Google ha rebajado un 30 % el precio de su modelo de vídeo y le ha dado más metraje. Gemini Omni 1.2 Flash, presentado el 5 de noviembre por Google DeepMind, genera y edita vídeos de hasta 15 segundos, frente a los 10 de la versión anterior.
El precio para desarrolladores baja a 0,07 dólares por segundo de vídeo en 720p, un 30 % menos que Gemini Omni 1.1 Flash, con rebajas parecidas en el resto de resoluciones, según el blog de Google Cloud. Y, según Google, es la primera vez que Gemini Omni está disponible de forma general, con el respaldo de la infraestructura empresarial de Google Cloud.
Clips de 15 segundos y edición por turnos
La duración de cada clip se puede elegir entre 3 y 15 segundos, de segundo en segundo. Google lo presenta como más margen para contar una historia completa, explicar un producto o hacer un anuncio para redes sociales en una sola generación.
La otra gran novedad es la edición en conversación: se puede pedir por turnos que cambie el producto o el fondo, la iluminación, el tiempo atmosférico o la relación de aspecto, sin tener que regenerar el clip entero, según Google.
El modelo admite como referencia imágenes de personajes, productos o estilos, clips de movimiento de hasta tres segundos y audio, aunque las referencias de audio, por ahora, solo están abiertas a cuentas autorizadas.
Google asegura que los rostros, la ropa, el texto de los envases y los colores de marca se mantienen coherentes aunque cambie el ángulo de cámara. También promete más coherencia del primer al último fotograma, con menos deformaciones en los movimientos y las transiciones de cámara.
Además, ofrece diálogos más naturales, mejor sincronización labial y distingue mejor entre varios personajes que hablan. En los movimientos de cámara complejos, como los vuelos de dron, hay bastantes menos saltos no deseados, según la compañía.
Borradores baratos y acabado en 4K
Google propone trabajar en dos fases para ahorrar. Primero se hacen borradores en 360p o 720p y se corrigen con nuevas instrucciones. Después, solo el resultado final se escala a 1080p o 4K.
Todos los vídeos llevan una marca de agua invisible SynthID, el sistema de Google para identificar contenido generado con su IA.
Google reconoce que el modelo aún tiene margen de mejora en escenas deportivas rápidas, cambios bruscos de guion y físicas complejas.
Dónde se puede usar
Gemini Omni 1.2 Flash ya está disponible para desarrolladores en la API de Gemini, Google AI Studio y Google Cloud. También llega a Flow, su herramienta de creación de vídeo con IA, a Google Vids, donde los clips de 15 segundos no tienen coste adicional, y a Google Ads.
En la aplicación de Gemini se está desplegando para todos los suscriptores de pago de Google AI, según anunció la cuenta de Gemini en X. Los vídeos de 15 segundos, eso sí, quedan para los suscriptores de Google AI Ultra, el plan más caro.
Las empresas que ya lo usan
Google Cloud cita a varias empresas que ya lo han probado. Photoroom lo usa para convertir fotos de producto en anuncios de vídeo, porque «equilibra calidad, velocidad y coste», según su consejero delegado y cofundador, Matt Rouif, que destaca que los vídeos de 15 segundos eran «una de las principales peticiones» de sus usuarios.
Narek Hayrapetyan, responsable de producto de Picsart, asegura que con el modo borrador puede probar ideas «en minutos» y después producir en 4K. Y Shivam Rastogi, vicepresidente de ingeniería de invideo, resume sus pruebas sin rodeos: «Sinceramente, es muy bueno».
Son, en cualquier caso, opiniones de clientes que Google ha elegido para su anuncio. Medios como The Decoder presentan las mejoras como afirmaciones de Google, y por ahora no hay pruebas independientes que las confirmen.
La imagen de representación de este artículo es un fotograma de un vídeo generado con Gemini Omni 1.2 Flash y publicado por Google en el anuncio del modelo
