Pour les équipes qui produisent de courtes publicités vidéo ou des clips produit, le coût de la vidéo par IA vient de deux endroits : le prix à la seconde et le nombre de fois où il faut régénérer un clip parce qu'un détail est raté. Gemini Omni 1.2 Flash de Google, désormais disponible pour tous dans l'API Gemini et Gemini for business, s'attaque aux deux.
Les changements phares portent sur la durée et le prix. Les clips peuvent maintenant durer jusqu'à 15 secondes, contre 10 secondes avec Omni 1.1, et la durée se règle par pas d'une seconde entre 3 et 15. Google a baissé le prix de 30% par rapport à Omni 1.1, à 0,07 $ la seconde en 720p. La méthode conseillée consiste à faire des brouillons bon marché en 360p ou 720p, à corriger les détails par des retouches successives, puis seulement à monter la meilleure version en 1080p ou 4K.
L'édition en plusieurs tours est la fonction qui change la facture. Au lieu de tout recommencer, on peut demander en conversation de remplacer un produit ou un décor, de changer l'éclairage ou la météo, ou de passer à un autre format d'image, sur un clip complet de 15 secondes, ce qui rend bien moins chère la production de variantes pour différents publics. Google affirme aussi mieux respecter les références : on peut combiner des images de personnages, de produits ou de style, de courts clips de mouvement allant jusqu'à trois secondes et des indications audio, et visages, vêtements, textes d'emballage et couleurs de marque doivent rester cohérents d'un angle de caméra à l'autre. Les dialogues, la synchronisation labiale et les scènes à plusieurs voix seraient plus naturels, et des mouvements de caméra comme de longs survols façon drone devraient comporter moins de coupes indésirables. Les sorties portent un filigrane invisible SynthID, et Provisioned Throughput est proposé aux entreprises.
Notre test de Gemini Omni Flash le présentait déjà comme le moyen le moins cher de retoucher une vidéo en conversation, à défaut d'être le modèle le plus beau, et cette version répond aux deux reproches que nous faisions à 1.1 : la durée des clips et le prix. D'après nos relevés, il coûte environ 0 023 $ la seconde en 360p et 0 209 $ en 4K, dans la fourchette de concurrents comme Runway, de 0,02 $ à 0,21 $ la seconde selon la résolution.
Il faut lire les promesses de qualité avec prudence. Les exemples de cohérence et de synchronisation labiale sont des clips de démonstration choisis par Google pour leur rendu. Google reconnaît lui-même travailler encore sur l'action sportive rapide, les changements de script rapides et la physique complexe, précisément les cas où les modèles vidéo échouent le plus visiblement. Quiconque l'utilise pour des contenus de marque devrait le tester avec ses propres photos produit et fiches de personnages avant de changer, en notant qu'il n'existe pas d'offre gratuite.