Nota del autor: En este artículo repasamos la duración de 15 segundos de Gemini Omni 1.2 Flash, el seguimiento de imágenes de referencia, la edición en varias rondas y el control de voz y cámara. También analizamos la reducción de precio del 30 % y las limitaciones que Google reconoce, para ayudarte a decidir si vale la pena evaluarlo para tu solución de generación de video.
Google lanzó Gemini Omni 1.2 Flash el 5 de noviembre de 2026, con disponibilidad general (GA) simultánea en Gemini API y Gemini for business. Esta versión trae tres novedades principales: video nativo de 15 segundos, edición conversacional en varias rondas y 720p a 0,07 dólares por segundo (un 30 % menos que la versión 1.1). También mejora el seguimiento de imágenes de referencia, la consistencia y el control de voz y cámara.
No se trata de un rumor: toda esta información procede del artículo de lanzamiento publicado en el blog oficial de Google, firmado por un gerente de producto de Google DeepMind. Sin embargo, el artículo se centra en mostrar resultados y apenas profundiza en los parámetros, el ID del modelo y los límites de tasa que realmente importan a los desarrolladores. Aquí traducimos las afirmaciones de marketing en especificaciones y límites, y señalamos qué aspectos aún tendrás que validar con tu propio material.
La idea central: entender en unos minutos qué cambia en Gemini Omni 1.2 Flash frente a la versión 1.1, qué capacidades están disponibles en la API, cuáles solo existen en las aplicaciones de Google y si vale la pena dedicar tiempo a evaluarlo ahora.
Gemini Omni 1.2 Flash: datos clave de un vistazo
Empecemos con una tabla que resume los puntos principales del lanzamiento. Todo su contenido procede del anuncio oficial; los parámetros que no se mencionan allí —como el ID del modelo, la forma de la interfaz o los límites de velocidad— quedan para la sección «Pendiente de verificación» más adelante.
| Dato | Detalles de Gemini Omni 1.2 Flash |
|---|---|
| Fecha de lanzamiento | 2026-11-05, con disponibilidad general (GA) el mismo día |
| Desarrollador | Google / Google DeepMind |
| Duración del video | De 3 a 15 segundos, configurable en intervalos de 1 segundo (el límite de la versión 1.1 era de 10 segundos) |
| Precio | 0,07 dólares por segundo a 720p (calculado a partir de 12 dólares por cada millón de tokens de salida de video y 5.792 tokens por segundo a 720p), un 30 % menos que Omni 1.1 |
| Flujo de trabajo con resoluciones | Crear primero un borrador rápido a 360p / 720p y después ampliar el resultado elegido a 1080p o 4K |
| Entradas de referencia | Imágenes de personajes, productos o estilos, clips de movimiento de hasta 3 segundos e indicaciones de audio |
| Edición | Edición conversacional en varias rondas, que abarca el clip completo de 15 segundos |
| Capacidades empresariales | Basado en la infraestructura de Google Cloud, con Provisioned Throughput |
| Identificación del contenido | Las salidas incluyen una marca de agua SynthID imperceptible |
| Limitaciones reconocidas oficialmente | Las acciones deportivas rápidas, los cambios rápidos de guion y la física compleja aún están en proceso de mejora |
¿Qué significan GA y Provisioned Throughput para Gemini Omni 1.2 Flash?
Google destaca que esta es la primera vez que Gemini Omni alcanza el estado GA. Para los desarrolladores, la disponibilidad general significa que el modelo ha salido de la fase de vista previa o experimental y ya se puede usar en producción. También suele indicar que la interfaz y el comportamiento serán más estables que en la versión preliminar.
Provisioned Throughput es la capacidad de procesamiento reservada de Google Cloud: las empresas compran por adelantado una cantidad determinada de capacidad a cambio de una disponibilidad y una latencia más predecibles en horas punta. Si tu negocio necesita generar materiales publicitarios en grandes cantidades o tiene requisitos de SLA para los plazos de entrega, esto puede ser más importante que el precio unitario. El anuncio no detalla cómo se cobra esta capacidad, así que conviene consultarlo en la página de precios de Google Cloud.
6 cambios clave de Gemini Omni 1.2 Flash frente a 1.1
El artículo oficial utiliza muchos videos de ejemplo para mostrar los avances. Hemos organizado esas descripciones en una lista de cambios desde la perspectiva de desarrollo, distinguiendo entre «cambios de especificación cuantificables» y «mejoras de calidad». Los primeros pueden incorporarse directamente a una propuesta técnica; las segundas hay que probarlas.
| Aspecto | Gemini Omni 1.1 Flash | Gemini Omni 1.2 Flash | Tipo de cambio |
|---|---|---|---|
| Duración máxima | 10 segundos | 15 segundos; de 3–15 segundos, configurable en intervalos de 1 segundo | Cambio de especificación |
| Precio a 720p | 0.10 dólares/segundo (17.50 dólares por cada millón de tokens de salida de video) | 0.07 dólares/segundo (12 dólares por cada millón de tokens de salida de video) | Cambio de precio |
| Fidelidad a la referencia | En los ejemplos oficiales, el resultado se ajusta menos a la imagen de referencia | Rostros, ropa, tipografía del empaquetado y colores de marca se mantienen consistentes entre planos | Mejora de calidad |
| Consistencia entre el primer y el último fotograma | En los ejemplos aparecen desviaciones en detalles, como un gato en el tejado o una cuchara que se convierte en palillos | Menos alteraciones y deformaciones en los detalles | Mejora de calidad |
| Edición en varias rondas | No se menciona en el artículo de lanzamiento | Permite cambiar por turnos el producto o el fondo, la iluminación o el clima y la relación de aspecto | Nueva capacidad |
| Estado de disponibilidad general (GA) | No está en GA | Primera versión en GA, con soporte para Provisioned Throughput | Cambio de especificación |
💡 Nota sobre precios: Google cobra la salida de video por token, no por segundo, así que todos los precios «por segundo» de este artículo son valores calculados. Ambas cifras proceden de la página de precios de Gemini API: la salida de video de 1.1 cuesta 17.50 dólares por cada millón de tokens y la de 1.2 cuesta 12 dólares. Con una tasa de 5,792 tokens de salida por segundo a 720p, equivalen aproximadamente a 0.10 y 0.07 dólares por segundo, respectivamente: una reducción cercana al 30%. La página de precios también indica que, a partir del 3 de diciembre de 2026, las solicitudes enviadas a gemini-omni-1.1-flash se redirigirán automáticamente a 1.2 y se cobrarán según los precios de 1.2.
Cambio 1: Gemini Omni 1.2 Flash permite duraciones flexibles de 3 a 15 segundos
Pasar de 10 a 15 segundos puede parecer poca cosa, pero cambia mucho en numerosos casos. Un anuncio completo para redes sociales, una explicación de las funciones de un producto o una historia corta con principio, desarrollo y desenlace suelen necesitar entre 12 y 15 segundos. Antes había que unir dos clips; ahora se pueden generar de una sola vez.
Otro detalle fácil de pasar por alto es que la duración se puede ajustar en incrementos de 1 segundo. En los modelos que cobran por segundo, poder pedir exactamente 7 segundos evita pagar por 10. Esto marca una diferencia en el control de costos cuando se generan videos en grandes cantidades.
Cambio 2: admite referencias de imágenes, clips de movimiento y audio
1.2 Flash permite combinar varios tipos de referencia: imágenes de personajes, productos o estilos, clips de movimiento de hasta 3 segundos e indicaciones de audio. En un ejemplo oficial, se usó una foto de una modelo junto con imágenes de producto de tres prendas, fotografiadas por delante y por detrás, para generar un video de prueba virtual de 15 segundos. Durante un giro de 360 grados, se mantuvieron tanto la identidad de la modelo como el corte, la caída y los detalles de la espalda de cada prenda.
La aplicación más directa de estas capacidades está en el comercio electrónico: convertir fotografías de productos o imágenes de diseño de personajes en clips de prueba virtual, presentaciones de productos en 360 grados y anuncios de marca. Eso sí, el límite de 3 segundos para los clips de movimiento es estricto: si tu material de referencia es más largo, tendrás que recortarlo antes.
Cambio 3: mayor consistencia entre el primer y el último fotograma y al extender clips
Según la documentación oficial, los personajes, objetos y escenarios se mantienen más estables desde el primer hasta el último fotograma, con menos desviaciones visuales y deformaciones durante el movimiento y los cambios de cámara. Esto se aplica tanto a la interpolación entre el primer y el último fotograma como a la extensión de clips existentes para crear secuencias más largas.
Es interesante que la comparación oficial de los fotogramas iniciales y finales de las versiones 1.1 y 1.2 reconoce pequeñas diferencias, como un gato en un tejado o una cuchara que se convierte en palillos. Esto indica que la consistencia ha «mejorado notablemente», pero no está «resuelta por completo»: las escenas en las que importan los detalles todavía requieren una revisión humana.
Cambio 4: edición conversacional en varias rondas con Gemini Omni 1.2 Flash
Este es el cambio de la actualización que más impacta en el flujo de trabajo. Puedes modificar un mismo video en varias rondas —por ejemplo, reemplazar el producto o el fondo, cambiar la iluminación o el clima, o ajustar la relación de aspecto— sin tener que volver a generarlo desde cero. En un ejemplo oficial, se parte de un video generado y se cambia el fondo durante cinco rondas consecutivas, mientras la interpretación de los dos personajes, los reflejos de sus armaduras y la composición de la toma permanecen iguales.
La edición en varias rondas abarca clips completos de 15 segundos. Un uso típico señalado por la documentación oficial es crear variantes de anuncios en lote para distintas audiencias y ubicaciones publicitarias. Otro ejemplo es la «transferencia de movimiento»: en la primera ronda se genera un pulpo que se balancea y, en la segunda, se sustituye por una bailarina cuya falda reproduce el movimiento fluido del pulpo.
Cambio cinco: voz más natural y diálogos entre varios personajes
Los diálogos de 1.2 Flash son más fluidos, la sincronización labial es más precisa y el modelo puede distinguir entre varios hablantes. En un ejemplo oficial se combina una imagen de la escena con cuatro conjuntos de referencias de personajes, movimientos labiales y voz de 1 segundo, de modo que cada muestra de voz se asigna al personaje correcto.
Conviene distinguir que la mayoría de las implementaciones mencionadas en esta sección son aplicaciones de Google: diálogos entre varios personajes en Flow, videos explicativos en Gemini for business y videos terminados con avatares y narración en Google Vids. El artículo de lanzamiento no explica cómo invocar las funciones de voz desde la API ni cómo pasar los parámetros.
Cambio seis: movimientos de cámara continuos y más controlables
Según Google, los movimientos de cámara continuos y complejos —como recorridos en primera persona (FPV), alejamientos dramáticos y movimientos orbitales— presentan muchos menos cortes inesperados y mantienen proporciones más estables. Entre los ejemplos hay un vuelo FPV sin cortes que, a partir de dos fotografías de un edificio, atraviesa una plaza y unas puertas de bronce antes de ascender hasta la cúpula del Panteón; y un plano continuo de 10 segundos que se aleja desde un primer plano de la costa hasta una vista panorámica de la isla.
Cómo funciona el flujo de trabajo de Gemini Omni 1.2 Flash para controlar los costos
La reducción del 30 % en el precio es solo una parte. Google pone más énfasis en un flujo de trabajo para controlar el costo total: generar un borrador rápido a baja resolución → pulir los detalles mediante varias rondas de edición → ampliar solo la versión final que nos convenza. Frente a la práctica de regenerar todo el clip cuando el resultado no satisface, esto puede reducir considerablemente el gasto en clips descartados.
En Google AI Studio, la ficha del modelo muestra los precios por token: 1,50 dólares por cada millón de tokens de entrada, 9 dólares por cada millón de tokens de salida de texto y 12 dólares por cada millón de tokens de salida de video. Es el mismo costo que los «0,07 dólares por segundo» mencionados antes, pero expresado en otra unidad de facturación. La página oficial de precios calcula el precio por segundo de 720p a partir de 5.792 tokens de salida por segundo y también ofrece las cifras para otras resoluciones:
- 360p: 1.931 tokens de salida por segundo, aproximadamente 0,023 dólares/segundo
- 720p: 5.792 tokens de salida por segundo, aproximadamente 0,07 dólares/segundo
- 1080p (reescalado): 8.688 tokens de salida por segundo, aproximadamente 0,104 dólares/segundo
- 4K (reescalado): 17.376 tokens de salida por segundo, aproximadamente 0,209 dólares/segundo
Con la tarifa de 720p, el costo aproximado por clip sería el siguiente:
| Duración | Costo por clip en 720p (0,07 dólares/segundo) | Uso típico |
|---|---|---|
| 3 segundos | Aproximadamente 0,21 dólares | Pruebas de tomas, portadas animadas |
| 6 segundos | Aproximadamente 0,42 dólares | Anuncios cortos para el feed |
| 10 segundos | Aproximadamente 0,70 dólares | Presentación de las características destacadas de un producto |
| 15 segundos | Aproximadamente 1,05 dólares | Anuncios completos, explicaciones de producto |
El artículo de lanzamiento no aclara si cada ronda de edición se factura por la duración completa. Ese dato determina cuánto se ahorra al editar en lugar de regenerar. Conviene registrar el cargo real de cada ronda durante una prueba a pequeña escala.
Otro costo importante de la generación de video es probar y ajustar indicaciones una y otra vez. Muchos equipos utilizan primero un Modelo de Lenguaje Grande de texto para desglosar el brief creativo en un guion gráfico e instrucciones para cada ronda de edición. Después, se lo pasan al modelo de video para reducir las generaciones que no sirven. En la versión más sencilla, se invoca el modelo de texto mediante una interfaz compatible con OpenAI para generar de una sola vez las indicaciones de varias rondas de edición:
- Instala el SDK: en Python, ejecuta
import openaiy crea un cliente conopenai.OpenAI(api_key="YOUR_API_KEY", base_url="https://api.apiyi.com/v1").base_urlapunta a la interfaz compatible con OpenAI de APIYI; usa la clave API de tu consola. - Elige el modelo que escribirá las indicaciones: sustituye
YOUR_TEXT_MODELpor un modelo de texto Gemini, GPT o Claude disponible en la lista de modelos de la plataforma. Este modelo solo se encarga de escribir las indicaciones; el modelo de video se invoca por separado. - Envía el brief como un mensaje de usuario: pasa
messages=[{"role": "user", "content": "为一段 15 秒运动鞋广告写 4 轮编辑指令：换背景、换天气、换灯光、切 9:16"}]junto con el ID del modelo aclient.chat.completions.create(...). - Lee el resultado:
print(resp.choices[0].message.content)muestra las instrucciones de cada ronda. Entrégalas en orden al modelo de video para que cada ronda modifique el resultado de la anterior, en lugar de regenerar todo el video.
Si quieres usar el mismo script para distintos briefs, consulta esta versión con una estructura de salida fija.
- Escribe la indicación de sistema: defínela como una cadena de Python para que el modelo actúe como especialista en guiones gráficos para anuncios de video y devuelva solo JSON, con tres claves:
duration_sec(un entero entre 3 y 15),base_prompt(indicación de generación inicial) yedit_turns(instrucciones de edición para la segunda ronda y las siguientes). Añade también una regla: en cada ronda se modifica una sola variable —fondo, producto, iluminación, clima o formato—, mientras que los personajes y la cámara permanecen iguales. - Define la función
build_video_plan(brief, variants, model="YOUR_TEXT_MODEL"), que recibe el brief creativo y la lista de variantes deseadas. - Construye el mensaje de usuario: usa un f-string para colocar el brief después de
创意简报：y las variantes, separadas por comas, después de需要的变体：. - Envía dos mensajes a la vez al modelo de texto: coloca la indicación de sistema en
systemy la cadena construida enuser. Añaderesponse_format={"type": "json_object"}para que la respuesta se pueda analizar directamente como JSON. - Analiza la respuesta y limita la duración: primero ejecuta
plan = json.loads(resp.choices[0].message.content)y luegoplan["duration_sec"] = max(3, min(15, int(plan.get("duration_sec", 15)))), ya que la duración de este modelo va de 3 a 15 segundos, en incrementos de 1 segundo. - Pruébalo con un brief real: por ejemplo, «nuevas zapatillas para correr, carrera matutina en la ciudad, con énfasis en la ligereza y la capacidad de respuesta». Como variantes, usa «calle lluviosa», «playa al atardecer» y «cambiar a formato vertical 9:16». Imprime el resultado con
json.dumps(plan, ensure_ascii=False, indent=2). - Entrégalo al modelo de video: pasa
base_promptyedit_turnsa la API de video que utilices y ejecuta cada ronda en orden. Antes de procesar muchas rondas por lotes, anota el costo real de cada una.
🚀 Consejo para empezar: los modelos de texto son una buena opción para generar guiones gráficos e instrucciones de edición por lotes. Con una misma clave API de APIYI, en apiyi.com, puedes comparar la calidad de las indicaciones escritas por distintos modelos de texto. Los usuarios nuevos disponen de crédito gratuito para pruebas. Para obtener información sobre el propio modelo de video Gemini Omni, consulta los canales oficiales de Google; para saber si APIYI ya lo ofrece, revisa la lista de modelos de la plataforma.
Análisis del impacto de Gemini Omni 1.2 Flash para desarrolladores
Diferencias entre las capacidades de la API de Gemini Omni 1.2 Flash y las funciones de las aplicaciones de Google
El artículo oficial presenta la API, la plataforma en la nube y varias aplicaciones de Google en conjunto. Esto puede llevar a confusión al evaluar si una función se puede invocar mediante la API. La siguiente tabla las separa por canal para facilitar la comparación.
| Canal | Público | Capacidades descritas por Google | Consideraciones para elegir |
|---|---|---|---|
| Gemini API / Google AI Studio | Desarrolladores | Disponibilidad general (GA); permite validar prototipos en AI Studio y ofrece aplicaciones de inicio interactivas y documentación para desarrolladores | Hay que consultar la documentación oficial para conocer los parámetros, los ID de modelo y los límites de uso |
| Consola de Google Cloud | Empresas | Disponibilidad general (GA), infraestructura y seguridad de nivel empresarial, Provisioned Throughput | Adecuado para equipos con requisitos de SLA y procesamiento por lotes |
| Flow | Creadores | Dirección de escenas, edición en varias rondas y diálogos entre varios personajes | Son funciones de la aplicación; no equivalen a capacidades de la API |
| Google Vids | Usuarios con cuenta de Google / Workspace | Clips de 15 segundos sin costo adicional | Función de la aplicación, útil para que los equipos no técnicos prueben los resultados |
| Aplicación de Gemini | Suscriptores de Google AI Ultra | Videos de 15 segundos, en despliegue gradual | El ritmo de despliegue puede variar según la región y la cuenta |
| Google Ads | Equipos de publicidad | Ampliación de campañas de video marketing | Orientado a campañas publicitarias |
| Asistencia con texto (guiones gráficos/indicaciones) | Desarrolladores | Canal no oficial de Omni: usa modelos de texto para generar guiones e instrucciones de edición | Se pueden invocar varios modelos de texto mediante plataformas como APIYI apiyi.com |
Impacto para los desarrolladores de aplicaciones
- El diseño del flujo de trabajo cambiará: la edición en varias rondas hace viable «generar una vez y editar varias». Los productos pueden ofrecer una interfaz de edición de video similar a un chat, en lugar de pedir al usuario que reescriba la indicación completa cada vez.
- Hay que recalcular los costos: la facturación por segundo y el ajuste de duración en incrementos de un segundo, combinados con borradores de baja resolución, pueden reducir el costo unitario. Pero primero hay que aclarar cómo se factura cada ronda de edición.
- El cumplimiento será más sencillo: la marca de agua SynthID se incorpora por defecto, una ventaja para las plataformas que necesitan identificar el contenido generado por IA.
Impacto para creadores de contenido y responsables de producto
- Los materiales para comercio electrónico y marcas son los más beneficiados: las mejoras en el seguimiento de referencias y la consistencia responden a necesidades frecuentes como la prueba virtual de productos, su presentación en 360 grados y la creación de múltiples variantes publicitarias.
- Conviene esperar antes de apostar fuerte por escenarios donde aún hay limitaciones: la documentación oficial señala que los movimientos deportivos rápidos, los cambios rápidos de guion y la física compleja siguen en proceso de mejora. Por ahora, no conviene usarlo como solución principal para contenido deportivo, escenas de acción o tomas con interacciones físicas complejas.
Lista de verificación para elegir Gemini Omni 1.2 Flash
Los ejemplos oficiales son casos seleccionados cuidadosamente y, por ahora, hay pocas pruebas independientes de rendimiento. Antes de decidir si lo incorporas a tu solución, conviene verificar cada punto con tu propio material.
| Aspecto | Por qué probarlo | Método recomendado |
|---|---|---|
| Consistencia con la imagen de referencia | Los ejemplos oficiales no equivalen a tus imágenes de producto ni a tus diseños de personajes | Genera imágenes entre 10 y 20 veces con tus propias imágenes de producto y empaques con texto; registra la tasa de deformación |
| Movimiento rápido y física compleja | Son puntos débiles reconocidos oficialmente | Prepara escenas específicas con carreras, saltos, colisiones y líquidos |
| Estabilidad de la edición en varias rondas | Cuantas más rondas, mayor es la posibilidad de que se acumulen desviaciones | Edita durante más de 5 rondas consecutivas y comprueba si se mantienen los personajes y la composición |
| Reglas de facturación de las ediciones | Determinan el ahorro real | Haz una prueba de bajo costo y registra el cargo de cada ronda |
| Parámetros de la API y límites de velocidad | No se detallan en el artículo de lanzamiento | Consulta la documentación para desarrolladores de Gemini API y realiza pruebas de carga |
| Voz y sincronización labial | Se desconoce el resultado con diálogos en chino y otros idiomas distintos del inglés | Prueba conversaciones entre varias personas en el idioma de destino |
Preguntas frecuentes (FAQ)
P1: ¿Qué es Gemini Omni 1.2 Flash?
Gemini Omni 1.2 Flash es un modelo de generación de video que Google lanzó el 2026-11-05 con disponibilidad general (GA). Está diseñado para ser rápido y económico, admite videos nativos de 3 a 15 segundos, varios tipos de entrada de referencia y edición conversacional en varias rondas. Su precio en 720p es de 0.07 dólares por segundo.
P2: ¿Qué diferencias hay entre Gemini Omni 1.2 Flash y la versión 1.1?
La versión 1.1 permite videos de hasta 10 segundos; la 1.2 amplía el límite a 15 segundos y permite ajustar la duración en intervalos de 1 segundo. El precio baja un 30% y se incorpora la edición conversacional en varias rondas. También mejoran el seguimiento de las referencias, la consistencia entre el primer y el último fotograma, la sincronización labial y los movimientos de cámara continuos. Además, es la primera versión en alcanzar la disponibilidad general y ofrece Provisioned Throughput.
P3: ¿Ya se puede usar Gemini Omni 1.2 Flash?
Sí. Ya está disponible de forma general en Gemini API y Google Cloud, y los desarrolladores pueden probar prototipos en Google AI Studio. También se ha lanzado en Google Vids, Flow y Google Ads, mientras que en la aplicación Gemini se está desplegando gradualmente para los suscriptores de Google AI Ultra.
P4: ¿Para qué casos de uso es más adecuado Gemini Omni 1.2 Flash?
– **Pruebas virtuales y presentación de productos para comercio electrónico**: genera pruebas virtuales y clips de exhibición de 360 grados a partir de fotos de modelos e imágenes de productos
– **Producción de variantes publicitarias a gran escala**: edita un mismo material en varias rondas para crear versiones con distintos fondos, condiciones meteorológicas y formatos
– **Videos cortos de explicación de productos y divulgación**: crea explicaciones con varios planos en 15 segundos; en los ejemplos oficiales, el texto de las etiquetas aparece escrito correctamente
– **Presentación de espacios con movimientos de cámara continuos**: tomas FPV que recorren edificios o destinos turísticos y planos que se alejan de ellos
P5: ¿Se puede invocar Gemini Omni 1.2 Flash a través de APIYI?
APIYI ya ofrece acceso a los modelos de texto de la serie Gemini, pero para los modelos de video Gemini Omni conviene consultar la lista de modelos de la plataforma; este artículo no garantiza su disponibilidad. Mientras tanto, puedes usar APIYI, en apiyi.com, para invocar modelos de texto que generen guiones gráficos e instrucciones de edición para varias rondas, y recurrir a los canales oficiales de Google para la generación del video.
P6: ¿Qué limitaciones conocidas tiene Gemini Omni 1.2 Flash?
Google reconoce que las acciones deportivas rápidas, los cambios rápidos de guion y la física compleja aún están en proceso de mejora. En los ejemplos del primer y último fotograma también se aprecian pequeñas diferencias en los detalles. Además, el artículo de lanzamiento no especifica los parámetros de la API, el ID del modelo ni los límites de velocidad, por lo que hay que consultar la documentación oficial. La ampliación a 1080p cuesta aproximadamente 0.104 dólares por segundo y a 4K, unos 0.209 dólares por segundo; ambos precios figuran en la página de precios.
P7: ¿Cómo se puede reducir el costo de probar indicaciones para generar videos?
Primero, usa un modelo de texto para convertir el brief en un guion gráfico estructurado e instrucciones de edición que cambien una sola variable por ronda. Después, deja que el modelo de video las ejecute: así puedes reducir considerablemente la cantidad de clips descartados. Con la interfaz unificada de APIYI, en apiyi.com, puedes comparar rápidamente cómo redactan indicaciones distintos modelos de texto y elegir el que mejor se adapte a tu caso.
Puntos clave de Gemini Omni 1.2 Flash
- Mayor duración: hasta 15 segundos, configurables entre 3 y 15 segundos en incrementos de 1 segundo; permite generar un anuncio completo de una vez.
- Precio más bajo: 0,07 dólares por segundo en 720p, un 30 % menos que la versión 1.1.
- Flujo de trabajo económico: borradores de baja resolución, varias rondas de edición y escalado solo de la versión final.
- Referencias más fiables: las imágenes, los clips de movimiento de hasta 3 segundos y el audio guían conjuntamente la generación para mantener la consistencia entre tomas.
- Primera disponibilidad general (GA): compatible con Provisioned Throughput; las salidas incorporan una marca de agua SynthID.
- Limitaciones claras: conviene tener cautela con los movimientos rápidos y la física compleja; prueba siempre con tus propios materiales.
- Flujo complementario: puedes usar APIYI apiyi.com para invocar modelos de texto y generar guiones gráficos e instrucciones de edición por lotes.
Conclusión: ¿vale la pena evaluar Gemini Omni 1.2 Flash ahora?
Los puntos clave de Gemini Omni 1.2 Flash son:
- Mejoras concretas en las especificaciones: duración de 15 segundos, ajustes en incrementos de 1 segundo, una reducción de precio del 30 % y primera disponibilidad general. Son datos que ya puedes incluir en una propuesta técnica.
- La edición en varias rondas cambia el flujo de trabajo: se pasa de «regenerar el clip completo» a «modificarlo por etapas», algo especialmente útil para crear variantes de anuncios y materiales para comercio electrónico.
- Las mejoras de calidad requieren pruebas: los avances en consistencia, sincronización labial y movimientos de cámara proceden de ejemplos oficiales. Tendrás que comprobar cómo funcionan con tus propios materiales.
Si trabajas en videos para comercio electrónico, publicidad de marca o demostraciones de producto, vale la pena hacer ahora una comparativa en Google AI Studio con tus propios materiales. Si tu contenido se centra en deportes, acción a gran velocidad o interacciones físicas complejas, puedes esperar a versiones posteriores.
Durante la evaluación, puedes usar APIYI apiyi.com para invocar varios modelos de texto con una misma clave y generar guiones gráficos e instrucciones de edición. Así reduces desde el principio el costo de probar distintas indicaciones. La plataforma ofrece crédito gratuito de prueba para usuarios nuevos.
📚 Referencias
- Blog oficial de Google: artículo de lanzamiento de Gemini Omni 1.2 Flash: fuente de todos los datos de este artículo
- Enlace:
blog.google/innovation-and-ai/technology/developers-tools/introducing-gemini-omni-1-2-flash/ -
Descripción: incluye información oficial sobre duración, precios, entradas de referencia, edición en varios turnos, canales de acceso y limitaciones conocidas.
-
Google AI Studio: punto de partida para crear prototipos con la API de Gemini
- Enlace:
aistudio.google.com - Descripción: canal recomendado por Google para que los desarrolladores prueben la API y consulten las aplicaciones de inicio y la documentación.
Autor: equipo técnico de APIYI
Contacto técnico: contáctanos desde la página de inicio de APIYI, apiyi.com. Para más información sobre la integración, visita el centro de documentación en docs.apiyi.com.
