Google a mis à disposition de tous les utilisateurs de l'API Gemini et de Gemini pour les entreprises son nouveau modèle de génération de vidéo, Gemini Omni 1.2 Flash. L'outil permet de créer des clips natifs d'une durée maximale de 15 secondes, intègre une édition conversationnelle sur plusieurs tours et améliore le suivi des références visuelles, avec un prix inférieur de 30 % par rapport à sa version précédente.
Mise à jour s'ajoutant au catalogue de produits d'intelligence artificielle générative de l'entreprise, elle intervient alors que les entreprises, startups et créateurs cherchent à produire du contenu audiovisuel à grande échelle sans dépendre des processus d'édition traditionnels.
Qu'est-ce que Gemini Omni 1.2 Flash et comment il réduit les coûts de production vidéo
Gemini Omni 1.2 Flash est la nouvelle version du modèle de génération de vidéo de Google, conçue pour produire des clips d'une durée maximale de 15 secondes avec un coût moindre et une plus grande efficacité dans le flux de travail.
Le système permet d'éditer en basse résolution avant d'investir dans la qualité finale, ce qui réduit les dépenses informatiques pendant la phase d'essais et d'erreurs.
« Nous avons réduit le prix de 30 % par rapport à Gemini Omni 1.1, offrant désormais une vidéo en 720p à seulement 0,07 USD par seconde », indique Google.
L'économie ne provient pas uniquement du coût par seconde. L'entreprise a redessiné le flux de travail pour que les utilisateurs puissent générer et éditer d'abord en 360p ou 720p, corriger des détails spécifiques via une édition ultérieure au lieu de régénérer l'intégralité du clip, et n'appliquer une amélioration de résolution à 1080p ou 4K qu'en dernier lieu sur les séquences déjà validées.
Ce schéma évite que chaque ajustement mineur implique de recréer toute la vidéo depuis zéro, un problème fréquent dans les premières versions des outils de génération audiovisuelle par intelligence artificielle.
Durée des clips et adhérence aux références visuelles
L'un des changements centraux de cette version est l'extension de la durée native des vidéos, qui passe de 10 secondes pour Omni 1.1 à 15 secondes pour Omni 1.2 Flash. Les utilisateurs peuvent spécifier la durée par incréments d'une seconde, de 3 à 15 secondes, selon explique Google.
Cette flexibilité permet la production d'histoires complètes, de vidéos explicatives de produits ou de publicités entières pour les réseaux sociaux en une seule génération, sans besoin d'assembler des fragments séparément.
Le modèle intègre également une meilleure adhérence aux références fournies par l'utilisateur. Il est possible de combiner des images de personnages, de produits ou de styles, des clips de mouvement d'une durée maximale de trois secondes et des signaux audio, et le système conserve ces détails du début à la fin du clip.
Selon les détails fournis par Google, les visages, les vêtements, la typographie des emballages et les couleurs de marque restent cohérents sous différents angles de caméra. Cela facilite la conversion de photographies de produits ou de fiches de personnages existants en clips de test virtuel, présentations de catalogue et publicités vidéo de marque.
Cohérence visuelle et édition conversationnelle en vidéo avec IA
L'entreprise a mis l'accent sur la cohérence des personnages, des objets et des scènes tout au long du clip, du premier à la dernière image. L'objectif est de réduire les écarts visuels ou les transformations inattendues lors des transitions de mouvement et des changements de caméra.
Cette amélioration s'applique que l'on interpole entre une image clé et la dernière ou que l'on étende un clip pour construire une séquence plus longue : produits, personnages, accessoires et environnements restent identiques d'une prise à l'autre.
S'ajoute à cela l'édition conversationnelle multi-tours, qui permet de perfectionner un même clip étape par étape. Il est possible de changer un produit ou le fond, modifier l'éclairage ou la météo, ou ajuster le ratio d'image sans avoir à recommencer la génération depuis zéro.
Cette fonction travaille sur des clips complets de 15 secondes, ce qui simplifie la création de variantes d'une même publicité pour différentes audiences ou localisations géographiques, sans besoin de replanifier ni de générer du nouveau contenu dès le départ.
Dialogues, synchronisation labiale et contrôle cinématographique
Gemini Omni 1.2 Flash améliore également la génération de scènes avec des dialogues. Le modèle produit des conversations plus fluides et naturelles, avec une synchronisation labiale plus précise et un traitement vocal multicanal plus ajusté.
Cette capacité s'applique tant pour diriger des dialogues avec plusieurs personnages dans Flow que pour créer des vidéos explicatives dans Gemini for Business ou des productions avec avatars, musique et narration dans Google Vids.
Dans le domaine cinématographique, l'outil permet de diriger des mouvements de caméra plus complexes et continus, comme des parcours aériens à la première personne, des éloignements dramatiques et des orbites, avec moins de coupures abruptes indésirables et une échelle plus stable.
Google souligne que ces clips de 15 secondes maintiennent la cohérence des références dans les prises longues, les virages et les transitions, même lorsqu'ils sont examinés image par image.
Disponibilité pour les entreprises, les développeurs et les utilisateurs de Google
« Les entreprises, les startups et les créatifs utilisent déjà Gemini Omni 1.2 Flash dans leurs flux de travail. Et pour la première fois, Gemini Omni est disponible pour tous, avec le soutien de l'infrastructure et de la sécurité de niveau entreprise de Google Cloud », indique la compagnie.
Le rendement approvisionné est déjà disponible, et toutes les sorties générées incluent une marque d'eau SynthID imperceptible, destinée à identifier le contenu créé avec intelligence artificielle.
Google a clarifié que le développement se poursuit dans des domaines où le modèle présente encore des limites, comme l'action sportive rapide, les changements de scénario agiles et la représentation de physique complexe. Néanmoins, la compagnie présente Omni 1.2 Flash comme une option conçue pour les entreprises, les développeurs et les créateurs qui ont besoin de produire de la vidéo à grande échelle.
Déploiement atteint déjà tous les produits et plateformes pour les développeurs de l'entreprise. Selon Google, les développeurs utilisant l'API Gemini peuvent créer des prototypes dans Google AI Studio, explorer des applications interactives de démarrage et consulter la documentation technique et tarifaire disponible.
Il convient de noter que les entreprises peuvent tester le modèle sur la console Google Cloud et construire leurs propres solutions avec l'API.
Pour les utilisateurs d'applications Google, la compagnie a activé la possibilité de diriger des scènes et de les éditer plusieurs fois dans Flow, de générer des clips de 15 secondes sans coût supplémentaire dans Google Vids avec un compte Google ou un abonnement Google Workspace, de créer des vidéos de 15 secondes dans l'application Gemini, bientôt disponible pour les abonnés Google AI Ultra, et d'étendre les campagnes vidéo sur Google Ads.