Google a annoncé la disponibilité générale de Gemini Omni 1.2 Flash, la dernière version de son modèle de génération vidéo multimodale. Selon l'annonce officielle de Google, la mise à jour apporte la création vidéo native de 15 secondes, l'édition conversationnelle multi-tours et une meilleure adhésion aux références, tout en réduisant les prix de 30 %. Le modèle est déployé aujourd'hui sur l'API Gemini, Google Cloud, Google Vids et Gemini for business.
Anish Nangia, chef de produit chez Google DeepMind, a présenté cette version dans un article de blog intitulé « Gemini Omni 1.2 Flash : rapide et rentable avec des clips plus longs », le positionnant comme une option prête à la production pour les développeurs et les entreprises générant du contenu vidéo à grande échelle. Pour plus de contexte sur cette histoire, consultez notre actualités IA.
Quoi de neuf dans Gemini Omni 1.2 Flash
La fonctionnalité de titre est une prise en charge native des clips vidéo de 15 secondes, une extension significative par rapport aux versions précédentes de la gamme Omni. Google affirme que le modèle offre également une plus grande cohérence entre les images, ce qui est important pour les projets professionnels où la continuité entre les prises de vue peut faire ou défaire le résultat final.
Le deuxième ajout majeur est l’édition conversationnelle multi-tours. Au lieu de régénérer un clip à partir de zéro lorsqu'un détail est erroné, les développeurs et les créateurs peuvent désormais affiner les vidéos grâce à une séquence d'instructions conversationnelles. Google affirme que cela permet des ajustements plus rapides sans recommencer, ce qui devrait réduire à la fois le temps d'itération et les coûts de jetons pour les équipes produisant des vidéos en volume.
Google a également amélioré ce qu'il appelle l'adhésion aux références, c'est-à-dire la capacité du modèle à s'en tenir aux références visuelles et aux instructions fournies par un utilisateur. Concrètement, cela signifie que les personnages, les styles et les éléments de scène guidés par une image ou une description de référence doivent rester plus fidèles tout au long du clip généré.
Les prix baissent de 30 %
Le coût a été l’un des principaux obstacles à l’utilisation en production de la génération vidéo IA, et Google s’y attaque directement. La société a réduit le prix du Gemini Omni 1.2 Flash de 30 % par rapport à la version précédente, présentant le modèle comme une option rentable pour la production vidéo à grand volume.
La baisse des prix intervient alors que la concurrence dans la production multimodale s’intensifie. OpenAI, Meta et une vague de startups se sont tous lancés dans la vidéo IA au cours de l'année écoulée, et les développeurs choisissent de plus en plus de modèles basés sur le coût par clip autant que sur la qualité brute. La décision de Google d'associer des clips plus longs à des prix inférieurs suggère qu'il souhaite que Gemini Omni soit le choix par défaut pour les charges de travail commerciales plutôt que pour de simples expériences.
Où les développeurs peuvent l'utiliser
Gemini Omni 1.2 Flash est généralement disponible, ce qui, selon Google, signifie qu'il est prêt pour les besoins de production plutôt que pour un aperçu expérimental. Les développeurs peuvent y accéder via l'API Gemini et Google Cloud, tandis que les utilisateurs professionnels peuvent l'utiliser dans Google Vids et Gemini for business pour produire du contenu vidéo pour les flux de marketing, de formation et de communication.
Cette répartition est importante. L'intégration du modèle directement dans des outils adjacents à Workspace tels que Google Vids donne à Google un canal vers les entreprises clientes que les startups de génération vidéo pure doivent se battre pour un contrat à la fois.
La cadence rapide de la ligne Omni
Gemini Omni 1.2 Flash arrive environ dix semaines après que Google a introduit Gemini Omni 1.1 Flash fin août, et environ cinq mois et demi après le lancement du Gemini Omni original en mai. La cadence régulière des mises à jour environ trimestrielles reflète la rapidité avec laquelle Google itère désormais ses familles de modèles frontières, les variantes Flash étant positionnées comme le niveau rapide et abordable de chaque génération.
La version a immédiatement attiré l'attention de la communauté des développeurs. Le lancement a dominé Hacker News vendredi matin, accumulant plus de 170 points et plus de 130 commentaires en quelques heures, avec des discussions axées sur les prix, la limite de 15 secondes et la façon dont le flux de travail d'édition du modèle se compare aux alternatives.
Ce que cela signifie pour le marché de la vidéo IA
La mise à jour arrive à un moment turbulent pour les entreprises d’IA. La liquidation boursière de cette semaine, déclenchée en partie par les inquiétudes des investisseurs concernant la monétisation de l'IA, a mis tous les grands laboratoires sous pression pour montrer que la recherche de pointe se traduit par des revenus. La génération vidéo moins chère et plus rapide est une réponse directe à cette question : des prix plus bas élargissent la clientèle et le statut de prêt à la production appelle des budgets d'entreprise que les outils en phase d'expérimentation ne voient jamais.
Pour les développeurs, les conclusions pratiques sont simples. Si les charges de travail de génération vidéo étaient auparavant limitées par la longueur du clip, le prix ou la difficulté de régénérer la sortie après chaque modification, Gemini Omni 1.2 Flash supprime aujourd'hui au moins deux de ces trois points de friction. La question de savoir si les concurrents réagiront par des baisses de prix correspondantes – comme ils l'ont fait après les versions précédentes de Gemini Flash – sera l'une des histoires à surveiller dans les semaines à venir.
Les améliorations de cohérence méritent une attention particulière de la part des équipes qui ont essayé des modèles vidéo antérieurs et sont reparties. L'annonce de Google cible spécifiquement les "projets professionnels", reconnaissant que la cohérence image par image - des personnages qui se ressemblent d'une prise de vue à l'autre, un éclairage qui ne change pas au milieu de la scène - est ce qui sépare une démo du contenu livrable. Combiné avec l'édition conversationnelle, le flux de travail décrit par Google ressemble moins à une machine à sous qui régénère les clips qu'à un outil de conception itérative.
Google affirme que les développeurs peuvent commencer à utiliser les nouvelles fonctionnalités immédiatement via l'API Gemini, Google Vids et Gemini for business.
---
Restez à la Pointe de l'IALes dernières actualités, analyses et percées en IA — au même endroit.
Lire plus d'actualités IA →
