Google DeepMind выпустила Gemini Omni 1.2 Flash, сделав модель общедоступной через Gemini API (программный интерфейс приложений) и Gemini для бизнеса. Модель предлагает нативное создание видео длительностью до 15 секунд — больше, чем 10 секунд в Omni 1.1, при этом длительность регулируется с шагом в одну секунду от 3 до 15 секунд.

Также добавлено многоходовое диалоговое редактирование, позволяющее пользователям дорабатывать один и тот же клип шаг за шагом — например, заменять товар, фон, освещение или соотношение сторон, — вместо повторной генерации с нуля. Улучшено следование референсам: пользователи могут комбинировать изображения персонажей, товаров или стилей, короткие видеофрагменты движения длительностью до трёх секунд и аудиоподсказки, при этом лица, одежда, типографика на упаковке и фирменные цвета остаются согласованными при смене ракурсов камеры.

Модель обеспечивает более стабильные результаты с меньшим визуальным дрейфом при движении и переходах, более естественную речь с более чёткой синхронизацией губ и поддержкой нескольких говорящих, а также более управляемые кинематографические движения камеры с меньшим числом скачкообразных склеек. Цена на 30% ниже, чем у Gemini Omni 1.1, — $0,07 за секунду видео в разрешении 720p, а рабочий процесс поддерживает черновую работу в 360p или 720p, редактирование деталей и повышение разрешения до 1080p или 4K.

Впервые Gemini Omni стала общедоступной, опираясь на инфраструктуру и безопасность корпоративного уровня Google Cloud, с доступной пропускной способностью Provisioned Throughput и выходными данными, несущими незаметный водяной знак SynthID. Модель поэтапно внедряется в продуктах Google и платформах для разработчиков, включая Google AI Studio, Gemini API, консоль Google Cloud, Flow, Google Vids, приложение Gemini и Google Ads.