# Gemini Omni 1.2 Flash : vidéos de 15 secondes et édition conversationnelle

> Google rend Gemini Omni 1.2 Flash disponible via l'API Gemini et Gemini for business, avec des clips natifs de 15 secondes, l'édition multi-tours et un prix en baisse de 30 %.

- Auteur : Clément Reboul, ingénieur IA (https://clement-reboul.fr/about/)
- Publié le 2026-11-07
- Adresse canonique : https://clement-reboul.fr/blog/gemini-omni-1-2-flash-videos-de-15-secondes-et-edition-conversationnelle/
- Thèmes : Modèles et recherche, Entreprise et industrie

---

## L'essentiel

Google rend Gemini Omni 1.2 Flash généralement disponible sur l'API Gemini et dans Gemini for business. Le modèle de génération vidéo passe de clips de 10 secondes à des clips natifs de 15 secondes, ajoute l'édition conversationnelle en plusieurs tours et améliore le suivi des références fournies en entrée. Google annonce aussi une baisse de prix de 30 % par rapport à Gemini Omni 1.1, à 0,07 dollar par seconde de vidéo en 720p.

C'est la première fois que Gemini Omni est proposé en disponibilité générale, selon la source, avec l'infrastructure et la sécurité de Google Cloud en support.

## Les détails

### Durée et coût

La durée maximale passe de 10 à 15 secondes. On peut aussi préciser une durée par pas d'une seconde, de 3 à 15 secondes. Le workflow cherche à limiter les dépenses : brouillon rapide en 360p ou 720p, correction d'un détail par une édition de suivi plutôt qu'une régénération complète, puis montée en 1080p ou 4K des meilleures créations.

### Références et cohérence

On peut combiner des images de personnage, de produit ou de style, des clips de mouvement courts (jusqu'à trois secondes) et des indices audio. Le modèle conserve ces détails du début à la fin, y compris les visages, les vêtements, la typographie des emballages et les couleurs de marque à travers les angles de caméra. Google cite l'exemple d'une photo de mannequin associée aux vues avant et arrière de trois tenues, qui produit une séquence de virtual try-on de 15 secondes avec rotations à 360 degrés et raccords, en gardant l'identité du mannequin et la coupe de chaque vêtement.

La cohérence s'améliore aussi entre la première et la dernière image, avec moins de dérive visuelle ou de morphing lors des transitions de mouvement et de caméra. La source compare 1.1 et 1.2 sur un poster d'exposition en studio et un prompt d'animation en cinq couches : 1.2 assemble les couches séquentiellement sur un cyclorama rose poussière et tient les matériaux, ombres et détails typographiques jusqu'à la dernière image.

### Édition et dialogues

L'édition multi-tours fonctionne sur des clips complets de 15 secondes. On peut changer un produit, un fond, l'éclairage, la météo ou le ratio d'image sans repartir de zéro. Google illustre cela par un fond qui passe tour à tour d'une tente à rayures à une forêt de chênes, une écurie avec un cheval blanc, une foire et un château de pierre, en conservant le jeu des personnages et le cadrage.

Le modèle gère aussi des dialogues plus naturels, une synchronisation labiale plus nette et plusieurs locuteurs distincts. Cela se retrouve dans Flow, Gemini for business et Google Vids. Côté caméra, il prend en charge des mouvements continus comme des flythroughs FPV ou des zooms arrière, avec moins de faux raccords.

### Disponibilité

Les développeurs passent par Google AI Studio et l'API Gemini. Les entreprises utilisent la console Google Cloud. Le grand public retrouve le modèle dans Flow, Google Vids (clips de 15 secondes sans coût supplémentaire avec un compte Google ou un abonnement Google Workspace), l'application Gemini (déploiement auprès des abonnés Google AI Ultra) et Google Ads. Le Provisioned Throughput est disponible et les sorties portent un filigrane SynthID imperceptible. Google indique travailler encore sur l'action sportive rapide, les changements de script brusques et la physique complexe.

## Pourquoi c'est important

Pour une équipe qui produit de la vidéo à grande échelle, le changement de prix et l'édition par tours modifient l'économie du pipeline. Régénérer un clip entier à chaque retouche coûte cher en inférence ; corriger un détail sur un clip existant réduit le nombre d'appels et la latence perçue. La possibilité de brouillonner en 360p puis de monter en 4K va dans le même sens.

Mon hypothèse est que l'édition conversationnelle devient le point d'intégration intéressant : un agent peut enchaîner les tours pour produire des variantes publicitaires sans reconstruire le brief à chaque fois. Cela suppose de gérer un état de clip côté application et de versionner les sorties, ce qui n'est pas anodin.

La disponibilité générale avec SynthID et l'infrastructure Google Cloud indique une cible entreprise, où la traçabilité des contenus générés compte autant que le rendu. Les limites reconnues (sport rapide, physique) restent à surveiller pour les cas d'usage qui sortent de la démo produit.

## Source

- [Gemini Omni 1.2 Flash: Fast and cost-effective with longer clips](https://blog.google/innovation-and-ai/technology/developers-tools/introducing-gemini-omni-1-2-flash/) · Google AI
- [Gemini Omni 1.2 Flash: Fast and cost-effective with longer clips](https://deepmind.google/blog/gemini-omni-12-flash-fast-and-cost-effective-with-longer-clips/) · Google DeepMind
