Gemini Omni 1.2 Flash: Google снизила цену видеогенерации до $0,07 за секунду
Google DeepMind выпустила Gemini Omni 1.2 Flash — новую версию модели для генерации и редактирования видео. Главным изменением в релизе стало не только улучшение качества изображения: семейство Omni впервые получило статус general availability, а также поддержку Provisioned Throughput для более предсказуемой работы API.
Стоимость генерации видео в разрешении 720p составила $0,07 за секунду. Это примерно на 30% ниже цены предыдущей версии, Gemini Omni 1.1 Flash, которая находилась в статусе preview и стоила около $0,10 за секунду. Максимальная продолжительность клипа также выросла с 10 до 15 секунд.
Новые условия работы и тарификация
Gemini Omni 1.2 Flash позволяет создавать ролики длительностью от 3 до 15 секунд с шагом в одну секунду. 15-секундный клип в 720p обходится примерно в $1,05, а минута готового видео — около $4,20. Для команд, которые тестируют десятки рекламных вариантов, снижение по сравнению с прежней стоимостью примерно в $6 за минуту может заметно повлиять на бюджет.
В API расчёт ведётся через токены. Выходные данные тарифицируются по ставке $12 за миллион токенов, при этом одна секунда видео в 720p соответствует 5792 токенам. Входные данные — текст, изображения и видео — стоят $1,50 за миллион токенов. Бесплатного уровня у модели нет.
С 3 декабря запросы к Gemini Omni 1.1 Flash должны автоматически переводиться на версию 1.2 и новые тарифы. Пользователям, которые уже встроили модель в собственные пайплайны, не потребуется менять идентификатор или переписывать интеграцию.
Возможности модели и ограничения
На вход Gemini Omni 1.2 Flash принимает текстовые инструкции, изображения персонажей, продуктов и референсы стиля, короткие видеофрагменты длительностью до трёх секунд, а также аудиоподсказки. Google заявляет о более стабильном сохранении объектов от первого до последнего кадра, улучшенном липсинке для сцен с несколькими говорящими и меньшем числе случайных склеек при сложных движениях камеры, включая FPV-съёмку и облёт объектов.
Сгенерированный ролик можно редактировать в диалоге: менять продукт, фон, освещение, погоду или соотношение сторон без полной перегенерации. При этом модель по-прежнему испытывает трудности с быстрыми спортивными сценами, резкой сменой сценария и сложной физикой. Полноценная поддержка API сейчас заявлена только для английского языка.
Что известно о качестве и применении
Доступные сравнения качества представлены самой Google. В тестах DeepMind версия 1.2 выиграла у 1.1 в 62% случаев по визуальной консистентности и в 63% — по сохранению идентичности при использовании нескольких референсов. Открытых количественных бенчмарков и независимых замеров на момент релиза опубликовано не было, поэтому эти показатели стоит рассматривать как результаты внутреннего сравнения производителя.
Google Cloud уже называет среди партнёров Runway, Krea, Picsart и QuickFrame. Picsart планирует предоставить модель аудитории из 100 млн авторов, а QuickFrame использует её для создания 15-секундных рекламных роликов для Smart TV с генерацией в 1080p за один проход. Такой сценарий соответствует распространённому формату рекламного видео.
Релиз показывает, что Google делает ставку на видеогенерацию как на инфраструктурный сервис с понятными тарифами и гарантируемой доступностью, а не только на максимальное качество картинки. При цене $0,07 за секунду собственная GPU-инфраструктура может быть выгоднее лишь при очень больших объёмах генерации или в проектах, где данные нельзя передавать во внешний API.
