Google rend Gemini Omni 1.2 Flash disponible en production sur Google Cloud. Ce modèle multimodal génère, modifie, prolonge et agrandit des vidéos avec du son synchronisé. Il vise les entreprises qui produisent en volume des démonstrations de produits, des essayages virtuels et des publicités.
La nouvelle version peut produire des clips de trois à quinze secondes, contre dix secondes auparavant. Elle accepte les formats horizontaux et verticaux, puis délivre des vidéos en 360p, 720p, 1080p ou 4K. Google annonce un tarif de 0,07 dollar par seconde en 720p, soit 30 % de moins que Gemini Omni 1.1 Flash.
Des références plus fidèles et un montage conversationnel
Gemini Omni 1.2 Flash peut partir d’un texte, d’une image, d’une vidéo existante ou de plusieurs références. Google affirme avoir renforcé la cohérence des produits, des personnages et des éléments de marque entre les plans. Le modèle peut aussi remplacer un objet, modifier l’éclairage ou changer l’angle de caméra sans recommencer entièrement la génération.
La partie sonore couvre la parole, la musique et les effets. Google met en avant des dialogues plus naturels, une meilleure synchronisation des lèvres et la séparation de plusieurs voix. Les références audio restent toutefois soumises à une autorisation spécifique. Chaque sortie reçoit par ailleurs un filigrane SynthID imperceptible et peut inclure des informations C2PA.
Le modèle fonctionne avec l’API Interactions de la plateforme Gemini Enterprise Agent Platform. Il n’utilise pas l’API GenerateContent habituelle et ne propose ni appel de fonction, ni exécution de code, ni navigation web. Il s’agit donc d’un outil spécialisé dans la création vidéo, pas d’un agent généraliste.
Google cible les chaînes de production vidéo
Artlist, FLORA, Invideo, Krea, Picsart, Photoroom, QuickFrame et Runway figurent parmi les premiers utilisateurs cités par Google. L’enjeu est de générer rapidement des brouillons, de ne conserver que les meilleures variantes, puis de les agrandir jusqu’en 4K. Pour un catalogue marchand, une image produit peut ainsi devenir un clip court ou une publicité complète.
Les limites techniques restent nettes. Une génération ne dépasse pas quinze secondes et le montage porte au maximum sur quinze secondes d’entrée. L’extension peut partir d’une vidéo plus longue, mais elle ne considère que ses dix dernières secondes. Ces contraintes orientent le modèle vers des plans courts assemblés ensuite dans un outil de montage.
La disponibilité générale apporte des options de débit provisionné, des quotas fixes et une facturation à l’usage. Elle transforme surtout l’annonce initiale en service exploitable avec les garanties d’infrastructure de Google Cloud. Les entreprises devront encore mesurer la fidélité des produits, la stabilité des voix et le coût réel des itérations avant d’automatiser une chaîne créative complète.
