Google lança Gemini Omni 1.2 Flash para gerar vídeos por IA

Tecnologia

Novo modelo da Google Deepmind permite criação e edição de vídeos curtos com alta qualidade e custo reduzido.

Leia também: Claude AI lança hub financeiro que analisa gastos reais nos EUA

O Google Deepmind lançou nesta semana o Gemini Omni 1.2 Flash, novo modelo de geração de vídeo por inteligência artificial que amplia a duração dos clipes para até 15 segundos, melhora a qualidade visual e sonora e reduz em 30% o preço do serviço, que passa a custar US$ 0,07 por segundo para vídeos em 720p.

Modelo chega a mais produtos e corta custo em 30%

O Gemini Omni 1.2 Flash já está disponível pela Gemini API, no Google AI Studio, no Google Cloud Console, no Flow, no Google Vids, no app Gemini para assinantes do Google AI Ultra e também no Google Ads, integrando a oferta de IA generativa ao ecossistema de nuvem, produtividade e publicidade da empresa.

Os clipes agora podem ter entre 3 e 15 segundos, um aumento de 50% em relação ao limite anterior de 10 segundos, o que abre espaço para sequências com mais narrativa e variações de cena. Ao mesmo tempo, o preço por geração cai para US$ 0,07 por segundo em 720p, movimento que mira a adoção em escala por agências de publicidade, criadores de conteúdo e pequenas e médias empresas.

Segundo o Google Deepmind, a redução de custo se apoia em um fluxo de trabalho em camadas: primeiro são gerados rascunhos em 360p ou 720p, depois o usuário ajusta detalhes e, só então, o resultado final é produzido em 1080p ou 4K.

O que é a edição conversacional do Gemini Omni 1.2 Flash?

A edição conversacional é o principal diferencial do novo modelo. O recurso permite que o usuário vá refinando o vídeo por meio de instruções sucessivas, sem precisar recomeçar do zero a cada mudança.

“Conversational Editing permite ajustar o fundo, iluminação ou proporção sem regenerar o clipe inteiro”, afirma o Google Deepmind. A ferramenta funciona ao longo de toda a duração de 15 segundos, possibilitando uma espécie de timeline guiada por texto, em que o criador pede, por exemplo, para escurecer o ambiente, mudar o cenário ou adaptar o formato para redes sociais verticais.

Na prática, essa abordagem diminui o número de re-renderizações completas, reduz o gasto computacional e acelera a criação de variantes de um mesmo vídeo para diferentes campanhas e plataformas.

Entenda o contexto

Com o avanço da IA generativa em imagem e texto, os modelos de vídeo se tornaram a próxima fronteira de disputa entre grandes empresas de tecnologia. A aposta do Google Deepmind com o Gemini Omni 1.2 Flash é combinar velocidade, controle fino de edição e custo mais baixo para atender desde grandes anunciantes até pequenos negócios que precisam produzir material audiovisual com poucos recursos.

Ao permitir que um rascunho em baixa resolução seja rapidamente revisado, e só depois refinado em alta definição, o modelo tenta equilibrar qualidade e orçamento em um cenário em que a demanda por vídeos personalizados cresce em redes sociais, e-commerce e entretenimento.

Fidelidade a referências e uso em campanhas de marca

Outra frente de avanço é a capacidade do modelo de seguir referências visuais e sonoras com mais precisão. O Gemini Omni 1.2 Flash aceita como entrada imagens de personagens, fotos de produtos, clipes curtos de até 3 segundos e sinais de áudio para guiar o resultado final.

“O modelo mantém consistência em rostos, roupas, tipografia e cores de marca em diferentes ângulos”, diz o Google Deepmind. Isso é crucial para setores que trabalham com identidade visual rígida, como marcas de moda, varejistas e fabricantes de bens de consumo, que precisam preservar logotipos, cores e embalagens em qualquer enquadramento.

Um dos exemplos demonstrados é um vídeo de prova virtual de roupas: a partir de uma única foto de modelo e imagens de três peças diferentes, o sistema gera uma sequência de 15 segundos com rotações de 360 graus, mantendo o rosto do modelo, o caimento das roupas e os detalhes de cada tecido.

O Google afirma ainda que o novo modelo reduz distorções típicas de vídeos por IA, como deformações em movimentos rápidos ou “metamorfoses” de objetos e pessoas durante transições de câmera.

Diálogos, movimento de câmera e áudio mais naturais

O Gemini Omni 1.2 Flash também mira produções com fala e cenas mais complexas. O modelo promete diálogos mais fluidos e naturais, com sincronização labial mais precisa e capacidade de diferenciar múltiplas vozes em um mesmo clipe.

Na parte visual, o sistema agora lida melhor com movimentos contínuos de câmera, como voos em primeira pessoa que simulam drones e zooms dramáticos, com menos cortes bruscos indesejados. A intenção é aproximar o resultado de um vídeo produzido com técnicas profissionais de filmagem, ainda que todo o material seja gerado artificialmente.

Rastreabilidade e impacto no mercado audiovisual

Todos os vídeos criados com o Gemini Omni 1.2 Flash recebem uma marcação imperceptível SynthID, tecnologia que insere um sinal digital no conteúdo para indicar sua origem em IA, sem alterar a experiência de quem assiste.

O recurso atende a uma pressão crescente por transparência e rastreabilidade de conteúdos gerados por inteligência artificial, ponto sensível para anunciantes, plataformas digitais e reguladores. A presença desse tipo de marcação pode influenciar debates sobre direitos autorais, atribuição de autoria e uso responsável de vídeos sintéticos em publicidade, entretenimento e política.

Do lado do mercado, o avanço de modelos como o Gemini Omni 1.2 Flash tende a aumentar a concorrência com produtoras e fornecedores tradicionais de vídeo, que podem ser pressionados a incorporar ferramentas automatizadas mais baratas e rápidas aos seus fluxos de trabalho. Ao mesmo tempo, a acessibilidade de preço e a disponibilidade em produtos como Google Ads e Google Vids devem acelerar a adoção da tecnologia por empresas de todos os portes, reconfigurando a forma como campanhas e conteúdos audiovisuais são planejados e produzidos.