Google DeepMind ha actualizado Gemini Omni Flash, su modelo rápido de generación y edición de vídeo, con clips de hasta 15 segundos. La versión 1.2 añade cinco segundos al límite anterior y permite elegir duraciones desde tres segundos, ajustables en intervalos de un segundo, el cambio se acompaña de mejoras en la coherencia de personajes, objetos y escenarios. La compañía busca reducir las transformaciones visuales involuntarias durante los movimientos y las transiciones de cámara, uno de los problemas que puede dificultar el uso de una secuencia generada en un montaje.
Editar sobre el mismo vídeo
La edición conversacional permite introducir cambios sucesivos sin empezar de cero, el usuario puede modificar aspectos de una creación y generar variantes a partir del mismo clip, en lugar de repetir todo el proceso cada vez que quiera corregir un detalle. En un flujo de producción, esta forma de trabajar puede facilitar la comparación entre versiones; por ejemplo, conservar una propuesta inicial mientras se prueba otro fondo permite decidir qué opción encaja mejor con el proyecto.
También se amplía el control sobre la cámara, con recorridos aéreos en primera persona, alejamientos y movimientos orbitales, el objetivo es que los desplazamientos resulten continuos y mantengan una escala más estable, con menos cortes no deseados. Para guiar la generación se pueden combinar imágenes de personajes, productos o estilos con clips de movimiento de hasta tres segundos y referencias de audio, Google destaca un mejor seguimiento de detalles como rostros, prendas, tipografías de envases y colores corporativos.
La actualización incluye además mejoras en los diálogos, la sincronización labial y la asignación de voces cuando intervienen varios personajes. Las instrucciones de edición pueden cambiar la iluminación, el clima o la relación de aspecto, además de sustituir un producto o un escenario.
Estas capacidades apuntan a tareas como preparar demostraciones de producto o adaptar una pieza a diferentes formatos, mantener una identidad visual reconocible es especialmente importante cuando varias versiones pertenecen a una misma campaña, un cambio accidental en el envase, el vestuario o el rostro puede obligar a descartar una toma. El desarrollo continúa en áreas como las acciones deportivas rápidas, los cambios bruscos de guion y la física compleja, los vídeos incorporan una marca de agua imperceptible SynthID.
Precio y disponibilidad
Gemini Omni 1.2 Flash está disponible en la API de Gemini y Gemini para empresas, la generación a 720p cuesta 0,07 dólares por segundo, un 30 % menos que con la versión 1.1. A esa tarifa, un clip de 15 segundos supone 1,05 dólares de generación, antes de considerar otras operaciones.
El flujo propuesto permite trabajar primero a 360p o 720p, corregir detalles y escalar después los resultados seleccionados a 1080p o 4K, en términos de producción, separar las pruebas de la entrega final puede ayudar a reservar el trabajo de mayor resolución para las versiones que realmente vayan a utilizarse.
Si (
No(
