- Blog
- Gemini Omni 1.2 Flash: 15 segundos por US$ 1,05 e o fim da roleta de regerações | Fanch AI
Gemini Omni 1.2 Flash: 15 segundos por US$ 1,05 e o fim da roleta de regerações | Fanch AI

O Gemini Omni 1.2 Flash já está disponível de forma geral (GA) na API do Gemini e no plano corporativo Gemini for business. Os números divulgados são diretos: clipes nativos de 15 segundos e um valor de US$ 0,07 por segundo em 720p, o que representa uma redução de 30% em relação ao Omni 1.1.
Ambos são avanços concretos no Gemini Omni 1.2 Flash. Contudo, nenhum dos dois é o motivo principal para prestar atenção a este lançamento.
O verdadeiro divisor de águas no Gemini Omni 1.2 Flash é que alterar um detalhe visual não exige mais gerar o clipe inteiro do zero. O Gemini Omni 1.2 Flash passa a suportar edição conversacional multiturno (Multi-turn conversational editing) em clipes completos de 15 segundos: substituir o produto em cena, modificar a iluminação ou alterar a proporção de tela por meio de comandos de texto em sequência. Isso transforma a geração de vídeo de uma aposta repetitiva (re-rolls) em um processo iterativo sobre rascunho, alterando a estrutura de custos muito mais do que a simples redução do preço por segundo.
O que o Gemini Omni 1.2 Flash trouxe de novo
Geração nativa de 15 segundos: superando os 10 segundos da versão anterior, com duração ajustável em intervalos de um segundo entre 3 e 15.
Edição conversacional multiturno em toda a extensão dos 15 segundos do clipe.
Aderência aprimorada a referências visuais: suporte integrado a imagens de personagens, produtos ou estilos, vídeos curtos de movimento de até três segundos e comandos de áudio. O Google afirma expressamente que rostos, roupas, tipografia de embalagens e cores institucionais permanecem consistentes mesmo durante giros de câmera.
Diálogos claros com múltiplos locutores: separação de voz aprimorada (Voice conditioning), garantindo que cada amostra de áudio seja vinculada com precisão ao personagem correto na tela, com sincronia labial (Lip-sync) nítida.
Controle de câmera mais suave: movimentos fluidos em primeira pessoa (FPV), recuos (Zoom-out) e órbitas com redução expressiva de cortes bruscos acidentais (Jump cuts).
Infraestrutura pronta para uso corporativo: operação global sobre a nuvem do Google Cloud, com capacidade de vazão provisionada (Provisioned Throughput) e aplicação da marca d'água invisível SynthID nos arquivos gerados.
Preço competitivo, modelo de custo transformador
A descrição oficial do Google sobre o fluxo de trabalho detalha a principal mudança metodológica:
crie rascunhos rápidos em 360p ou 720p, ajuste detalhes por meio de comandos complementares de edição em vez de regerar o vídeo inteiro, e depois aplique o upscaling para 1080p ou 4K nas suas melhores criações.
Trata-se de um pipeline em três fases projetado para eliminar os desperdícios típicos da produção de vídeo generativo:
Rascunhos econômicos: a resolução 360p existe para permitir a exploração de enquadramentos e ideias sem gastar orçamento em renderização final de pixels.
Editar em vez de gerar tudo de novo: este é o grande avanço. No formato antigo, um único elemento indesejado obrigava a pagar por outro clipe completo a preço cheio, com o risco de a nova tentativa danificar algo que havia ficado bom na versão anterior. Com o Gemini Omni 1.2 Flash, você altera o detalhe necessário e preserva o restante do arquivo intacto.
Upscaling focado apenas nos materiais aprovados: você investe na renderização em alta resolução uma única vez, na etapa final, sobre o material que já foi testado e aprovado.
O preço por segundo do Gemini Omni 1.2 Flash é o dado mais básico dessa equação, pois representa apenas uma redução linear. As outras duas melhorias reduzem o volume absoluto de vídeos que você precisa gerar para chegar ao resultado final.
Fazendo as contas na prática
A conversão das tarifas é simples.
No Gemini Omni 1.2 Flash, um clipe de 15 segundos em 720p custa US$ 1,05. Um minuto de vídeo finalizado sai por US$ 4,20.
Comparando com o mercado: o Seedance 2.5 tem custo de tabela equivalente a cerca de US$ 0,10 por segundo para um clipe de 5 segundos em 480p. Em valores nominais, o Gemini Omni 1.2 Flash a 0,07 dólar por segundo oferece resolução superior (720p nativo) por um custo unitário menor.
Agora, adicione o custo das repetições e descartes (Re-roll factor). Considere a rotina tradicional: você gera dez variações de 15 segundos e precisa descartar quatro por deformações nas mãos, logos incorretos ou falhas no vestuário. O gasto real foi de US$ 14,70, com grande parte do material indo direto para a lixeira.
Com o Gemini Omni 1.2 Flash, essas quatro falhas pontuais podem ser corrigidas com quatro edições simples — ajustando uma mão, acertando um logotipo ou redefinindo um tecido —, aproveitando a base que você já pagou. A economia real não é apenas o desconto de 30% na tabela: ela corresponde a toda a verba que antes era desperdiçada em testes frustrados.
Para estúdios e criadores que produzem em escala — como uma série vertical de 60 episódios —, o impacto é massivo. Sessenta episódios de 15 segundos somam 900 segundos, o que representa cerca de US$ 63 de geração básica em 720p. A variável que realmente dita o orçamento final não são esses 63 dólares: é quantas vezes você precisa pagar para refazer tomadas inteiras.

A edição multiturno é o verdadeiro divisor de águas
Os vídeos de demonstração da empresa tornam essa transição clara.
Um exemplo pega uma tomada já gerada e troca o cenário turno a turno — um pavilhão listrado, uma floresta, um estábulo com cavalo branco, uma feira medieval, um castelo de pedra — mantendo rigorosamente a atuação dos personagens, a iluminação nas armaduras e o ângulo da câmera.
Outro caso começa com o movimento ondulante de um polvo e, no comando seguinte, substitui o animal por uma dançarina cujo vestido reproduz exatamente a mesma dinâmica fluida de movimento.
Esse modelo de direção representa o núcleo da proposta do Gemini Omni 1.2 Flash. O usuário deixa de depender da seleção de amostras aleatórias para dirigir um único ativo ao longo de sucessivas etapas, gerando variações de campanha como pequenas edições pontuais em vez de novas gerações faturadas pelo valor total.
Essa evolução reflete no vídeo o que já se consolidou nas imagens estáticas: a precisão da edição local, e não a geração bruta, tornou-se o diferencial competitivo definitivo.
O uso de referências visuais vira o padrão de trabalho
A aplicação de maior apelo comercial imediato é o respeito aos arquivos de referência, com foco em provadores virtuais (Virtual try-on).
Ao combinar o retrato de um modelo com fotos de produto (frente e verso) de três peças de roupa, o Gemini Omni 1.2 Flash sintetiza uma sequência de 15 segundos com rotações de 360 graus e cortes raccord, mantendo a identidade visual do modelo e a modelagem, caimento e acabamento traseiro de cada peça.
Se essa capacidade se sustentar no dia a dia, o ganho de eficiência é imediato: o catálogo de fotos de e-commerce pode ser transformado em vídeos promocionais sem necessidade de agendar novas diárias de estúdio.
Os aspectos práticos a serem conferidos na rotina de trabalho são objetivos: se a tipografia de uma embalagem permanece legível durante movimentos rápidos e se as cores de marca não se desviam após enquadramentos complexos.

Diálogos com múltiplos personagens: o avanço discreto
A sincronia labial básica em cenas individuais tornou-se padrão de mercado. O condicionamento sonoro independente para diferentes interlocutores, por outro lado, era uma barreira que o Gemini Omni 1.2 Flash agora endereça.
O Google informa que o sistema distribui cada amostra de voz para o respectivo personagem visual a partir de uma foto de cena, referências faciais e um segundo de áudio de amostra, mantendo a cadência dramática ao longo dos 15 segundos. A tecnologia já está integrada ao Flow, ao Gemini for business e ao Google Vids.
Para vídeos tutoriais, treinamentos institucionais ou qualquer cena com duas pessoas dialogando, esse recurso soluciona um dos principais motivos que levavam empresas a evitar o vídeo generativo.
Pontos que exigem cautela
Quatro ressalvas para manter os pés no chão:
O material divulgado reflete os melhores resultados do Google. Todas as demonstrações apresentadas (o voo FPV pelo Pantheon sem falhas de quadro, legendas com tracking estável, o provador virtual) foram selecionadas criteriosamente pela própria empresa.
O valor de US$ 0,07 aplica-se a 720p. Exportações em 1080p e 4K dependem de upscaling posterior, processo que adiciona custos e prazos próprios. A tarifa destacada cobre a etapa intermediária, não o produto final de entrega.
15 segundos é a duração nativa, não infinita. Criar planos mais longos requer extensões de vídeo, fase em que historicamente reaparecem perdas de coerência e deformações.
Ainda não há benchmarks independentes. Avaliações rigorosas sobre fidelidade de referências e controle de artefatos exigem testes de terceiros com conjuntos padronizados de prompts, o que ainda não ocorreu.
O que testar na prática
Quatro avaliações recomendadas para validar o modelo:
Um plano focado em produto com exigência de marca: o logotipo se mantém estável durante uma rotação de 360 graus?
Uma cena de diálogo entre duas pessoas: cada voz permanece vinculada ao personagem correto após o corte de plano?
Uma cadeia de edições sucessivas: selecione um bom clipe e aplique cinco alterações consecutivas. Observe se a nitidez das texturas se degrada a cada etapa.
Uma tomada contínua de 15 segundos: confira pessoalmente se ocorrem cortes de salto (jump cuts) indesejados ao longo do movimento.
Um prompt para testar o modelo
A fidelidade a referências é avaliada com maior rigor em objetos que contenham detalhes visuais específicos que a IA não consiga substituir por clichês genéricos:
Copie e cole no Fanch AI (Modelo: gpt_image_2):
A clean studio product photograph of a rectangular matte-black aluminium beverage can standing on a pale sand plinth against a seamless warm grey backdrop: subtle brushed metal texture on the body, a plain unmarked label band in deep teal wrapping the middle, condensation-free clean surface, soft directional studio light from the left with a gentle contact shadow. Precise edge definition, fine detail in the metal grain, 16:9 framing, 8K detail, no people, no brand logos, no text overlay.
Utilize essa imagem estática como referência visual no Gemini Omni 1.2 Flash e observe se a faixa verde-azulada mantém exatamente a mesma tonalidade e proporção após uma órbita de câmera. Esse é o teste que determina a prontidão do modelo para a produção real.
Como o Fanch AI se encaixa nesse fluxo
O Gemini Omni 1.2 Flash consolida a imagem de referência como a base de todo o processo de vídeo: guias de personagens, fotografias de produto e orientações de estilo. Isso significa que a imagem estática inicial define a estabilidade de toda a cena em movimento, sendo a etapa mais acessível e econômica de acertar em todo o pipeline.
O Fanch AI disponibiliza um modelo de imagem dedicado que responde com fidelidade a prompts detalhados, permitindo criar imagens de referência nítidas e consistentes antes de investir em segundos de computação de vídeo.
