Pour ses vidéos IA, Google allonge les clips et baisse le tarif avec Gemini Omni 1.2 Flash

Pour générer et modifier des vidéos, Gemini Omni 1.2 Flash passe à quinze secondes. Le tarif API baisse de 30 %, à 0,07 dollar par seconde en 720p.

Dans une démonstration de Gemini Omni 1.2 Flash, deux personnages en armure apparaissent successivement dans une forêt, une écurie, une foire et devant un château. Les changements de décor sont demandés au fil de la conversation, à partir d’un même clip. Le résultat présenté par Google doit illustrer une capacité centrale de cette version : reprendre une vidéo existante en conservant la scène que l’on souhaite garder.

Le modèle annoncé par Google porte la génération et la modification de vidéos à quinze secondes, contre dix pour Omni 1.1 Flash. Il produit aussi un son synchronisé, avec des voix, de la musique et des effets sonores. Les changements peuvent concerner un produit, l’éclairage, l’arrière-plan ou le format de l’image. Quinze secondes, avec une exception pour les images de début et de fin

La durée de génération se règle par paliers d’une seconde, entre trois et quinze secondes. Les formats horizontal 16:9 et vertical 9:16 sont pris en charge. Une même demande peut donc viser un court plan de produit ou une séquence plus longue, avec plusieurs changements de cadrage comme dans l’exemple d’une ruche décliné en quatre plans.

La fiche technique de Google Cloud précise cependant que la génération guidée simultanément par une première et une dernière image reste comprise entre trois et dix secondes. Le plafond de quinze secondes ne s’applique donc pas à toutes les méthodes de création. La prolongation de vidéos constitue encore une opération distincte, avec des segments ajoutés de trois à dix secondes.

Les retouches conversationnelles peuvent porter sur un clip complet de quinze secondes. L’utilisateur conserve une vidéo comme point de départ et précise les modifications suivantes, sans devoir reformuler toute la scène dans une nouvelle demande. Cela peut servir à préparer plusieurs variantes d’un même contenu, par exemple en changeant le décor ou le produit montré. Les références doivent survivre aux mouvements de caméra

La fidélité aux éléments fournis occupe une place importante dans cette version. Les références peuvent décrire un personnage, un vêtement, un produit ou une direction visuelle. Google annonce une meilleure conservation des visages, des matières et des inscriptions lorsque la caméra ou les personnages bougent.

Une démonstration associe la photo d’un mannequin aux vues avant et arrière de plusieurs tenues pour produire un essayage vidéo. Une autre part de références architecturales pour construire un mouvement de caméra continu dans le Panthéon. Ces exemples présentent les résultats sélectionnés par l’éditeur ; ils ne donnent pas un taux de réussite sur des séries de demandes.

Les dialogues font également partie des améliorations annoncées, avec une parole plus naturelle, une synchronisation des lèvres plus précise et une meilleure attribution des voix aux personnages. Les références audio restent toutefois soumises à une autorisation préalable, comme le précise le blog Google Cloud. Leur emploi n’est donc pas ouvert à tous les comptes.

Les mouvements sportifs rapides et la physique complexe figurent encore parmi les axes de développement cités par Google. La continuité montrée dans les démonstrations ne signifie pas que tout mouvement ou toute interaction entre objets sera correctement restitué. Des brouillons moins définis avant le rendu final

Le tarif annoncé pour l’API descend à 0,07 dollar par seconde de vidéo en 720p, soit 30 % de moins que pour Omni 1.1 Flash. À ce tarif arrondi, quinze secondes représentent environ 1,05 dollar pour la sortie vidéo. Ce montant n’est pas le coût complet d’une suite d’essais et de retouches.

La grille tarifaire Cloud distingue les données d’entrée, les sorties textuelles et la vidéo produite. L’augmentation de résolution possède aussi sa propre facturation. Chaque variante ou reprise doit donc être considérée dans le calcul du coût du travail final.

Le parcours proposé consiste à préparer les brouillons en 360p ou en 720p, puis à augmenter la résolution des versions retenues vers le 1080p ou la 4K. Les quatre résolutions sont prises en charge par le modèle ; le passage par un brouillon moins défini est une possibilité de travail, pas une obligation. L’accès dépend de l’application utilisée

Le lancement couvre Google AI Studio, l’API Gemini et Google Cloud, où le modèle est proposé pour un usage en production. Dans Flow, le déploiement en cours couvre la direction de scènes et les retouches successives. Dans l’application Gemini, les clips de quinze secondes sont annoncés pour les abonnés Google AI Ultra, avec un déploiement progressif.

La génération de clips de quinze secondes arrive aussi dans Google Vids, annoncée sans surcoût dans les conditions d’accès du service. Cette mention ne doit pas être confondue avec une gratuité de l’API. Sur Google Cloud, les sorties portent un marquage invisible SynthID et le service propose des engagements de disponibilité ainsi qu’une capacité de traitement réservée aux entreprises.