5 ноября 2026 года Google вывела Gemini Omni 1.2 Flash в общий доступ. Если ролики для карточки товара, бота или рекламы уже собираются через Gemini API, здесь клип со звуком до 15 секунд, правка следующим сообщением и около $0,07 за секунду в 720p. Анонс подписал Anish Nangia, менеджер продукта Google DeepMind: Gemini Omni 1.2 Flash. В API модель называется gemini-omni-1.2-flash.
У Omni 1.1 потолок был 10 секунд. Теперь длину задают целой секундой от 3 до 15. Поле duration в response_format важнее фразы в промпте. Если поле не передать, придёт ролик на 10 секунд. Длиннее 15 секунд запрос не принимают.
Секунда 720p за $0,07
Секунда 720p подешевела на 30% к Omni 1.1. В тарифе Gemini API видео на выходе стоит $12 за миллион токенов, а секунда 720p идёт как 5792 токена. В сноске Google сама переводит это в деньги: около $0,07 за секунду, около $0,70 за 10 секунд и около $1,04 за 15. Входные текст, картинка и видео остались по $1,50 за миллион. $0,07 это только готовый ролик. Референсы на входе считаются отдельно. На бесплатном тарифе этой модели нет.
Черновик дешевле финала. 360p выходит около $0,023 за секунду. 720p стоит по умолчанию. 1080p и 4K в документации помечены как апскейл, около $0,104 и $0,209 за секунду. Собрать и поправить ролик в 720p, а разрешение поднять у того дубля, который пойдёт на сайт, заметно дешевле, чем сразу гнать 4K.
У Omni 1.1 видео на выходе стоило $17,50 за миллион токенов, около $0,10 за секунду 720p. Id gemini-omni-1.1-flash ещё отвечает до 3 декабря 2026. С этой даты такие запросы сами уходят на 1.2 и считаются по новому прайсу, код можно не менять. В документации окно перехода названо четырёхнедельным. На платном тарифе эти запросы не используют, чтобы улучшать модели.
Референсы и следующий ход
На вход кладут до шести картинок: не больше трёх на одного персонажа и не больше двух персонажей за запрос. Ролик-референс не длиннее трёх секунд. На генерацию от 3 до 10 секунд таких роликов можно три, на клип от 11 до 15 секунд остаётся один. Звук внутри референса модель не берёт. Речь, несколько голосов и движение губ она собирает сама, вместе с картинкой. Аудиофайл отдельным входом текущая версия API не принимает.
Первый и последний кадр склеиваются только на отрезке от 3 до 10 секунд. Пара кадров и duration на 15 секунд вернут ошибку. Одна картинка или голый текст как раз доходят до пятнадцати.
Правка идёт следующим сообщением, полю нужно previous_interaction_id. Фон, свет, товар или соотношение сторон меняются без повторной загрузки, пока клип не длиннее 15 секунд. Продление дописывает только конец: от 3 до 10 секунд за ход, весь ролик не длиннее 30 секунд. Модель смотрит на последние 10 секунд исходника. Если персонаж был раньше, его надо снова назвать или приложить картинкой. В середину кусок не вставить. Голос отдельной операцией не правят. Если в загруженном ролике человек уже говорит, новые реплики продлением не добавить. У ролика, который сделала сама модель, реплики в следующих ходах добавляют.
Кадр по умолчанию 16:9 и 720p. Для вертикали есть 9:16. На каждом ролике стоит метка SynthID. Глазом её не видно, проверить можно программно.
Фото узнаваемого человека API не возьмёт. В ЕЭЗ, Швейцарии и Великобритании не принимают картинки с несовершеннолетними и не дают править или продлевать загруженное видео. Ролик самой модели там править можно. Быстрый спорт, резкая смена сценария и сложная физика в анонсе всё ещё сырые. Английский проверен полностью. Остальные языки не оценивали: промпт на русском может сработать, а может поплыть. Системную инструкцию, temperature, top_p и отрицательный промпт вызов не принимает. Запрет проще дописать обычной фразой в тексте.
interaction = client.interactions.create(
model="gemini-omni-1.2-flash",
input="A single unbroken tracking shot along a product shelf.",
response_format={
"type": "video",
"duration": "15s",
"aspect_ratio": "16:9",
"resolution": "720p",
},
)
В SDK байты ролика лежат в output_video. В голом REST их забирают из steps: base64 и mime video/mp4. Ролик тяжелее 4 МБ просят отдать ссылкой, delivery со значением uri. Если у запроса store=false, следующий ход по previous_interaction_id ролик уже не найдёт.
AI Studio, Vids и Ultra
Собрать запрос можно в AI Studio, модель в ссылке уже выбрана. Рядом лежит документация Interactions API. Для компаний анонс ведёт на заметку Google Cloud, консоль Vertex AI Studio и корпоративный API.
Ключ API и кабинет Vids считают по-разному. Секунды из таблицы выше относятся к Gemini API. В Google Vids клип на 15 секунд Google обещает без отдельной доплаты, если есть аккаунт Google или подписка Workspace. В приложении Gemini такие ролики постепенно открывают подписчикам AI Ultra. Сцену и правку ходом диалога можно собрать в Flow. В кампанию ролик ставят через Google Ads Asset Studio.
Если в боте до сих пор прописан gemini-omni-1.1-flash, до 3 декабря он отвечает по старому id. Дальше тот же запрос сядет на 1.2 и на цену около $0,07 за секунду 720p. Пятнадцать секунд сами не включатся. Без duration в ответе останутся десять.
