Multimodal

Gemini Omni Flash 1.2

de Google DeepMind

El modelo de video de Google, ahora con tomas de quince segundos.
Edita la toma completa por 30% menos cada segundo.

Gemini Omni Flash 1.2

Funciones clave

Especificaciones técnicas

Gemini Omni

Tercera versión de Omni Flash; id del modelo gemini-omni-1.2-flash

3 a 15 s

Segundos enteros, 10 s por defecto; con extensión llega a 30 s

Hasta 4K

360p y 720p nativos; 1080p y 4K por escalado

US$0.07 por segundo

En 720p; cerca de 30% menos que Omni Flash 1.1

6 imágenes

Tres por personaje, para hasta dos personajes, más clips de 3 s

Nativo

Diálogo, efectos y música en la misma pasada

16:9, 9:16

Se cambian sobre una toma terminada con una instrucción de seguimiento

SynthID

Marca de procedencia invisible en cada clip generado

Casos de uso

Tira de cuatro cuadros de un ciclista solitario por una carretera costera, de la neblina del amanecer a la luz plena

Tomas de quince segundos

Una escena completa en una sola generación: el avance, el giro y la llegada, en lugar de un fragmento de diez segundos que tienes que extender.

Cuadro dividido de la misma ventana de cocina, con luz gris de mañana a la izquierda y un atardecer cálido a la derecha

Ediciones que escribes

Entrega la toma y di el cambio: reilumina el cuarto, cambia el frasco, reescribe la etiqueta. El resto del encuadre se queda igual.

Tarjetas de referencia de dos presentadores inventados junto a la toma final de ambos conversando sobre una mesa de trabajo

Dos personajes, los dos fijos

Con tres fotos de cada persona quedan fijos los dos rostros y su vestuario. Así una escena de dos se reconoce desde la primera toma hasta la última edición.

El mismo puesto de mercado en un encuadre horizontal junto a su recorte vertical

Una toma, dos proporciones

Pide la versión vertical cuando ya aprobaste la horizontal. Es útil para Reels, TikTok y Shorts: la proporción pasa a ser una instrucción de seguimiento, no otra generación.

Dos colegas inventados conversando en una mesa de cafetería con luz de tarde

Escenas con dos voces

Escribe las dos partes y cada línea vuelve en la boca correcta, con sincronía labial y con voces que se mantienen en las ediciones siguientes.

Una botella ámbar acanalada con un logotipo inventado en la etiqueta, bajo una luz de estudio suave

Empaques que no se deforman

Tu propia caja entra como referencia y su tipografía sobrevive al giro de cámara, en vez de disolverse en letras parecidas. Sirve para anuncios de producto.

Ejemplos de prompts

Escena de quince segundos

Quince segundos en una sola toma: un vendedor de elotes empuja su carrito por una plaza al atardecer

Edit prompt

Dos voces

Dos primas discuten sobre cuánto chile lleva el mole, cocina cálida, diálogos que se traslapan

Edit prompt

Movimiento de cámara

Un solo movimiento de grúa continuo, desde una calle mojada hasta una ventana iluminada

Edit prompt

Texto en pantalla

Un letrero pintado a mano dice CAFÉ DE OLLA, letra por letra

Edit prompt

Giro de producto

Un frasco de vidrio acanalado gira despacio sobre lino oscuro, con la etiqueta legible

Edit prompt

Toma guiada por el sonido

Primer plano de una cafetera de moka a punto de hervir, con cada tic y cada borboteo audibles

Edit prompt

Descripción general

Gemini Omni Flash 1.2, que Google escribe como Gemini Omni 1.2 Flash, es la tercera versión del modelo de video multimodal de Google DeepMind, anunciada el 5 de noviembre de 2026. Si haces Reels, anuncios o videos para YouTube, la idea te resultará familiar: entra un prompt, imágenes o clips cortos, y sale video con audio sincronizado. Después, las instrucciones de seguimiento siguen trabajando sobre la misma toma. Lo que cambia es cuánta escena cabe en una generación y cuánto cuesta llegar ahí.

Novedades de Gemini Omni Flash 1.2

Una generación ahora dura hasta quince segundos, en segundos enteros desde tres, cuando la 1.1 se detenía en diez. La edición conversacional cubre el clip completo. Cambiar un producto, el clima o pedir la versión vertical son instrucciones de seguimiento sobre una toma aprobada. Las referencias se organizan por personas: seis imágenes por solicitud, hasta tres para cada uno de dos personajes. Además, Google publica el 720p en cerca de US$0.07 por segundo, alrededor de 30% menos que la tarifa de la 1.1, y los borradores en 360p salen todavía más baratos.

Las mejoras discretas están en lo que se queda quieto. Google describe rostros, ropa, tipografía de empaque y color más estables durante la toma. También menos cortes involuntarios dentro de un movimiento de cámara continuo, un diálogo más natural con mejor sincronía labial y compatibilidad con más de un hablante. Tres áreas siguen sin resolverse: la acción deportiva rápida, los guiones que cambian de rumbo con rapidez y la física compleja.

Quince segundos cambian lo que escribes

Diez segundos son un fragmento. Por eso un prompt para la 1.1 solía describir un solo gesto y dejar el resto a la extensión. Quince segundos ya forman una escena con principio y final, así que el prompt puede llevar una estructura pequeña: el avance, el giro, la llegada. La extensión sigue existiendo para escenas más largas, en turnos de tres a diez segundos hasta un total de treinta, tomando los últimos diez segundos del clip como contexto. La diferencia práctica es que la necesitarás menos veces.

Gemini Omni Flash 1.2 y Morphic

Gemini Omni Flash 1.2 todavía no está en el catálogo de Morphic. Gemini Omni Flash 1.1 sí está, en el selector de modelos de video junto a Veo 3.1, Seedance 2.5, Kling y los demás. Así puedes trabajar hoy con la forma de prompt de la familia y su audio nativo, y correr el mismo brief en varios modelos para compararlos lado a lado en el Canvas. Todos los ejemplos de esta página se hicieron en Morphic con el modelo vivo más cercano, no con la 1.2. Google anunció que las solicitudes a la 1.1 en su propia API se dirigen a la 1.2 desde el 3 de diciembre de 2026. Para la mecánica de los prompts, lee la guía de Gemini Omni Flash 1.2. Si prefieres partir de un ejemplo listo, copia uno de la biblioteca de prompts de Gemini Omni Flash 1.2. También puedes ver qué cambió en la comparación entre la 1.2 y la 1.1 o abrir el generador de video con IA de Gemini Omni Flash 1.2.

Precios simples

Comienza gratis hoy, con la opción de mejorar tu plan o cancelar cuando quieras.

Basic

$19/ mes
facturado como $228 por año

2400 mensual créditos

1 usuario

Todos los modelos

Workflows

Standard

$24/ mes
facturado como $288 por año

3625 mensual créditos

1 usuario

Todos los modelos

Workflows

Pro

$45/ mes
facturado como $540 por año

6350 compartidos mensual créditos

1 usuario

+ hasta 4 más con costo adicional

Todos los modelos

Workflows

Max

$170/ mes
facturado como $2040 por año

24650 compartidos mensual créditos

1 usuario

+ hasta 9 más con costo adicional

Todos los modelos

Workflows

Enterprise

Para límites más altos

Personalizado

términos de precios y facturación

Créditos de alto volumen
Límites de asientos personalizados
Todos los modelos
Workflows
Pricing Gradient

Free

Para experimentar

$0

gratis para siempre

Hasta 20 créditos
Solo 1 usuario
Modelos limitados
Workflows

Preguntas frecuentes

¿Qué es Gemini Omni Flash 1.2?
Gemini Omni Flash 1.2, que Google escribe como Gemini Omni 1.2 Flash, es la tercera versión de su modelo de video multimodal, anunciada el 5 de noviembre de 2026. Genera video con audio nativo sincronizado a partir de texto, imágenes y clips de referencia, y edita o extiende ese material con instrucciones en lenguaje natural. La 1.2 lleva una generación a quince segundos, aplica las ediciones a toda la toma y baja el precio por segundo cerca de 30%.
¿Qué cambia en Gemini Omni Flash 1.2 frente a la 1.1?
Son cuatro cambios. Una generación ahora dura hasta quince segundos en lugar de diez, en segundos enteros y con diez por defecto. La edición conversacional funciona sobre el clip completo, incluido el cambio de proporción. Las referencias se organizan por personaje, con tres imágenes para cada una de dos personas. Y el precio baja: Google publica unos US$0.07 por segundo en 720p, frente a cerca de US$0.10 de la 1.1.
¿Cuánto puede durar un video de Gemini Omni Flash 1.2?
Una sola generación dura de 3 a 15 segundos enteros, con diez como valor por defecto. La interpolación entre primer y último cuadro, y cada turno de extensión, van de 3 a 10 segundos, y la extensión permite llegar a 30 segundos en total. Solo agrega material al final y toma los últimos diez segundos del clip como contexto, así que no puede anteponer escenas ni alargar la parte media.
¿Cuánto cuesta Gemini Omni 1.2 Flash?
La tarifa publicada por Google es de cerca de US$0.07 por segundo de video en 720p, lo que deja un clip de quince segundos en unos US$1.04 y uno de diez en unos US$0.70. Un borrador en 360p cuesta alrededor de US$0.023 por segundo; 1080p, cerca de US$0.104, y 4K, cerca de US$0.209, y ambos se obtienen por escalado. Esas son las tarifas de la API del proveedor. Morphic cobra en créditos, según cada plan.
¿Qué resolución entrega Gemini Omni Flash 1.2?
Hay cuatro opciones, en 16:9 o 9:16: 360p, 720p como valor por defecto, y 1080p o 4K, que se producen escalando la generación. Por el precio conviene trabajar así: itera en 360p, fija la toma en 720p y pide la resolución de entrega una sola vez, en vez de pagar tarifa de 4K en cada intento.
¿Cómo funciona la edición conversacional en Gemini Omni Flash 1.2?
Cada instrucción edita el resultado anterior en lugar de empezar de cero, y el modelo conserva la escena entre turnos, ahora a lo largo de los quince segundos completos. Funcionan mejor las instrucciones cortas: nombra un solo cambio y pide que todo lo demás quede igual. Cambiar un producto, el clima o la iluminación, o pasar a otra proporción, son instrucciones de seguimiento y no generaciones nuevas.
¿Qué referencias acepta Gemini Omni Flash 1.2?
Hasta seis imágenes de referencia por solicitud y, para personajes, hasta tres imágenes por persona con un máximo de dos personas. Los videos de referencia dependen de la duración de salida: un clip de 11 a 15 segundos admite un video de referencia de hasta tres segundos, y uno de 3 a 10 segundos admite hasta tres. Solo sirven en generaciones nuevas, no en ediciones ni extensiones, y el audio que traigan se ignora.
¿Gemini Omni Flash 1.2 genera audio y diálogo?
Sí. El sonido llega en la misma pasada que la imagen: diálogo con sincronía labial, efectos, ambiente y música. Google describe la 1.2 como más natural en el diálogo, más clara en la sincronía labial y capaz de atender a más de un hablante, así que una escena de dos personas es una petición razonable. Describe el audio en el prompt, porque si no dices nada el modelo elige una pista por su cuenta.
¿Puedo subir mi propio audio o editar una voz en Gemini Omni Flash 1.2?
Por ahora no a través de la API. La publicación de lanzamiento de Google menciona las señales de audio, incluida una referencia de voz breve, entre las entradas del modelo. Sin embargo, la documentación para desarrolladores indica que la entrada de audio no es compatible en la versión actual de la API y que tampoco se puede editar la voz. Por ahora la voz se dirige con texto. Conviene revisar la documentación por si esa entrada se abre.
¿Puedo usar Gemini Omni Flash 1.2 en Morphic?
Todavía no. Gemini Omni Flash 1.1 ya está en el catálogo de video de Morphic, así que la familia, la forma del prompt y el audio nativo están disponibles para trabajar, junto a Veo 3.1, Seedance 2.5 y Kling en el mismo Canvas. Google anunció que, desde el 3 de diciembre de 2026, las solicitudes a la 1.1 en su propia API se dirigen a la 1.2. El modelo nuevo queda a corta distancia de todo lo que armes hoy con el anterior.
¿En qué falla Gemini Omni Flash 1.2?
Google señala tres áreas aún en desarrollo: la acción deportiva rápida, los guiones que cambian de rumbo con rapidez y la física compleja. El inglés es el idioma con compatibilidad plena para texto en pantalla y diálogo; los otros idiomas funcionan de forma desigual. Además, editar o extender material que subiste tú no está disponible en el EEE, Suiza ni el Reino Unido.