Google a rendu Gemini Omni 1.2 Flash généralement disponible via l’API Gemini et dans l’offre Gemini pour les entreprises. Ce modèle permet désormais de créer des vidéos natives jusqu’à quinze secondes, tout en réduisant le prix de production de 30 % par rapport à Omni 1.1. La génération vidéo en 720p est désormais facturée à 0,07 dollar par seconde.

Au-delà de cette baisse tarifaire, le flux de travail est conçu pour maîtriser les coûts. On peut d’abord esquisser rapidement une séquence en 360p ou 720p, puis corriger un détail spécifique par une édition incrémentale, au lieu de devoir régénérer l’intégralité du clip, avant d’enchaîner sur un upscale en 1080p ou 4K.

L’une des avancées majeures concerne l’adhérence aux références. Gemini Omni 1.2 Flash maintient la cohérence de personnages, de produits ou de styles tout au long de la séquence. En combinant des images de personnages, des clichés produits et des indications audio, le modèle assure que les détails — comme la typographie d’un emballage ou la couleur d’un vêtement — restent identiques même lorsque la caméra change d’angle. Par exemple, il peut produire une séquence de virtual try-on de quinze secondes avec des changements de plans à 360 degrés, tout en gardant l’identité du modèle et les détails de chaque vêtement intacts.

Stabilité et contrôle accru dans la création vidéo

La stabilité visuelle est nettement améliorée. Alors qu’avec Omni 1.1 Flash, un poster d’exposition complexe avec cinq couches d’animation ne correspondait pas aussi étroitement à l’image de référence, la nouvelle version assemble les éléments de manière séquentielle. Elle parvient à verrouiller chaque détail matériel, chaque ombre et chaque caractère typographique de manière constante jusqu’à la fin du rendu.

L’édition devient conversationnelle. Il n’est plus nécessaire de repartir de zéro pour modifier un élément. Les capacités d’édition en plusieurs tours permettent de raffiner un clip existant en demandant, par exemple, de changer l’arrière-plan d’un pavillon rayé à une forêt de chênes, ou d’altérer l’éclairage, tout en conservant parfaitement l’interprétation des acteurs et le cadrage initial. Ce procédé fonctionne sur des clips complets de quinze secondes.

Le modèle gère aussi mieux l’aspect sonore et cinématographique. Il permet de générer des dialogues avec un lip-sync plus naturel et une meilleure distinction entre plusieurs intervenants. Pour les mouvements de caméra, les vols FPV continus deviennent plus fluides, avec moins de coupures brutales. Il peut réaliser des parcours complexes, comme un vol drone continu à travers une place jusqu’à l’oculus du Panthéon, sans aucun saut de plan.

Intégration professionnelle et modalités d’accès

Les entreprises et les créatifs intègrent déjà Gemini Omni 1.2 Flash dans leurs processus de travail. Google confirme que l’infrastructure est soutenue par les systèmes d’entreprise de Google Cloud, et que le Provisioned Throughput est disponible. Tous les contenus générés portent un filigrane SynthID imperceptible, une mesure de traçabilité.

Pour les développeurs, le point d’entrée passe par Google AI Studio. Les entreprises peuvent tester l’outil via la console Google Cloud. Ceux qui utilisent déjà les applications Google peuvent diriger des scènes et effectuer des révisions conversationnelles dans Flow, ou générer des clips de quinze secondes sans coût additionnel dans Google Vids.

Sources

• Gemini Omni 1.2 Flash: Fast and cost-effective with longer clips, Google DeepMind, 5 novembre 2026
• Gemini Omni 1.2 Flash: Fast and cost-effective with longer clips, Google, 5 novembre 2026

Crédits photo

• Image en une : Gemini multimodal AI, par Authors of the preprint: Gemini Team Google: Rohan Anil, Sebastian Borgeaud, Yonghui Wu, Jean-Baptiste Alayrac, Jiahui Y, CC BY 4.0, via Wikimedia Commons (recadrée)