Principais destaques
- Vídeos mais longos: o Gemini Omni 1.2 Flash aumenta o limite de geração de 10 para 15 segundos, com duração personalizada entre 3 e 15 segundos.
- Geração mais barata: o custo cai para US$ 0,07 por segundo em 720p, uma redução de aproximadamente 30% em relação à versão anterior.
- Áudio e diálogos sincronizados: o modelo combina vozes diferentes, efeitos sonoros, música e movimentos labiais sincronizados em cenas com vários personagens.
A geração de vídeos por inteligência artificial está ficando mais acessível. E o Google quer tornar esse processo menos parecido com uma sequência de tentativas caras e mais próximo de uma produção audiovisual controlada.
Com o Gemini Omni 1.2 Flash, a empresa amplia a duração dos vídeos, reduz o preço por segundo e melhora recursos que ainda representam desafios importantes para modelos generativos: continuidade de movimento, consistência visual e sincronização entre áudio e imagem.
A atualização está disponível no Google AI Studio, no Vertex AI e na API do Gemini, atendendo desde quem deseja experimentar vídeos com IA até desenvolvedores que pretendem incorporar a tecnologia em aplicações.
🎬 Agora são 15 segundos. E cada segundo custa menos
A mudança mais fácil de perceber está na duração dos vídeos.
O modelo anterior permitia gerar clipes de até 10 segundos. Agora, o limite chega a 15 segundos, com a possibilidade de escolher qualquer duração entre 3 e 15 segundos.
Pode parecer pouco, mas cinco segundos adicionais representam um aumento de 50% no tempo máximo de geração.
Isso abre espaço para cenas com movimentos de câmera mais elaborados, pequenas narrativas, demonstrações de produtos e sequências com diálogos mais naturais.
💰 O preço também mudou: a geração em resolução 720p custa US$ 0,07 por segundo, aproximadamente 30% menos que na versão anterior.
| Característica | Gemini Omni 1.2 Flash |
|---|---|
| Duração mínima | 3 segundos |
| Duração máxima | 15 segundos |
| Resolução de geração | 720p |
| Preço por segundo | US$ 0,07 |
| Redução de preço | Aproximadamente 30% |
| Áudio integrado | Sim |
| Diálogos com múltiplas vozes | Sim |
Na prática, um vídeo de 15 segundos em 720p custa aproximadamente US$ 1,05.
É uma diferença importante para quem precisa experimentar vários comandos até conseguir uma cena satisfatória.
🔊 Quatro personagens, quatro vozes e sincronização labial
Um dos recursos mais interessantes demonstrados pelo Google envolve a geração de diálogos entre vários personagens.
O modelo consegue trabalhar com uma imagem de referência da cena, referências visuais dos personagens e pequenas amostras de voz.
Em uma demonstração, quatro personagens aparecem em uma estufa de vidro repleta de orquídeas e samambaias. Cada um recebe uma voz própria e participa de uma conversa animada sobre quem estaria copiando a paleta de cores de quem.
O resultado é um vídeo de 15 segundos com diferentes vozes, movimentos labiais sincronizados e identificação dos personagens durante os diálogos.
🎙 O diferencial está na coordenação: não basta gerar vozes diferentes. A inteligência artificial precisa identificar quem está falando, associar corretamente cada voz ao personagem e sincronizar os movimentos da boca com as falas.
Esse tipo de recurso pode ser particularmente interessante para animações, vídeos publicitários, personagens virtuais e conteúdo para redes sociais.
🚁 O Google também quer resolver um problema antigo dos vídeos com IA
Quem já experimentou ferramentas de geração de vídeo provavelmente conhece um problema: a câmera começa em uma posição, muda inesperadamente de perspectiva e termina em uma cena completamente diferente.
Manter um movimento contínuo ainda é um desafio.
O Gemini Omni 1.2 Flash apresentou avanços justamente nesse aspecto.
Em uma demonstração, o Google utilizou um comando para criar um voo contínuo de drone de 15 segundos. A câmera deveria passar pelo topo de uma montanha, descer por um vale com geleiras e terminar em um campo alpino.
O resultado manteve o movimento sem cortes bruscos ou transições entre tomadas independentes.
🏛️ Outra demonstração foi ainda mais ambiciosa: uma câmera em primeira pessoa atravessou uma praça, passou por portas de bronze e subiu em direção à cúpula de um edifício.
A proposta é preservar a continuidade espacial, mantendo a geometria do ambiente e a trajetória da câmera durante toda a sequência.
💡 A evolução não está apenas em criar imagens mais bonitas, mas em fazer com que elas continuem fazendo sentido de um segundo para o outro.
👕 Roupas, personagens e objetos mais consistentes
Outro problema recorrente na geração de vídeos é a perda de identidade visual.
Uma pessoa pode aparecer com características diferentes entre os quadros. Uma roupa pode mudar de textura, cor ou formato durante um movimento.
O Google apresentou um teste de experimentação virtual de roupas para demonstrar melhorias nesse aspecto.
O modelo recebeu uma fotografia de uma pessoa e imagens de referência de três conjuntos de roupas, incluindo vistas frontais e traseiras.
A partir desse material, gerou uma sequência de 15 segundos com movimentos de rotação de 360 graus e transições entre os diferentes looks.
O objetivo é manter a identidade da pessoa e os detalhes das roupas durante toda a sequência.
🖼️ As imagens de referência também ganharam importância: em outro exemplo, o modelo animou um pôster em camadas, preservando elementos como textos, materiais e composição visual.
Em uma comparação com a versão 1.1, o Gemini Omni 1.2 Flash apresentou maior fidelidade à imagem original.
Isso é especialmente relevante para trabalhos que dependem de referências visuais precisas, como campanhas publicitárias e apresentações de produtos.
💸 Como economizar na geração de vídeos?
A redução de preço não é a única novidade interessante para quem trabalha com produção audiovisual.
O Google também recomenda um fluxo de trabalho que evita gastar dinheiro com vídeos em alta resolução antes de saber se o resultado está satisfatório.
A estratégia consiste em separar a experimentação da finalização.
1️⃣ Comece em baixa resolução: experimente diferentes comandos e enquadramentos sem investir imediatamente na qualidade máxima.
2️⃣ Escolha as melhores versões: avalie movimento de câmera, composição, iluminação, personagens e sincronização do áudio.
3️⃣ Faça o upscale: depois de encontrar o resultado desejado, aumente a resolução para 1080p ou 4K.
Essa abordagem permite concentrar os gastos nos vídeos que realmente serão utilizados.
Para agências, profissionais de marketing e desenvolvedores, a economia pode fazer diferença quando existem dezenas de variações de uma mesma peça publicitária.
🛠️ Onde acessar o Gemini Omni 1.2 Flash?
O modelo está disponível em três ambientes do Google, com propostas diferentes.
Google AI Studio
Ambiente para testar comandos, experimentar gerações e avaliar os recursos do modelo. Acessar Google AI Studio
Vertex AI
Plataforma voltada a empresas que desejam integrar modelos de inteligência artificial aos seus fluxos de trabalho. Conhecer Vertex AI
Gemini API
Opção para desenvolvedores que desejam automatizar a geração de vídeos e incorporar os recursos em seus próprios aplicativos. Consultar Gemini API
✏️ Também é possível editar vídeos usando conversas
Outro recurso interessante é a edição por meio de instruções em linguagem natural.
Em vez de começar uma geração completamente nova, o usuário pode solicitar alterações em um vídeo existente.
Entre os exemplos apresentados estão mudanças de cenário e substituição de elementos do fundo.
Isso aproxima a experiência de um processo de edição conversacional: o usuário descreve o que deseja modificar e o modelo tenta aplicar a alteração preservando o restante da cena.
Para quem produz conteúdo regularmente, essa possibilidade pode reduzir o número de gerações necessárias para chegar ao resultado final.
Vale a pena usar o novo modelo de vídeo do Google?
O Gemini Omni 1.2 Flash parece especialmente interessante para projetos de curta duração.
Vídeos publicitários, animações, demonstrações de produtos, cenas cinematográficas e pequenos diálogos estão entre os formatos que podem aproveitar melhor os recursos apresentados.
Mas existe uma limitação importante.
15 segundos ainda são 15 segundos. O modelo não substitui uma ferramenta de produção de vídeos longos, nem elimina a necessidade de combinar diferentes gerações para construir narrativas maiores.
A edição conversacional ajuda a aproveitar melhor cada geração, mas projetos extensos ainda exigem planejamento e montagem.
O movimento do Google, entretanto, aponta para uma direção importante: tornar a produção audiovisual com IA mais previsível, barata e controlável.
Se os próximos avanços conseguirem ampliar a duração sem comprometer a consistência dos personagens, dos movimentos e do áudio, produzir um vídeo com IA poderá deixar de ser uma experiência de tentativa e erro para se tornar uma etapa cada vez mais integrada à rotina de criação.
Perguntas frequentes
Qual é a duração máxima dos vídeos?
O Gemini Omni 1.2 Flash permite gerar vídeos de até 15 segundos, com duração personalizada entre 3 e 15 segundos.
Quanto custa gerar um vídeo?
O preço informado é de US$ 0,07 por segundo de vídeo em 720p. Um clipe de 15 segundos custa aproximadamente US$ 1,05.
O modelo consegue gerar diálogos entre personagens?
Sim. Ele pode trabalhar com diferentes referências de voz e produzir diálogos com vozes distintas e sincronização labial.
É possível gerar vídeos em 4K?
O fluxo apresentado pelo Google permite começar com resoluções menores e ampliar o resultado final para 1080p ou 4K por meio de upscale.
Onde posso experimentar o modelo?
O acesso é oferecido pelo Google AI Studio, Vertex AI e Gemini API.
