Gemini Omni 1.2 Flash: clipes de 15 segundos, edição e preços

Atualizações em vídeo com IA geralmente prometem clipes mais longos ou mais controle de edição. O Gemini Omni 1.2 Flash do Google faz os dois: cria vídeos curtos a partir de texto, imagens ou vídeo e permite revisar o resultado com prompts posteriores. O limite padrão agora é de 15 segundos, e o modelo gera som no mesmo clipe.

O que me interessava era saber se uma edição conseguiria mudar um detalhe mantendo o resto da cena intacto, já que eu tive problemas com versões anteriores. Então testei isso com uma pista de bolinhas: primeiro troquei a bolinha de vermelha para azul e depois reestilizei o mesmo clipe como stop motion.

Minhas conclusões

Aqui vai a versão resumida do artigo e os principais achados usando o novo modelo.

Meu clipe voltou como um take contínuo de 15 segundos, 720p, com os eventos na ordem, mas a bolinha some por um instante e reaparece atrás dos dominós.
Visualmente, a edição de cor alterou apenas a bolinha e preservou a temporização original dos quadros.
A edição para stop motion mudou as texturas, mas manteve o movimento fluido, enquanto o áudio desviou levemente a cada edição.

A edição de cor é o resultado mais nítido. As próximas seções mostram onde o clipe original e a mudança de estilo se quebram.

O que é o Gemini Omni 1.2 Flash?

O Gemini Omni 1.2 Flash aceita entradas de texto, imagem e vídeo e retorna vídeo com som.

Diferente dos modelos de texto do Gemini, ele produz vídeo e som juntos. O Google afirma que cada vídeo também traz uma marca d’água invisível SynthID. Nosso panorama do Gemini Omni cobre a família de modelos de forma mais ampla.

Se você quer configurar a API, nosso guia de pipeline de mídia em Python para o Gemini Omni traz o passo a passo. Este artigo foca nos vídeos e no que eles mostram.

O que há de novo no Gemini Omni 1.2 Flash?

A atualização atinge quatro partes do fluxo de trabalho de vídeo: duração do clipe, edições posteriores, som gerado e preço por resolução.

Geração e edição de vídeos de 15 segundos

Clipes gerados e editados podem ter de 3 a 15 segundos, em incrementos de um segundo; o Omni 1.1 Flash parava em 10 segundos. Vídeos criados a partir de um quadro inicial e um final ficam limitados a 10 segundos. Os limites de extensão variam: a Gemini API limita o vídeo final a 30 segundos, enquanto a documentação do Google Cloud fala em até 40 segundos no total.

Imagens de referência e edição de vídeo conversacional

O modelo pode usar imagens e vídeos curtos como guia na geração de um clipe. Ele também consegue editar um vídeo completo de 15 segundos a partir de prompts posteriores.

Áudio gerado e movimento de câmera

Todo vídeo do Gemini Omni 1.2 Flash pode incluir fala, música ou efeitos sonoros. Usar áudio enviado como guia exige aprovação no Google Cloud e não está disponível na API pública do Gemini. Os prompts também podem especificar o movimento de câmera.

Rascunhos em 360p e upscaling para 4K

O modelo gera vídeo em 360p e 720p e depois pode aumentar a resolução para 1080p ou 4K. A documentação do Google lista os caminhos suportados: de 360p para 720p ou 1080p, e de 720p para 1080p ou 4K.

Gemini Omni 1.2 Flash vs. 1.1: o que mudou?

A lista acima mistura novos limites com afirmações sobre o resultado. Duas mudanças publicadas podem ser comparadas diretamente: a duração do clipe e o preço do vídeo.

Especificação	Gemini Omni 1.1 Flash	Gemini Omni 1.2 Flash
Duração de geração e edição	Até 10 segundos	De 3 a 15 segundos
Preço efetivo em 720p	Cerca de US$ 0,10 por segundo	Cerca de US$ 0,07 por segundo
Modelo legado após o período de transição	Solicitações passam a usar o 1.2	Versão atual

Apenas duração e preço são números concretos aqui. As evidências para a afirmação de referência do Google se limitam aos próprios demos da empresa.

Testando o Gemini Omni 1.2 Flash: geração e edição de vídeo

Meu teste usa um clipe gerado a partir de texto, uma edição de cor e uma edição de estilo da versão com a bolinha azul. Os três vídeos têm 15 segundos, 720p e proporção 16:9. Avaliei com quatro critérios:

Ordem dos eventos: bolinha, aro, primeiro dominó, reação em cadeia e, por fim, o sino
Cor da bolinha: vermelha primeiro e azul somente quando solicitado
Continuidade de câmera: um único take, sem corte
Sincronia do som: cada efeito deve coincidir com seu impacto

O primeiro vídeo reúne os quatro em uma única cena. Cada edição posterior mostra o que muda e o que permanece.

Movimento e som no clipe original

Funcionou apenas em parte: os eventos seguem a ordem, mas a bolinha desaparece e o sino toca com atraso.

Para o primeiro teste, pedi física realista, uma câmera que segue a ação e som atrelado a cada impacto.

A cinematic macro shot inside an old clockmaker's workshop. A small red glass marble rolls down a winding wooden track, passes through a brass hoop, and strikes the first of six wooden dominoes. The dominoes fall one after another, with the final piece striking a small brass bell.

One continuous tracking shot following the marble and the chain reaction. Warm afternoon sunlight through a dusty window, realistic reflections on the glass, shallow depth of field, and natural motion.

The sounds of glass rolling against wood, dominoes clicking, and a clear bell ringing at the moment of impact. Realistic physics and sound design. No music, no dialogue, no cuts.Tecnologia

Resultado do prompt 1: bolinha vermelha original. Vídeo do autor.

Ao longo de 15 segundos, a câmera não corta. Depois de passar pelo aro, a bolinha acerta o primeiro dominó e inicia uma reação em cadeia que termina no sino.

A continuidade da bolinha é o erro mais claro. Uma forma arredondada adicional, vermelha, aparece atrás do primeiro dominó, embora os quadros não estabeleçam se é um objeto separado. Depois, a bolinha acompanhada pela câmera sai do quadro e reaparece atrás da fileira caída sem se deslocar visivelmente até lá.

A bolinha reaparece atrás dos dominós derrubados. Imagem do autor.

A sincronia do som é mista: o primeiro clique do dominó coincide com o contato visível, mas o sino toca cerca de 0,15 segundo depois. Como a ação termina cedo, os segundos finais ficam quase estáticos.

Também achei que a forma como a bolinha atravessou o aro não ficou totalmente crível.

Editar um objeto sem mudar a cena

Em seguida, mudei um atributo e pedi para manter todo o resto igual.

Change the red glass marble to a deep sapphire blue. Keep its size, transparency, reflections, and movement the same.

Preserve the wooden track, brass hoop, dominoes, bell, lighting, camera movement, and original sound effects. The chain reaction should happen at exactly the same moments as in the original video.Tecnologia

Resultado do prompt 2: bolinha azul-safira. Vídeo do autor.

A cor é a única mudança pretendida: a bolinha fica azul-escura, mas mantém o mesmo tamanho, transparência, posição e reflexos. Todo o resto, incluindo a cena e o timing dos eventos, permanece igual.

Quadros correspondentes: bolinha vermelha vs. azul. Imagem do autor.

Os erros também foram mantidos: a forma arredondada ambígua e o reaparecimento posterior da bolinha agora ficam azuis nos mesmos momentos. É preciso notar esses detalhes porque falhas não mencionadas seguem para a próxima edição.

A edição gerou uma nova trilha de áudio. Os efeitos voltam no mesmo padrão, mas cerca de 45 milissegundos depois, aproximadamente um quadro de vídeo. Esse atraso fica mais perceptível nas edições seguintes.

Movimento em uma mudança completa de estilo

Para a edição final, pedi um stop motion artesanal mantendo a bolinha azul e o timing.

Re-render the entire marble-run scene as a handcrafted stop-motion animation made from painted paper, cardboard, and textured fabric.

The wooden track becomes layered cardboard, the brass objects become painted miniature props, and the blue glass marble keeps its recognizable color and shape.

Preserve the original sequence and timing: the marble rolls down the track, passes through the hoop, strikes the dominoes, and the bell rings at the end. Keep the original camera movement and sound effects, with the tactile imperfections of handmade stop-motion animation.Tecnologia

Resultado do prompt 3: reestilização em stop motion artesanal. Vídeo do autor.

A cor azul e a textura de vidro sobreviveram, enquanto a pista e os dominós viraram papelão em camadas. O trajeto da câmera e o timing dos eventos permaneceram inalterados.

O sino de latão vira um adereço pintado. Imagem do autor.

A reestilização funcionou só em parte. O sino parece pintado, mas o aro e o fundo da oficina continuam realistas, e nenhum tecido aparece. Uma comparação quadro a quadro mostra movimento contínuo, sem o ritmo cadenciado típico do stop motion.

Os traços cômicos ao redor do sino não foram solicitados, mas não quebram a sequência. Em comparação ao original, a trilha sonora deslocou cerca de 85 milissegundos, colocando o sino aproximadamente 0,23 segundo após o impacto.

Resultados, tempo de geração e custo

A geração terminou em menos de um minuto, enquanto cada edição levou cerca de dois minutos. Os três vídeos concluídos somaram aproximadamente US$ 3,55, calculados a partir do uso retornado nas tarifas publicadas pelo Google.

A mesma forma arredondada sobrevive às duas edições. Imagem do autor.

Edições custam um pouco mais porque o Google reprocessa o vídeo de origem.

Preço e disponibilidade do Gemini Omni 1.2 Flash

O Gemini Omni 1.2 Flash custa cerca de US$ 0,07 por segundo em 720p, e a API não tem camada gratuita. Os apps do Google usam seus próprios planos e cotas. Usei 720p no teste; resoluções mais altas custam mais.

Preço do Gemini Omni 1.2 Flash por resolução

Nessa tarifa pública, um clipe de 15 segundos sai por cerca de US$ 1 antes do custo de processar o material de origem. As opções 1080p e 4K custam mais porque o modelo amplia um vídeo em resolução menor:

Resolução	Custo aproximado por 15 segundos
360p	US$ 0,35
720p	US$ 1
1080p (ampliado)	US$ 1,55
4K (ampliado)	US$ 3,15

O Google também cobra pelo processamento do vídeo de origem durante uma edição. As assinaturas dos apps do Google usam preços separados.

Onde acessar o Gemini Omni 1.2 Flash?

Desenvolvedores podem usar o Gemini Omni 1.2 Flash pela API paga do Gemini, pelo Google AI Studio ou pelo Google Cloud.

Configurações de vídeo do AI Studio para o Omni. Imagem do autor.

O Google também oferece o modelo em vários apps. Cada produto usa seu próprio plano e cota:

Flow, para dirigir cenas e fazer edições posteriores
Google Vids, que oferece até três vídeos de 15 segundos por mês sem custo para quem tem conta Google ou assinatura do Workspace, segundo o anúncio do Vids
O app Gemini, com vídeos de 15 segundos chegando para assinantes do Google AI Ultra
Google Ads, para campanhas de vídeo

O Gemini para empresas é onde os posts do Google divergem: o post de lançamento fala em disponibilidade geral, e o post do Cloud diz "em breve". A edição de vídeos enviados não está disponível no Espaço Econômico Europeu (EEE), na Suíça e no Reino Unido, enquanto vídeos gerados pelo modelo continuam editáveis nesses locais.

Limitações do Gemini Omni 1.2 Flash e análises iniciais

O Google cita esportes com movimento rápido, mudanças ágeis de roteiro e física complexa como limitações atuais. O guia da API do Gemini acrescenta que instruções negativas devem estar no prompt principal e que apenas o inglês tem suporte completo. A sequência de dominós entra em física complexa, mas uma única pista de bolinhas não testa todas as afirmações do anúncio.

A maioria das análises iniciais vem de empresas que vendem acesso ao modelo. Um teste da Segmind publicado no dia do lançamento relata que explicadores e edições simples seguiram os prompts, enquanto pontos em gráficos ficaram nas alturas erradas e algumas instruções foram ignoradas.

Meu teste não inclui diálogos, fala sincronizada com movimentos de boca, textos no vídeo ou números, então não diz nada sobre essas áreas. Também usei prompts de edição detalhados, enquanto o guia de prompts do Google recomenda instruções simples.

Considerações finais: vale a pena usar o Gemini Omni 1.2 Flash?

O Gemini Omni 1.2 Flash respondeu à pergunta central em partes. A sequência e a troca de cor se mantiveram, enquanto o salto da bolinha e o sino atrasado seguiram para as versões posteriores. O pedido de estilo mudou os materiais, mas o movimento continuou parecendo o original.

Há espaço para melhorar: o modelo funciona bem para rascunhos e variações simples que alguém vai revisar. Correntes longas de edição fazem menos sentido quando a continuidade ou o timing exato sustentam a ideia, porque erros antigos sobrevivem e o custo sobe a cada etapa. A bolinha azul sobreviveu; o defeito ao lado dela também.

Autor

Khalid Abdelaty

Sou engenheiro de dados e criador de comunidades que trabalha com pipelines de dados, nuvem e ferramentas de IA, além de escrever tutoriais práticos e de alto impacto para o DataCamp e desenvolvedores iniciantes.

FAQs

Qual é a duração máxima dos vídeos no Gemini Omni 1.2 Flash?

Clipes padrão podem ter até 15 segundos, mas a API define 10 segundos por padrão quando a duração não é especificada. Uma solicitação com quadro inicial e final também para em 10 segundos. As extensões da Gemini Developer API param em 30 segundos no total, enquanto o Google Cloud documenta até 40 segundos.

O Gemini Omni 1.2 Flash consegue editar vídeos existentes?

Sim. No Google Cloud, a duração de entrada e saída deve coincidir e ficar entre 3 e 15 segundos. Você também pode adicionar até duas imagens de referência para orientar a mudança. Limitações regionais continuam valendo para clipes enviados no Espaço Econômico Europeu, Suíça e Reino Unido.

O Gemini Omni 1.2 Flash gera vídeo com áudio?

Sim. Um clipe gerado pode incluir fala, música e efeitos sonoros no mesmo output. A edição de voz continua indisponível, e o modelo ignora o áudio dentro de um vídeo de referência. Usar áudio enviado separadamente como guia requer uma conta aprovada no Google Cloud.

Quanto custa um clipe de 15 segundos no Gemini Omni 1.2 Flash?

Reserve cerca de US$ 1 para um novo output de 15 segundos em 720p, ou aproximadamente US$ 3 em 4K. Editar adiciona uma cobrança pelo processamento do clipe de origem. Fazer upscaling de um vídeo finalizado em 720p para 4K acrescenta cerca de US$ 2 ao custo de saída, então a conta final depende de geração, edição e mudanças de resolução.

O Gemini Omni 1.2 Flash é gratuito?

Não, o uso direto da API do Gemini é pago. O Google Vids oferece a usuários com conta Google e Workspace até três gerações de vídeos de 15 segundos por mês sem custo; o post oficial confirma apenas a geração e não especifica o acesso à edição. O app Gemini exige assinatura do Google AI Ultra para clipes de 15 segundos.

Temas

Inteligência Artificial