Para equipes que fazem anúncios curtos em vídeo ou clipes de produto, o custo do vídeo com IA vem de dois lugares: o preço por segundo e o número de vezes que é preciso gerar o clipe de novo porque um detalhe saiu errado. O Gemini Omni 1.2 Flash, do Google, agora disponível para todos na Gemini API e no Gemini for business, ataca os dois.
As principais mudanças são duração e preço. Os clipes agora podem ter até 15 segundos, contra 10 segundos no Omni 1.1, e a duração pode ser definida em passos de um segundo entre 3 e 15. O Google cortou o preço em 30% em relação ao Omni 1.1, para US$ 0,07 por segundo em 720p. O fluxo sugerido é fazer rascunhos baratos em 360p ou 720p, corrigir detalhes com edições seguintes e só então ampliar a melhor versão para 1080p ou 4K.
A edição em várias rodadas é o recurso que muda a conta. Em vez de recomeçar, você pode pedir numa conversa para trocar um produto ou o fundo, mudar a luz ou o clima, ou alterar a proporção da tela, num clipe inteiro de 15 segundos, o que barateia muito a produção de variações para públicos diferentes. O Google também diz que o modelo segue melhor as referências: dá para combinar imagens de personagem, produto ou estilo, clipes curtos de movimento de até três segundos e pistas de áudio, e rostos, roupas, textos de embalagem e cores da marca devem se manter consistentes entre ângulos de câmera. Diálogos, sincronia labial e cenas com vários falantes seriam mais naturais, e movimentos de câmera como longos voos no estilo drone devem ter menos cortes indesejados. As saídas levam uma marca d'água invisível SynthID, e o Provisioned Throughput está disponível para clientes empresariais.
Nossa análise do Gemini Omni Flash já o apontava como o jeito mais barato de editar um vídeo conversando, ainda que não seja o modelo de imagem mais bonita, e esta versão resolve as duas queixas que tínhamos do 1.1: duração dos clipes e preço. Pelos nossos dados de preço, ele custa cerca de US$ 0.023 por segundo em 360p e US$ 0.209 em 4K, dentro da faixa de rivais como o Runway, de US$ 0,02 a US$ 0,21 por segundo conforme a resolução.
Trate as promessas de qualidade com cuidado. Os exemplos de consistência e sincronia labial são clipes de vitrine do próprio Google, escolhidos para impressionar. O próprio Google diz que ainda trabalha em ação esportiva rápida, mudanças rápidas de roteiro e física complexa, justamente os casos em que modelos de vídeo falham de forma mais visível. Quem for usá-lo em trabalho de marca deve testá-lo com as próprias fotos de produto e fichas de personagem antes de trocar, e lembrar que não há plano gratuito.