Actualidad

Google lanza Gemini Omni 1.2 Flash: vídeos de hasta 15 segundos y edición más precisa

Gemini Omni 1.2 Flash amplía la generación de vídeo a 15 segundos y abarata el coste por segundo respecto a versiones previas, destacando en gráficos y edición.

La generación de vídeo mediante inteligencia artificial continúa ajustando su formato a las necesidades de la creación de contenido digital. Con la llegada de Gemini Omni 1.2 Flash, el modelo de vídeo desarrollado por Google amplía su duración máxima de diez a quince segundos en una sola petición. Esta extensión coincide con la duración habitual de los anuncios breves y las publicaciones en plataformas como Instagram Reels o YouTube Shorts, evitando tener que unir fragmentos independientes en herramientas de montaje externas.

Aunque en el momento de su despliegue inicial Google no publicó una hoja técnica detallada, las pruebas documentadas en plataformas de computación como Segmind permiten observar los cambios de capacidad, las tarifas de uso y las limitaciones prácticas del sistema.

Clips de hasta 15 segundos y rebaja de costes

El cambio más visible en Gemini Omni 1.2 Flash respecto a la versión 1.1 es el límite de tiempo. En las modalidades de texto a vídeo y de animación a partir de una única imagen inicial, el sistema ahora admite duraciones de entre 3 y 15 segundos. Asimismo, su herramienta de edición es capaz de procesar un archivo fuente de 15 segundos y devolver una modificación con esa misma duración sin recortar el metraje.

Junto a la duración, las pruebas de consumo reflejan una reducción en el coste de procesamiento. La facturación registrada en resolución estándar de 720p se situó en torno a los 0,074 dólares por segundo de vídeo generado, lo que representa una rebaja aproximada del 30,7 % en comparación con la versión 1.1 para un clip de 10 segundos. Las salidas incluyen sonido estéreo nativo sin coste adicional e incorporan marcas de agua digitales de procedencia técnica mediante SynthID y C2PA.

No todas las funciones alcanzan los quince segundos. Cuando se configuran un fotograma inicial y uno final para guiar la animación, o cuando se emplean imágenes de referencia para fijar la identidad de una persona o producto, el límite máximo se mantiene en diez segundos.

Precisión en gráficos y edición sobre metraje real

En las evaluaciones prácticas, el modelo destaca especialmente por su fidelidad al texto y al diseño esquemático. Muestra solidez en animaciones explicativas en dos dimensiones, diagramas de flujo y tipografía en movimiento, logrando transcribir palabras exactas sin deformaciones visuales frecuentes.

En tareas de modificación sobre vídeos preexistentes, el sistema permite realizar alteraciones concretas manteniendo el resto de la escena intacto. Por ejemplo, cambiar el color del calzado de un corredor en un anuncio o modificar el vestuario de una persona sin alterar la iluminación, los movimientos corporales ni los cortes de plano originales. Esto facilita crear variantes publicitarias de forma directa sin repetir grabaciones completas.

Dónde tropieza el modelo frente a otras alternativas

El modelo no ofrece el mismo rendimiento en todos los terrenos. En escenas complejas con personas hiperrealistas creadas desde cero, los rostros y los movimientos corporales aún muestran menor naturalidad que alternativas especializadas como Seedance. Además, en planos abiertos, las caras de las personas situadas en el fondo tienden a perder nitidez.

El sistema también presenta dificultades al intentar representar datos numéricos en gráficos si no cuenta con una imagen final de referencia, y ocasionalmente pasa por alto instrucciones secundarias relativas al fondo o al movimiento de la cámara. Las marcas comerciales reales en los vídeos de origen suelen activar filtros de protección de derechos que impiden ciertas modificaciones, y algunas opciones avanzadas de refinamiento conversacional continuaban desactivadas durante las primeras horas de disponibilidad.

Qué significa para los flujos de trabajo cotidianos

Para pequeñas empresas y agencias de comunicación, disponer de clips de quince segundos reduce la complejidad técnica y el tiempo necesario para maquetar bocetos de anuncios o material didáctico. La posibilidad de previsualizar ideas a resoluciones bajas antes de procesar el archivo final en alta definición permite optimizar los gastos.

Por el momento, el acceso a Gemini Omni 1.2 Flash se canaliza a través de interfaces de programación (API) y plataformas para desarrolladores. Queda por ver cuándo y cómo se integrarán estas funciones de manera directa en los servicios comerciales y de consumo habituales de Google.

Fuentes para ampliar

Preguntas frecuentes

¿Cuál es la duración máxima que permite Gemini Omni 1.2 Flash?

Permite generar vídeos de hasta 15 segundos a partir de texto o de una sola imagen, y editar clips de esa misma duración. Sin embargo, los modos que usan imágenes de referencia o fotogramas de inicio y fin combinados continúan limitados a 10 segundos.

¿Cuánto cuesta generar vídeo con este modelo?

Según los registros de uso en resolución 720p, el precio ronda los 0,074 dólares por segundo de vídeo, lo que supone una rebaja de alrededor del 30 % frente a la versión anterior.

¿Sirve para crear vídeos cinematográficos con personas fotorrealistas?

Su rendimiento es más débil en fotorrealismo humano y cinemática compleja generada desde cero; las pruebas señalan que es más eficaz en gráficos, esquemas, texto animado y modificaciones de vestuario sobre vídeos reales.