Gemini Omni 1.2 Flash: ¿qué se conserva cuando editas un video con IA?

Gemini Omni 1.2 Flash es el modelo de Google para generar y editar videos de hasta 15 segundos con audio sincronizado. Presentado el 5 de noviembre de 2026, permite dirigir cambios sucesivos en una conversación. Google anunció un precio de unos US$0,07 por segundo a 720p y dice haber mejorado la fidelidad a las referencias. Anuncio de Google DeepMind.

El micrófono se abre… en modo Flash.

El cliente ya aprobó el gesto, el encuadre y el producto. Queda un comentario en el video: «¿Podemos hacer que la luz del fondo sea más cálida?». Es un ajuste de una línea. Si al aplicarlo se mueve la cámara, cambia la voz o se deforma la etiqueta, esa línea reabre la revisión del plano completo.

Quince segundos alcanzan para un gesto con intención y una pausa que el montaje necesita. Pero el cambio con más impacto para un equipo creativo puede llegar después de esos quince segundos, cuando alguien pide una corrección. Probamos ese momento con Nexa: una escena corta, una instrucción de luz y un antes y después que se puede mirar con el mismo criterio.

¿Qué cambió de Gemini Omni 1.1 a 1.2 Flash?

Gemini Omni 1.2 Flash amplía de 10 a 15 segundos la generación y edición ordinarias. Acepta duraciones enteras desde 3 segundos y reduce en 30 % la tarifa anunciada para video a 720p frente a Omni 1.1. Google también anuncia mejoras en seguimiento de referencias, continuidad y diálogo. Anuncio de Google Cloud.

Capacidad	Qué documenta Google	Qué conviene verificar
Generación y edición	De 3 a 15 segundos. La versión anterior llegaba a 10 segundos.	La interpolación entre fotogramas inicial y final y la extensión tienen un límite de 10 segundos de salida generada por operación.
Resolución	Generación base a 360p o 720p. Las salidas a 1080p o 4K usan escalado.	En el escalado independiente, 360p sube a 720p o 1080p y 720p sube a 1080p o 4K.
Formatos de cuadro	16:9 horizontal y 9:16 vertical en la ficha de Google Cloud.	Un cambio de formato puede recomponer el cuadro. Revisa el encuadre que recibe cada canal.
Referencias	En la Gemini API se admiten hasta seis imágenes de referencia y referencias de video de hasta tres segundos.	La Gemini API admite hasta tres referencias de video en salidas de 3 a 10 segundos y una en salidas de 11 a 15 segundos.
Audio	El video puede incluir voz, música y efectos sincronizados.	Google Cloud indica que las referencias de audio requieren acceso autorizado. Revisa disponibilidad antes de diseñar la prueba.
API	ID gemini-omni-1.2-flash en la Interactions API.	Revisa permisos y condiciones del proyecto. Las funciones pueden variar entre productos.

El detalle está en la documentación de Gemini Omni, el registro de novedades de la Gemini API y la ficha de Gemini Omni 1.2 Flash en Google Cloud. Google indica que las salidas llevan SynthID, una marca de agua imperceptible. En una pieza publicada, los créditos editoriales siguen siendo el lugar para explicar qué generó el modelo y qué hizo el equipo. Anuncio de Google Cloud.

Si tu integración todavía pide gemini-omni-1.1-flash, Google anunció que a partir del 3 de diciembre de 2026 la Gemini API dirigirá automáticamente esas solicitudes a 1.2 y aplicará sus tarifas. Si comparas resultados entre versiones, guarda las muestras y sus fechas antes del cambio. Registro de novedades de la Gemini API.

En sus ejemplos, Google muestra un cambio de escenario que conserva el encuadre y la actuación de dos personajes a través de varios turnos. También publica una comparación donde, pese a la mayor continuidad, un cucharón acaba convertido en palillos. Esos ejemplos oficiales enseñan qué observar. Para quien tiene que aprobar un producto o una marca, un cambio pequeño puede tener más peso que una transición impecable. Demostraciones de Google DeepMind.

¿Cómo funciona la edición de video por turnos?

La edición por turnos parte de un video y una nueva instrucción. Puedes pedir, por ejemplo, que cambie la iluminación de una escena conservando el plano y la acción. La Interactions API permite usar una interacción previa en el flujo conversacional y también documenta la edición a partir de un video aportado como fuente. Guía de generación y edición de Gemini Omni.

La palabra «editar» nos hace pensar en un control conocido. Si un colorista aísla el fondo con una máscara y conserva intacta la pista de sonido, su método permite delimitar qué cambió. En una edición generativa, la instrucción expresa la intención y recibimos otro video. Conviene verificar imagen y sonido aunque el pedido original afecte un solo elemento.

Esto modifica la forma de dar feedback. «Más cinematográfico» abre decisiones sobre luz, cámara, contraste y ritmo. «Cambia la luz del fondo de fría a ámbar y conserva el gesto, la posición de cámara y el momento de la acción» deja una tarea y un criterio para revisarla. Guarda la versión base y un par de tiempos de referencia antes de solicitar el cambio. Si el producto aparece de perfil en el segundo cuatro, tendrás un lugar donde verificarlo.

¿Qué conservó Gemini Omni al cambiar la luz de Nexa?

El encargo fue cambiar la luz del fondo en una escena de ocho segundos con Nexa, la mascota de Efeonce. La prueba observa el efecto de una sola instrucción en la identidad del personaje, el movimiento, el encuadre y el sonido.

Para comparar, mira ambos clips al mismo tamaño. Fíjate en la silueta y los rasgos de Nexa, los elementos a su alrededor, el momento del gesto y los bordes del escenario. Después vuelve a reproducirlos con audio. Cambiar la luz puede alterar reflejos o sombras de forma coherente con la escena. Mover un objeto o cambiar una pista merece una revisión aparte.

Video base

Edición de luz

La instrucción fue cambiar sólo la iluminación del muro y del techo al ámbar. El modelo conservó el encuadre general, los dos robots, el holograma azul y el gesto de Nexa. Al comparar los planos se aprecia un rebote cálido en la mano y en algunos contornos. También cambian detalles del muro, incluido el perfil vertical a la izquierda. La edición funciona como variante de ambiente, pero no sería una corrección aceptable si el set tuviera que quedarse intacto.

Los dos archivos miden ocho segundos y salieron a 1280 × 720, 24 fotogramas por segundo, con audio AAC. El audio decodificado no es idéntico entre ambas salidas; esa diferencia no prueba por sí sola que sea audible. Cada toma reportó 46.336 tokens de video de salida. A la tarifa pública de referencia, son unos US$0,56 por toma y US$1,11 por las dos, antes de entradas, razonamiento e impuestos. No es la factura de Google Cloud.

Qué pedimos	Qué observamos
Iluminar el fondo en ámbar	El muro y los puntos de luz lejanos cambiaron de color.
Mantener a Nexa, los robots, el holograma y el encuadre	Los elementos principales y el gesto siguen reconocibles; aparece luz cálida fuera de la zona pedida.
Conservar el escenario y el audio	Hay detalles distintos en el muro. Las pistas de audio decodificadas no coinciden.

Una pareja de clips sirve para discutir qué revisar y con qué tolerancia. En una pieza atmosférica, un reflejo cálido puede sumar. Si el mismo reflejo cambia el color de un envase que debe respetar una guía de marca, el umbral de aprobación es otro. Para usar el flujo en un lote, conviene repetir la corrección en escenas con distintos movimientos, fondos y grados de detalle.

¿Cuánto cuesta Gemini Omni 1.2 Flash por clip aprobado?

El precio anunciado es de unos US$0,07 por segundo de video a 720p. En el plan de pago de la Gemini API, Google factura el video de salida a US$12 por millón de tokens. A 720p, 5.792 tokens por segundo equivalen a unos US$0,56 por ocho segundos o US$1,04 por quince. Google lista por separado los tokens de entrada a US$1,50 por millón. Precios de la Gemini API.

Un clip de 15 segundos en 1.2 cuesta unos US$1,04 de salida a 720p, frente a unos US$1,01 por un clip de 10 segundos en 1.1 con su tarifa original. Es casi el mismo gasto por una toma un 50 % más larga. Si el guion necesita ocho segundos, en cambio, la comparación útil conserva la duración y mide el ahorro por segundo y los intentos hasta la aprobación. Tarifa publicada para Gemini Omni 1.1 Flash.

A otras resoluciones, la Gemini API publica un equivalente por segundo de US$0,023 a 360p, US$0,104 a 1080p y US$0,209 a 4K. Imagina un lote de cuatro salidas de 15 segundos a 720p, con dos aprobadas. El gasto ilustrativo solo de video de salida ronda US$4,17, o US$2,09 por clip aprobado. Todavía hay que sumar entradas, tiempo de revisión y posproducción. Una nota que obliga a reproducir las cuatro salidas, comparar un empaque fotograma a fotograma y reparar el cierre puede pesar más que la diferencia entre tarifas.

Para comparar dos flujos, divide el gasto total de generación, revisión y posproducción por la cantidad de clips aprobados. Registra también cuántos turnos necesitó cada clip y por qué se descartó cada intento. Si los mismos dos segundos concentran los rechazos, separar ese plano o resolverlo en posproducción puede recuperar más tiempo que acortar todos los videos.

Este cálculo cambia cómo organizar un lote. Primero prueba el movimiento y el encuadre a la resolución que sirva para decidir. Conserva la toma elegida, prueba una corrección representativa y confirma que sigue pasando los criterios de marca. El escalado final tiene sentido cuando ya sabes qué versión merece llegar al canal. Si la decisión depende de leer texto pequeño, incluye una revisión a la resolución de entrega.

¿Dónde se puede usar y en qué se diferencia de Veo 3.1?

Google anunció disponibilidad general en Gemini API y Google Cloud. Flow ofrece dirección y edición conversacional, mientras que Google Vids anunció hasta tres clips de 15 segundos por mes sin costo para usuarios con una cuenta de Google o Workspace. El despliegue en la app Gemini se anunció para Google AI Ultra. Las funciones visibles pueden variar según el producto y la cuenta. Anuncio de lanzamiento · Anuncio de Google Vids.

Para un flujo que necesita pedir cambios sucesivos sobre una toma, Omni ofrece la Interactions API. Veo 3.1 sigue documentado con generación de video y audio sincronizado, controles como el primer y último fotograma y su propia integración de API. Omni también admite interpolación entre fotogramas. Si ya tienes un proceso montado sobre Veo, compara la tarea exacta que necesitas y los parámetros que usa tu integración antes de cambiar de modelo. Guía de modelos de video de Google · Ficha de Veo 3.1.

La prueba con Nexa usa Gemini Omni 1.2 Flash. Para elegir entre modelos, sirve más darle a cada uno la misma corrección sobre el mismo material que comparar sus demostraciones de lanzamiento. El plazo, la revisión y la facilidad de integrar el archivo son parte de esa decisión.

¿Cómo probar una edición sin reabrir toda la aprobación?

Elige una escena de trabajo real y una corrección que el equipo ya sepa evaluar. El punto de partida es una lista corta de elementos aprobados y un cambio que se pueda reconocer al reproducir el video.

1. Congela la toma base. Guarda el archivo, las referencias autorizadas y los tiempos en los que aparecen el personaje, el producto y el gesto clave.
2. Pide un cambio observable. Describe qué debe cambiar y qué debe conservarse. Mantén la duración y el formato si la intención es aislar una sola variable.
3. Revisa imagen y sonido. Mira el resultado a velocidad normal y detente en los tiempos marcados. Escucha ambas pistas y anota cualquier cambio no solicitado.
4. Decide con un criterio de entrega. Define qué diferencias son tolerables, cuál necesita un ajuste manual y cuál obliga a descartar la toma. Registra intentos y minutos de revisión.

La edición de imágenes deja una pregunta parecida. En el Glitch Flash de Images 2.6 probamos correcciones sucesivas con una escena aprobada. El video agrega el tiempo: un detalle puede verse bien en el fotograma elegido para la portada y perder continuidad cuando alguien mueve la mano. Nuestro trabajo sobre Creative Workflows desarrolla cómo guardar esas decisiones para que la siguiente variante parta de un criterio compartido.

El micrófono se cierra

La próxima vez que alguien escriba «solo cambia la luz», guarda el video anterior al comentario. Ese archivo ya contiene decisiones que tomaron tiempo. Ponlo al lado del resultado y deja que ambos clips muestren cuánto trabajo queda por hacer.

Suscríbete a Glitch para recibir cada lunes nuestra lectura de IA, marketing y negocios. Cuando una noticia se adelanta, el micrófono vuelve a abrirse en modo Flash.

Partimos de una imagen propia de Nexa publicada en el Flash sobre Images 2.6. Generamos A desde esa imagen. Para B, la CLI recibió un HTTP 400 al intentar continuar desde el turno anterior; el resultado que mostramos se obtuvo con una solicitud de edición que recibió el MP4 de A como entrada. Es una prueba de edición a partir de un archivo, no una prueba exitosa de persistencia entre turnos. Mostramos ambas salidas sin retoque. Son dos clips de una escena controlada, suficientes para ver un caso concreto, no para estimar la tasa de éxito del modelo.