Para los equipos que hacen anuncios de vídeo cortos o clips de producto, el coste del vídeo con IA viene de dos sitios: el precio por segundo y las veces que hay que regenerar un clip porque un detalle salió mal. Gemini Omni 1.2 Flash de Google, ya disponible de forma general en la API de Gemini y en Gemini for business, ataca ambos.
Los cambios principales son la duración y el precio. Los clips pueden durar ahora hasta 15 segundos, frente a 10 segundos en Omni 1.1, y la duración se puede fijar en pasos de un segundo entre 3 y 15. Google ha rebajado el precio un 30% respecto a Omni 1.1, hasta 0,07 $ por segundo en 720p. El flujo de trabajo propuesto es hacer borradores baratos en 360p o 720p, corregir detalles con ediciones posteriores y solo después escalar la mejor versión a 1080p o 4K.
La edición en varios turnos es la función que cambia la factura. En lugar de empezar de nuevo, puedes pedir en una conversación que se cambie un producto o un fondo, la iluminación o el tiempo, o la relación de aspecto, sobre un clip completo de 15 segundos, lo que abarata mucho producir variantes para distintos públicos. Google también afirma que respeta mejor las referencias: se pueden combinar imágenes de personajes, productos o estilos, clips de movimiento de hasta tres segundos y pistas de audio, y caras, prendas, textos de envases y colores de marca deberían mantenerse coherentes entre ángulos de cámara. El diálogo, la sincronía labial y las escenas con varios hablantes serían más naturales, y movimientos de cámara como largos recorridos al estilo dron deberían tener menos saltos indeseados. Los resultados llevan una marca de agua invisible SynthID, y Provisioned Throughput está disponible para clientes empresariales.
Nuestra reseña de Gemini Omni Flash ya lo situaba como la forma más barata de editar un vídeo conversando, aunque no el modelo con mejor imagen, y esta versión resuelve las dos quejas que teníamos sobre 1.1: la duración de los clips y el precio. Según nuestros datos de precios, cuesta unos 0.023 $ por segundo en 360p y 0.209 $ en 4K, dentro de la horquilla de rivales como Runway, de 0,02 $ a 0,21 $ por segundo según la resolución.
Conviene tomar con cuidado las afirmaciones de calidad. Los ejemplos de coherencia y sincronía labial son clips de escaparate de la propia Google, elegidos para lucir. La propia Google dice que sigue trabajando en acción deportiva rápida, cambios rápidos de guion y física compleja, que son los casos en que los modelos de vídeo fallan de forma más visible. Quien lo use para trabajo de marca debería probarlo con su propia fotografía de producto y sus fichas de personajes antes de cambiar, y tener en cuenta que no hay nivel gratuito.