Hoje, 5 de novembro, o Google anunciou o Gemini Omni 1.2 Flash, um modelo de IA que cria vídeos a partir de instruções e disponibiliza o recurso de forma geral na API do Gemini e no Gemini for business. Segundo a empresa, o modelo gera vídeos nativos de até 15 segundos, em vez dos 10 segundos da versão 1.1, e permite editar um clipe em várias etapas por meio de conversa.

Na prática, é como pedir a um assistente de filmagem que ajuste a cena aos poucos: trocar um produto, mudar a iluminação ou o clima, ou alterar a proporção da tela, sem precisar começar tudo do zero. Segundo o Google, a edição em conversa funciona nos clipes completos de 15 segundos, o que ajuda a criar variações de anúncios para públicos e canais diferentes.

O Google afirma que o modelo mantém melhor a aparência de personagens, produtos, roupas e marcas de um quadro para o outro, com menos distorções. Também foi melhorada a fala gerada, com sincronização labial mais clara. Segundo a empresa, o preço caiu 30% em relação à versão 1.1, chegando a US$ 0,07 por segundo de vídeo em 720p. Há ainda a possibilidade de rascunhar em 360p ou 720p e depois ampliar para 1080p ou 4K.

Quem pode se beneficiar são empresas, desenvolvedores e criadores que produzem vídeos em escala, como peças de catálogo, anúncios e explicações de produto. A própria empresa diz que o modelo ainda está em desenvolvimento em cenas com esportes rápidos, mudanças rápidas de roteiro e física complexa.

Todos os vídeos gerados trazem uma marca d'água invisível chamada SynthID, usada para identificar conteúdo criado por IA. O modelo pode ser testado no Google AI Studio e no console do Google Cloud, e está disponível em produtos como Flow, Google Vids, Google Ads e no app Gemini, este último para assinantes do Google AI Ultra. Para quem usa apenas aplicativos do Google, a fonte não traz orientações de proteção, por se tratar de lançamento de produto.