo que vi:
- Precio por segundo. En el Generador, la 1.2 salió a 17 créditos por segundo y la 1.1 a 23. Es un 26% menos, cerca del 30% que anuncia Google. Con 25 créditos más, la 1.2 entregó 5 segundos más de video.
- Escena armada. En el primer cuadro de la 1.2, la cafetera italiana y la taza blanca ya están sobre la encimera, listas para la acción que el prompt pide después. El encuadre es de selfie con el brazo estirado, lo que combina con "cámara en mano". En la 1.1, la cafetera aparece al fondo y el paquete ocupa la mitad de la pantalla, más cerca del lente.
- Texto del empaque. Los dos inventan la etiqueta. La 1.2 escribió "COFFEA" con letras pequeñas ilegibles debajo; la 1.1, un "MUTINA" igual de absurdo. Si el producto es tuyo, envía la foto del empaque como referencia. Generar la etiqueta desde el prompt sigue sin funcionar.
- Cara de IA. La 1.2 tiene piel y cabello muy cuidados, con luz dorada de comercial. La 1.1 se ve más casera, con una cocina más sencilla. Para un testimonio que quiere parecer grabado por el propio cliente, la 1.2 necesita un prompt que pida imperfección.
Los dos videos están arriba, con el mismo pedido: puedes revisar el habla y la sincronía labial con tu propio criterio.
Qué cambia para quien publica video corto
Los 15 segundos y el precio menor hacen viable generar variaciones, no solo el video final. Tres usos en los que veo una ganancia directa:
- Anuncio de producto en una sola generación. Antes, 10 segundos obligaban a unir dos clips y esperar que el personaje no cambiara de cara en el corte. Ahora caben el gancho, el uso y la llamada a la acción en un solo clip.
- Escena de apoyo para clips. Quien hace clips de pódcast o de directos puede generar la ilustración de lo que se está diciendo (el producto, el lugar, la situación) sin banco de imágenes.
- Persona recurrente. La referencia de personaje acepta hasta 6 imágenes, con hasta 3 por personaje para hasta 2 personajes, según la documentación de la API. Es lo que mantiene a la misma persona en videos distintos, el mismo principio de la persona de IA.
El pero: el contenido 100% generado todavía compite por la atención con gente real grabando, y las plataformas le dan cada vez más peso al material grabado, como mostramos en procedencia como señal. El video de IA rinde más como pieza de apoyo o anuncio que como sustituto de tu cara.
Límites que muestra la documentación
La documentación trae detalles que el anuncio no destaca:
- Primer y último cuadro solo funcionan en clips de 3 a 10 segundos. Pedir 15 segundos con los dos cuadros da error.
- Extender un clip va de 3 a 10 segundos por ronda, hasta 30 segundos en total.
- Audio de referencia todavía no entra por la API; en Google Cloud, depende de una habilitación.
- Personas reconocibles: la imagen de algunas personas conocidas no se acepta como envío ni para edición.
Dónde ya se puede usar y si sirve en Brasil
El modelo está disponible en la API de Gemini, en Google Cloud, en Flow y en Google Vids (clips de 15 segundos sin costo adicional para quien tiene una cuenta de Google o Workspace). En la app de Gemini, el despliegue empieza por los suscriptores de Google AI Ultra. El anuncio no lista países, y las únicas restricciones regionales de la documentación son para el Espacio Económico Europeo, Suiza y el Reino Unido. Para Brasil, no hay un bloqueo declarado.
También ya está en el Generador de Cut.Pro, junto a otros modelos de video, imagen y voz. Ahí puedes generar el clip y llevarlo directo al editor, ponerle subtítulos y programar la publicación en las redes, sin bajar ni subir archivos. Es el argumento que hice en el flujo se volvió el producto: el modelo cambia cada pocos meses, el camino hasta la publicación se queda.
¿Quien usa la 1.1 por API necesita hacer algo?
Revisar el resultado, no el código. A partir del 3 de diciembre de 2026, las llamadas a gemini-omni-1.1-flash pasan a ser atendidas por la 1.2 automáticamente y cobradas al precio nuevo, según la documentación. La cuenta sale más barata, pero el video cambia: un prompt afinado para la 1.1 puede salir distinto. Vale la pena correr tus cinco generaciones más comunes en la 1.2 antes del cambio, la misma lección que dejó el apagado de la API de Sora.
Qué hacer desde hoy
Si ya generas video de producto o escenas de apoyo, cambia la 1.1 por la 1.2 ahora: es más barata por segundo y cabe el anuncio completo. Haz borradores baratos, envía una foto real del producto como referencia en vez de describir la etiqueta y pide imperfección en el prompt cuando el video necesite parecer grabado por gente. Si no usas video generado, nada cambia en tu rutina de clips: la ganancia aquí es para quien produce piezas nuevas, no para quien recorta lo que ya fue grabado.
