Gemini Omni 1.2 Flash: vídeo de 15 segundos e 30% mais barato
O Google liberou o Gemini Omni 1.2 Flash, que gera clipes de até 15 segundos com áudio e custa 30% menos que a versão 1.1. Testei o mesmo prompt nas duas versões e fiz a conta do que muda para quem produz vídeo curto com IA.
Gemini Omni 1.2 Flash: vídeo de 15 segundos e 30% mais barato
O Google liberou nesta quinta (5 de novembro) o Gemini Omni 1.2 Flash, versão nova do modelo de vídeo que gera e edita clipes com áudio. O clipe máximo subiu de 10 para 15 segundos e o preço caiu 30%, para US$ 0,07 por segundo em 720p.
Para quem faz vídeo curto, os 5 segundos a mais pesam mais do que parece: 15 segundos é o tamanho de um anúncio de produto inteiro, gancho, demonstração e chamada, numa geração só. Rodei o mesmo prompt no 1.2 e no 1.1 para ver se a promessa aguenta.
O que mudou do Omni 1.1 para o 1.2?
Duração, preço e fidelidade à referência. Segundo o anúncio do Google e o post do Google Cloud, o modelo agora:
- gera de 3 a 15 segundos, escolhidos de segundo em segundo (o 1.1 parava em 10);
- custa 30% menos que o 1.1;
- segura melhor rosto, roupa, embalagem e cor de marca entre ângulos de câmera, quando você manda imagem de referência;
- aceita edição em várias rodadas: trocar o produto, o fundo, a luz ou a proporção sem gerar tudo de novo;
- tem fala mais natural, sincronia labial mais limpa e vozes distintas quando há mais de uma pessoa falando;
- faz movimentos de câmera contínuos (voo em primeira pessoa, órbita, afastamento) com menos cortes indesejados.
O próprio Google admite onde ainda falha: ação rápida de esporte, troca rápida de roteiro e física complexa. Todo vídeo sai com marca d'água invisível SynthID.
Quanto custa de verdade
US$ 0,07 por segundo em 720p, ou cerca de US$ 1,04 por um clipe de 15 segundos. A página de preços do Google AI Studio detalha o resto:
| Resolução | Preço por segundo (API) | Clipe de 15 s |
|---|---|---|
| 360p (rascunho) | 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 |
A linha que importa é a primeira. O Google recomenda rascunhar em 360p ou 720p, corrigir com edição em vez de gerar de novo e só ampliar no fim. Na prática, três rascunhos em 360p custam o mesmo que um em 720p. Eu trabalharia assim: testar o gancho e o enquadramento barato e só pagar resolução no que já está aprovado.
Teste real: o mesmo prompt no 1.2 e no 1.1
Mandei este prompt, em inglês, nas duas versões, em 9:16 e 720p, pelo Gerador da Cut.Pro: uma mulher numa cozinha pequena de apartamento, luz de janela pela manhã, segura um pacote de café para a câmera, diz em português "Esse café aqui mudou a minha manhã", serve o café de uma cafeteira italiana numa caneca branca e toma um gole. Tomada única, sem corte. É o formato clássico de vídeo de produto estilo depoimento.
Omni 1.2 Flash, 15 segundos. Custou 255 créditos e levou cerca de 1 minuto e 20 segundos do pedido ao arquivo pronto.
Omni 1.1 Flash, 10 segundos (o máximo dele). Custou 230 créditos e levou cerca de 50 segundos.
O que eu vi:
- Preço por segundo. No Gerador, o 1.2 saiu a 17 créditos por segundo e o 1.1 a 23. É 26% a menos, perto dos 30% que o Google anuncia. Com 25 créditos a mais, o 1.2 entregou 5 segundos a mais de vídeo.
- Cena montada. No primeiro quadro do 1.2, a cafeteira italiana e a caneca branca já estão na bancada, prontas para a ação que o prompt pede depois. O enquadramento é de selfie com o braço esticado, o que combina com "câmera na mão". No 1.1, a cafeteira aparece no fundo e o pacote ocupa metade da tela, mais perto da lente.
- Texto da embalagem. Os dois inventam o rótulo. O 1.2 escreveu "COFFEA" com letras pequenas ilegíveis embaixo; o 1.1, um "MUTINA" igualmente sem sentido. Se o produto é seu, mande a foto da embalagem como referência. Gerar rótulo pelo prompt continua não funcionando.
- Cara de IA. O 1.2 tem pele e cabelo bem tratados, com luz dourada de comercial. O 1.1 parece mais caseiro, com cozinha mais simples. Para depoimento que quer parecer gravado pelo próprio cliente, o 1.2 precisa de prompt pedindo imperfeição.
Os dois vídeos estão aí em cima, com o mesmo pedido: dá para conferir a fala e a sincronia labial com o seu próprio critério.
O que muda para quem posta vídeo curto
Os 15 segundos e o preço menor tornam viável gerar variação, não só o vídeo final. Três usos em que eu vejo ganho direto:
- Anúncio de produto em uma geração. Antes, 10 segundos obrigavam a juntar dois clipes e torcer para o personagem não mudar de rosto no corte. Agora cabe gancho, uso e chamada num clipe só.
- Cena de apoio para corte. Quem faz corte de podcast ou live pode gerar a ilustração do que está sendo falado (o produto, o lugar, a situação) sem banco de imagem.
- Persona recorrente. A referência de personagem aceita até 6 imagens, com até 3 por personagem para até 2 personagens, segundo a documentação da API. É o que segura a mesma pessoa em vídeos diferentes, o mesmo princípio da persona de IA.
O porém: conteúdo 100% gerado ainda disputa atenção com gente real filmando, e as plataformas estão dando cada vez mais peso a material gravado, como a gente mostrou em proveniência como sinal. Vídeo de IA rende mais como peça de apoio ou anúncio do que como substituto do seu rosto.
Limites que a documentação mostra
A documentação traz detalhes que o anúncio não destaca:
- Primeiro e último quadro só funcionam em clipes de 3 a 10 segundos. Pedir 15 segundos com os dois quadros dá erro.
- Estender clipe vai de 3 a 10 segundos por rodada, até 30 segundos no total.
- Áudio de referência ainda não entra pela API; no Google Cloud, depende de liberação.
- Pessoas reconhecíveis: imagem de algumas pessoas conhecidas não é aceita como envio nem para edição.
Onde já dá para usar e se vale no Brasil
O modelo está disponível na API do Gemini, no Google Cloud, no Flow e no Google Vids (clipes de 15 segundos sem custo adicional para quem tem conta Google ou Workspace). No app do Gemini, a liberação começa pelos assinantes do Google AI Ultra. O anúncio não lista países, e as únicas restrições regionais da documentação são para Espaço Econômico Europeu, Suíça e Reino Unido. Para o Brasil, não há bloqueio declarado.
Ele também já está no Gerador da Cut.Pro, ao lado de outros modelos de vídeo, imagem e voz. Lá dá para gerar o clipe e levar direto para o editor, legendar e agendar a publicação nas redes, sem baixar e subir arquivo. É o argumento que eu fiz em o fluxo virou o produto: o modelo muda a cada poucos meses, o caminho até o post fica.
Quem usa o 1.1 por API precisa fazer algo?
Conferir o resultado, não o código. A partir de 3 de dezembro de 2026, as chamadas ao gemini-omni-1.1-flash passam a ser atendidas pelo 1.2 automaticamente e cobradas pelo preço novo, segundo a documentação. A conta fica mais barata, mas o vídeo muda: prompt afinado para o 1.1 pode sair diferente. Vale rodar suas cinco gerações mais comuns no 1.2 antes da troca, a mesma lição que ficou do desligamento da API do Sora.
O que fazer a partir de hoje
Se você já gera vídeo de produto ou cena de apoio, troque o 1.1 pelo 1.2 agora: é mais barato por segundo e cabe o anúncio inteiro. Rascunhe barato, mande foto real do produto como referência em vez de descrever o rótulo, e peça imperfeição no prompt quando o vídeo precisa parecer gravado por gente. Se você não usa vídeo gerado, nada muda na sua rotina de cortes: o ganho aqui é para quem produz peça nova, não para quem recorta o que já foi gravado.
