Google DeepMind lanzó Gemini Omni 1.2 Flash el 5 de noviembre de 2026, con clips nativos de hasta 15 segundos, edición conversacional multi-turno y un precio de 0,07 dólares por segundo en 720p, un 30% menos que la versión anterior. El modelo está disponible en la Gemini API, Google Cloud, Google Vids y Gemini for business. No hay benchmarks públicos de calidad, pero sí una mejora clara en la consistencia de referencias y en el audio.

Esa es la propuesta de Gemini Omni 1.2 Flash. No es un modelo nuevo desde cero; es una actualización de producción que corrige las dos limitaciones que más frenaban a los creadores: la duración y el coste de iteración.

La IA - Inteligencia Audiovisual encuentra en esta actualización un ejemplo de cómo la eficiencia se convierte en una forma de control creativo. Si corregir un detalle cuesta una fracción de lo que costaba antes, el creador puede permitirse explorar más variantes y tomar decisiones con más información.

La duración nativa sube de 10 a 15 segundos, con la posibilidad de especificar la duración en incrementos de un segundo desde 3 hasta 15. Eso permite construir una escena completa, un explicador de producto o un anuncio social en una sola generación. Para clips más largos, la extensión por turnos permite añadir de 3 a 10 segundos por turno hasta un total de 30 segundos.

La consistencia de referencias mejora de forma notable. El modelo acepta hasta 6 imágenes de referencia y hasta 3 vídeos de referencia de 3 segundos para clips de hasta 10 segundos, o 1 vídeo para clips de 11 a 15 segundos. La adherencia a esas referencias es más fuerte que en la versión anterior: rostros, prendas, tipografías de packaging y colores de marca se mantienen estables aunque la cámara cambie de ángulo. Es la diferencia entre un modelo que "se inspira" en una imagen y uno que la respeta.

El audio también mejora. El modelo genera diálogo, música y efectos de sonido de forma nativa, con sincronización labial más clara y condicionamiento multi-hablante. No es audio de estudio, pero es suficiente para borradores avanzados y para piezas de redes sociales. La edición conversacional permite refinar el mismo clip turno a turno: cambiar un producto, ajustar la iluminación, modificar el ángulo de cámara o alternar entre 16:9 y 9:16 sin volver a empezar.

La tabla de precios es uno de los argumentos más sólidos del lanzamiento. En 720p, el segundo cuesta 0,07 dólares, lo que equivale a 1,05 dólares por un clip de 15 segundos. En 360p el precio baja a 0,023 dólares por segundo, y en 1080p sube a 0,104. La salida de vídeo se factura a 12,00 dólares por millón de tokens, frente a los 17,50 de la versión anterior.

La lógica de producción que propone Google es un flujo en tres pasos: borrador rápido en 360p o 720p, corrección de un detalle con una edición conversacional en lugar de regenerar todo el clip, y escalado de la mejor toma a 1080p o 4K. Ese flujo reduce el coste real por pieza terminada porque evita pagar por generar de nuevo lo que ya funcionaba.

Gemini Omni 1.2 Flash está disponible en la Gemini API, en Google Cloud a través de Gemini Enterprise Agent Platform, en Flow, en Google Vids y en la app Gemini para suscriptores de Google AI Ultra. También llegará a Gemini for business. La integración en Google Vids es especialmente relevante para equipos que ya trabajan con Workspace: permite generar clips de 15 segundos sin coste adicional para cuentas de Google o suscripciones de Workspace.

Los socios de lanzamiento han publicado casos de uso concretos. Artlist lo usa para generación basada en referencias y extensión de vídeo con consistencia creativa. FLORA destaca que el modelo edita exactamente lo que se le pide —un color, un fondo— sin tocar el producto, incluso a partir de imágenes detalladas y vídeo terminado. invideo lo probó en sus evaluaciones internas y lo describe como "realmente bueno" para vídeo rápido a escala, con física y sonido que se sienten reales, y señala que "15 segundos significa una escena completa de una vez".

No hay benchmarks independientes publicados. Google no ha compartido comparativas con Seedance, Kling o Veo, y los datos de rendimiento disponibles provienen de la propia compañía o de socios. Eso no significa que el modelo sea malo; significa que cualquier evaluación debe hacerse con pruebas propias antes de integrarlo en un pipeline crítico.

La resolución de 4K es un escalado, no una generación nativa. El modelo genera en 360p, 720p o 1080p y ofrece 4K como upscale. Para pantalla grande o publicidad de alta gama, conviene probar el resultado antes de asumir que sustituye a una captura nativa. La tasa de fotogramas es de 24 FPS, adecuada para estética cinematográfica pero limitada para contenido que requiera 60 FPS.

Las referencias de audio están bloqueadas tras allowlisting, según la documentación de Google Cloud. Eso significa que no todos los usuarios pueden usar audio de referencia desde el primer día. Y el modelo no tiene nivel gratuito en la Gemini API; el acceso es de pago desde el primer token.

Es la disciplina que estudia cómo la visión creativa humana y las herramientas de inteligencia artificial colaboran en la producción de imágenes y sonido. En el caso de Gemini Omni 1.2 Flash, la inteligencia audiovisual se manifiesta en un modelo que genera vídeo y audio de forma conjunta y permite editarlos por turnos, sin separar la imagen del sonido en fases distintas.

No. El modelo no tiene nivel gratuito en la Gemini API y se factura por tokens de entrada y salida. En 720p, el vídeo cuesta aproximadamente 0,07 dólares por segundo, es decir, 1,05 dólares por un clip de 15 segundos. Google Vids ofrece 15 segundos sin coste adicional para cuentas de Google o Workspace, pero no es lo mismo que acceso ilimitado al modelo.

Sí. La edición conversacional multi-turno permite refinar el mismo clip pidiendo cambios concretos: sustituir un producto, cambiar la iluminación o el clima, o modificar la relación de aspecto. El modelo aplica el cambio y conserva el resto de la escena, lo que reduce el coste y el tiempo de iteración.

No necesariamente. Gemini Omni 1.2 Flash compite en el segmento de producción de volumen: anuncios, vídeos de producto, virtual try-ons y contenido para redes. Su ventaja es el precio, la integración con el ecosistema de Google y la edición conversacional. Para planos de máxima calidad cinematográfica, otros modelos siguen siendo referencia. La elección depende del proyecto, no de una jerarquía absoluta.

¿Qué tipo de creador serás cuando el coste de corregir un error sea tan bajo que ya no puedas justificar no corregirlo? La edición conversacional no solo abarata la iteración; cambia la relación con el error. Antes, un fallo en un plano era una pérdida económica. Ahora es una instrucción más. Esa comodidad puede hacerte más exigente y también más dependiente. La pregunta es si usarás esa libertad para explorar hasta encontrar la toma que realmente quieres, o para aceptar la primera que sea suficientemente buena. La IA puede abaratar la corrección. No puede decidir por ti cuándo un plano está terminado.

Gemini Omni 1.2 Flash no es el modelo más espectacular del mercado. Es, probablemente, uno de los más útiles para el trabajo diario. Su valor no está en generar un plano que impresione en una demostración, sino en permitir que un equipo produzca decenas de variantes sin arruinarse y sin perder la coherencia de marca. Para los creadores que trabajan con volumen, esa es una ventaja difícil de ignorar. Para los que trabajan con una sola pieza al año, quizás no cambie nada. La herramienta está disponible desde el 5 de noviembre. El siguiente paso es probarla con un proyecto real y decidir si merece un lugar en tu flujo de trabajo.

Encuentra las especificaciones completas, los precios por resolución y las notas de disponibilidad en el anuncio oficial de Google DeepMind: https://blog.google/innovation-and-ai/technology/developers-tools/introducing-gemini-omni-1-2-flash/