O Gemini Omni Flash 1.2, que o Google escreve como Gemini Omni 1.2 Flash, chegou em 5 de novembro de 2026, dez semanas depois do 1.1. O formato do modelo é o mesmo: vídeo com áudio nativo sincronizado, gerado a partir de texto, imagens ou clipes curtos e refinado com novos prompts. A novidade está nos limites, não num truque inédito. Cada geração chega a quinze segundos, a edição alcança o clipe inteiro e um segundo em 720p custa cerca de 30% menos. Para quem produz Reels, anúncios e vídeos para o feed, isso muda o rendimento de cada tentativa. Aqui os dois ficam lado a lado.
Gemini Omni 1.2 Flash vs 1.1: as quatro mudanças que importam
Quinze segundos em vez de dez. Cada geração agora vai de 3 a 15 segundos inteiros, com dez como padrão, enquanto o 1.1 parava em dez. Dez segundos é um fragmento que quase sempre precisa de extensão para virar cena. Quinze segundos comportam uma aproximação, uma virada e uma chegada, então mais planos cabem numa só passada.
A edição cobre o clipe todo. No 1.2, um novo prompt age sobre os quinze segundos e pode até mudar a proporção de uma versão já aprovada. O corte vertical de um master horizontal vira uma edição, não uma segunda geração.
As referências giram em torno de pessoas. O 1.2 aceita até seis imagens de referência por pedido: três para cada um de até dois personagens. O 1.1 anunciava dez imagens. A referência em vídeo agora depende da duração da saída. Um clipe de 11 a 15 segundos aceita um vídeo de referência de até três segundos, e um clipe de 3 a 10 segundos aceita até três.
O preço caiu. O Google lista o 720p por cerca de US$ 0,07 o segundo, contra aproximadamente US$ 0,10 do 1.1. O rascunho em 360p sai por cerca de US$ 0,023. Um clipe de quinze segundos em 720p fica perto de US$ 1,04.
Especificações lado a lado
| Omni Flash 1.2 | Omni Flash 1.1 | |
|---|---|---|
| Anúncio | 5 de novembro de 2026 | 27 de agosto de 2026 |
| ID do modelo | gemini-omni-1.2-flash | gemini-omni-1.1-flash |
| Clipe por geração | De 3 a 15s, padrão de 10s | De 3 a 10s |
| Extensão | De 3 a 10s por vez, até 30s no total | 10s por vez, até 40s no total |
| Alcance da edição | O clipe inteiro, inclusive a proporção | A mesma tomada |
| Imagens de referência | 6 por pedido, 3 para cada um de até 2 personagens | Até 10 |
| Vídeos de referência | 1 clipe de 3s com saída de 11 a 15s, 3 clipes abaixo disso | Até 3 clipes de 3s |
| Resolução | 360p e 720p nativos, 1080p e 4K por upscale | 360p e 720p nativos, 1080p e 4K por upscale |
| Proporções | 16:9, 9:16 | 16:9, 9:16 |
| Preço do segundo em 720p | Cerca de US$ 0,07 | Cerca de US$ 0,10 |
| Preço do segundo em 360p | Cerca de US$ 0,023 | Não publicado por resolução |
| Áudio | Nativo, lip sync mais nítido, condicionamento para vários falantes | Nativo, diálogo e música numa só passada |
| Entrada de áudio | Sem suporte na API atual | Sem suporte |
| Marca d'água | SynthID | SynthID |
| No Morphic | Ainda não | Disponível no seletor de modelos de vídeo |
Resolução e proporção não mudaram, e vale dizer isso com todas as letras: se o 720p em 16:9 já atendia, nada no formato de saída obriga a trocar de modelo.
O que continua igual
Os dois modelos geram vídeo com som numa só passada e aceitam imagens e clipes curtos como entrada. Também interpolam entre um quadro inicial e um final e continuam refinando a tomada com instruções em linguagem natural. Os dois marcam toda saída com SynthID. Ambos funcionam melhor em inglês para diálogo e texto na tela, e em outros idiomas o resultado é irregular. Nenhum aceita upload de áudio nem edita uma voz pela API.
Os pontos fracos também seguem. O Google cita ação esportiva rápida, roteiros que mudam de direção de repente e física complexa como áreas ainda em desenvolvimento no 1.2. Cenas lotadas continuam sendo o lugar onde os sujeitos rastreados escapam, nos dois modelos. Editar ou estender material que você mesmo enviou não está disponível no EEE, na Suíça e no Reino Unido.
Uma mudança de comportamento quebra prompts antigos: as tags entre colchetes angulares que ligavam uma imagem a uma função foram descontinuadas. Agora o Google pede que você descreva o papel de cada arquivo em linguagem natural.
Qual dos dois usar
Para trabalho novo, o 1.2, e a escolha quase nem é escolha: ele é mais longo, mais barato por segundo e melhor em manter um rosto ou um rótulo durante um movimento de câmera, com os mesmos formatos de saída. Os motivos para ligar para o 1.1 são mais históricos que práticos, já que o Google disse que as chamadas ao 1.1 passam para o 1.2 a partir de 3 de dezembro de 2026.
A restrição real é onde você gera. O 1.2 está na API do Gemini e chegando aos apps do próprio Google, mas ainda não está no catálogo do Morphic. O 1.1 está. Então o formato de prompt da família e o áudio nativo já estão disponíveis no Morphic hoje, ao lado de Veo 3.1, Seedance 2.5 e Kling. Um briefing escrito para o 1.2 em boa parte funciona aqui: a estrutura, a direção de áudio e o hábito de mudar uma coisa por vez na edição se aproveitam. O que não se aproveita é a duração de quinze segundos e o arranjo das referências.
Usando o Gemini Omni no Morphic hoje
O Gemini Omni Flash 1.1 fica no seletor de modelos de vídeo do Morphic. Escreva a cena como um briefing que inclua o áudio e gere. A tomada cai no Canvas, onde o mesmo briefing pode rodar em outro modelo para você comparar lado a lado. Continue refinando com novos prompts, uma mudança de cada vez.
Para a mecânica do prompt, leia o guia do Gemini Omni Flash 1.2. Para a especificação completa, veja a página do modelo Gemini Omni Flash 1.2 ou a página do modelo Gemini Omni Flash 1.1.
Perguntas frequentes
Com tudo o que o Google publicou, sim: a geração vai a quinze segundos em vez de dez, as edições valem para o clipe inteiro, a consistência durante movimentos de câmera é descrita como mais firme e o segundo em 720p custa cerca de 30% menos. Os formatos de saída são idênticos, então não há perda de resolução nem de proporção para pesar.
Cerca de 30% por segundo. O Google lista o 720p a aproximadamente US$ 0,07, contra cerca de US$ 0,10 do 1.1. Isso põe um clipe de dez segundos perto de US$ 0,70 e um de quinze perto de US$ 1,04. O rascunho em 360p custa cerca de US$ 0,023 o segundo, e 1080p e 4K são cobrados mais caro por serem upscales.
O Google disse que as chamadas ao modelo 1.1 passam automaticamente para o 1.2 a partir de 3 de dezembro de 2026 e são cobradas pelas tarifas do 1.2. É um redirecionamento, não um aviso de encerramento. Ainda assim, trabalho novo não tem motivo para mirar o 1.1 na API.
Menos imagens, mas mais bem arranjadas. O 1.2 documenta seis imagens de referência por pedido, três para cada um de até dois personagens, enquanto o 1.1 anunciava dez. A referência em vídeo agora depende da duração que você gera: um clipe de até três segundos para saídas de 11 a 15 segundos, até três clipes abaixo disso.
O texto corrido funciona. As tags não: os tokens entre colchetes angulares que ligavam uma imagem a uma função foram descontinuados, e o Google pede que o papel de cada arquivo venha em linguagem natural, como “use a primeira imagem como quadro inicial”. A duração é o outro ponto a rever, porque um prompt pensado para dez segundos vai ficar curto para quinze.
O Google descreve o modelo como mais forte em inglês para diálogo e texto na tela, e outros idiomas funcionam de forma irregular. Antes de produzir uma campanha inteira com falas em português, gere um clipe curto de teste e confira o diálogo e as legendas. Isso vale tanto para o 1.1 quanto para o 1.2.
Ainda não. O Gemini Omni Flash 1.1 gera no Morphic hoje, com áudio nativo, ao lado de Veo 3.1, Seedance 2.5, Kling e o resto do catálogo, e o Morphic tem um plano grátis para você testar.