Gemini Omni 1.2 Flash : des vidéos de 15 secondes et 30 % moins chères
Google a lancé Gemini Omni 1.2 Flash, qui génère des clips de 15 secondes maximum avec le son et coûte 30 % de moins que la version 1.1. J'ai testé le même prompt sur les deux versions et fait le calcul de ce qui change pour qui produit de la vidéo courte avec l'IA.
Gemini Omni 1.2 Flash : des vidéos de 15 secondes et 30 % moins chères
Google a lancé ce jeudi (5 novembre) Gemini Omni 1.2 Flash, la nouvelle version de son modèle vidéo qui génère et modifie des clips avec le son. Le clip maximal passe de 10 à 15 secondes et le prix baisse de 30 %, à 0,07 $US par seconde en 720p.
Pour qui fait de la vidéo courte, ces 5 secondes de plus pèsent plus lourd qu'il n'y paraît : 15 secondes, c'est la durée d'une publicité produit complète, accroche, démonstration et appel à l'action, en une seule génération. J'ai lancé le même prompt sur la 1.2 et sur la 1.1 pour voir si la promesse tient.
Qu'est-ce qui change entre Omni 1.1 et 1.2 ?
La durée, le prix et la fidélité à la référence. Selon l'annonce de Google et l'article de Google Cloud, le modèle désormais :
- génère de 3 à 15 secondes, au choix seconde par seconde (la 1.1 s'arrêtait à 10) ;
- coûte 30 % de moins que la 1.1 ;
- garde mieux le visage, les vêtements, l'emballage et la couleur de marque d'un angle de caméra à l'autre quand vous fournissez une image de référence ;
- accepte l'édition en plusieurs passes : changer le produit, le décor, la lumière ou le format sans tout régénérer ;
- offre une voix plus naturelle, une synchronisation labiale plus propre et des voix distinctes quand plusieurs personnes parlent ;
- réalise des mouvements de caméra continus (vol à la première personne, orbite, recul) avec moins de coupes parasites.
Google reconnaît lui-même où le modèle échoue encore : l'action sportive rapide, les changements rapides de scénario et la physique complexe. Chaque vidéo porte un filigrane invisible SynthID.
Combien ça coûte vraiment
0,07 $US par seconde en 720p, soit environ 1,04 $US pour un clip de 15 secondes. La page de tarifs de Google AI Studio détaille le reste :
| Résolution | Prix par seconde (API) | Clip de 15 s |
|---|---|---|
| 360p (brouillon) | environ 0,023 $US | environ 0,35 $US |
| 720p | environ 0,07 $US | environ 1,04 $US |
| 1080p (upscalé) | environ 0,104 $US | environ 1,56 $US |
| 4K (upscalé) | environ 0,209 $US | environ 3,14 $US |
La ligne qui compte est la première. Google recommande de faire ses brouillons en 360p ou 720p, de corriger par l'édition plutôt que de régénérer, et de n'upscaler qu'à la fin. En pratique, trois brouillons en 360p coûtent le prix d'un seul en 720p. Je procéderais ainsi : tester l'accroche et le cadrage à bas prix, et ne payer la résolution que pour ce qui est déjà validé.
Test réel : le même prompt sur la 1.2 et la 1.1
J'ai envoyé ce prompt, en anglais, aux deux versions, en 9:16 et en 720p, via le Générateur de Cut.Pro : une femme dans une petite cuisine d'appartement, lumière de fenêtre le matin, tend un paquet de café vers la caméra, dit en portugais « Esse café aqui mudou a minha manhã », sert le café d'une cafetière italienne dans une tasse blanche et en boit une gorgée. Plan unique, sans coupe. C'est le format classique de la vidéo produit façon témoignage.
Omni 1.2 Flash, 15 secondes. 255 crédits, et environ 1 minute 20 entre la demande et le fichier prêt.
Omni 1.1 Flash, 10 secondes (son maximum). 230 crédits, et environ 50 secondes.
Ce que j'ai observé :
- Prix par seconde. Dans le Générateur, la 1.2 revient à 17 crédits par seconde et la 1.1 à 23. C'est 26 % de moins, proche des 30 % annoncés par Google. Pour 25 crédits de plus, la 1.2 a livré 5 secondes de vidéo en plus.
- Scène installée. Dès la première image de la 1.2, la cafetière italienne et la tasse blanche sont déjà sur le plan de travail, prêtes pour l'action que le prompt demande ensuite. Le cadrage est celui d'un selfie à bout de bras, ce qui colle avec « caméra à la main ». Dans la 1.1, la cafetière apparaît à l'arrière-plan et le paquet occupe la moitié de l'écran, plus près de l'objectif.
- Texte de l'emballage. Les deux inventent l'étiquette. La 1.2 a écrit « COFFEA » avec de petites lettres illisibles dessous ; la 1.1, un « MUTINA » tout aussi dénué de sens. Si le produit est le vôtre, fournissez la photo de l'emballage comme référence. Générer une étiquette par le prompt ne fonctionne toujours pas.
- Look IA. La 1.2 donne une peau et des cheveux très soignés, avec une lumière dorée de publicité. La 1.1 fait plus amateur, avec une cuisine plus simple. Pour un témoignage qui doit avoir l'air filmé par le client lui-même, la 1.2 demande un prompt qui réclame de l'imperfection.
Les deux vidéos sont juste au-dessus, avec la même demande : vous pouvez juger la voix et la synchronisation labiale par vous-même.
Ce que ça change pour qui publie de la vidéo courte
Les 15 secondes et le prix plus bas rendent possible de générer des variantes, pas seulement la vidéo finale. Voici trois usages où je vois un gain direct :
- Publicité produit en une génération. Avant, 10 secondes obligeaient à assembler deux clips en espérant que le personnage ne change pas de visage à la coupe. Désormais, l'accroche, l'usage et l'appel à l'action tiennent dans un seul clip.
- Scène d'appui pour un clip. Qui fait des clips de podcast ou de live peut générer l'illustration de ce qui est dit (le produit, le lieu, la situation) sans banque d'images.
- Persona récurrente. La référence de personnage accepte jusqu'à 6 images, dont 3 au maximum par personnage pour 2 personnages au plus, selon la documentation de l'API. C'est ce qui garde la même personne d'une vidéo à l'autre, sur le même principe que la persona IA.
Le bémol : un contenu 100 % généré se dispute encore l'attention avec de vraies personnes qui filment, et les plateformes donnent de plus en plus de poids au contenu tourné, comme nous l'avons montré dans la provenance comme signal. La vidéo IA rapporte davantage comme pièce d'appui ou comme publicité que comme substitut de votre visage.
Les limites que montre la documentation
La documentation contient des détails que l'annonce ne met pas en avant :
- Première et dernière image ne fonctionnent que sur des clips de 3 à 10 secondes. Demander 15 secondes avec les deux images renvoie une erreur.
- Prolonger un clip se fait par passes de 3 à 10 secondes, jusqu'à 30 secondes au total.
- L'audio de référence n'est pas encore disponible via l'API ; sur Google Cloud, il dépend d'un accès à demander.
- Personnes reconnaissables : l'image de certaines personnalités n'est acceptée ni en envoi ni en édition.
Où l'utiliser dès maintenant, et ce qu'il en est au Brésil
Le modèle est disponible dans l'API Gemini, sur Google Cloud, dans Flow et dans Google Vids (clips de 15 secondes sans coût supplémentaire pour les détenteurs d'un compte Google ou Workspace). Dans l'application Gemini, le déploiement commence par les abonnés Google AI Ultra. L'annonce ne liste aucun pays, et les seules restrictions régionales de la documentation concernent l'Espace économique européen, la Suisse et le Royaume-Uni. Pour le Brésil, aucun blocage n'est déclaré.
Il est aussi déjà dans le Générateur de Cut.Pro, aux côtés d'autres modèles de vidéo, d'image et de voix. Vous y générez le clip et vous l'envoyez directement dans l'éditeur, vous ajoutez les sous-titres et vous programmez la publication sur les réseaux, sans télécharger ni téléverser de fichier. C'est l'argument que j'ai développé dans le workflow est devenu le produit : le modèle change tous les quelques mois, le chemin jusqu'au post reste.
Si vous utilisez la 1.1 par l'API, faut-il agir ?
Vérifier le résultat, pas le code. À partir du 3 décembre 2026, les appels à gemini-omni-1.1-flash seront automatiquement traités par la 1.2 et facturés au nouveau prix, selon la documentation. La facture baisse, mais la vidéo change : un prompt affiné pour la 1.1 peut donner un autre rendu. Mieux vaut lancer vos cinq générations les plus courantes sur la 1.2 avant la bascule, la même leçon que celle de l'arrêt de l'API de Sora.
Que faire dès aujourd'hui
Si vous générez déjà des vidéos produit ou des scènes d'appui, remplacez la 1.1 par la 1.2 dès maintenant : c'est moins cher à la seconde et la publicité entière y tient. Faites vos brouillons à petit prix, fournissez une vraie photo du produit comme référence au lieu de décrire l'étiquette, et demandez de l'imperfection dans le prompt quand la vidéo doit avoir l'air tournée par de vraies personnes. Si vous n'utilisez pas de vidéo générée, rien ne change dans votre routine de clips : le gain concerne qui produit une nouvelle pièce, pas qui découpe ce qui a déjà été filmé.
