Gemini Omni
सर्व लेखांकडे परत
8 मिनिटे वाचन

Gemini Omni 1.2 Flash: 15-सेकंद क्लिप्स, Multi-Turn Editing आणि GA किंमत

Google ने ५ नोव्हेंबर २०२६ रोजी gemini-omni-1.2-flash सामान्य उपलब्धतेत (GA) आणले: 15-सेकंद क्लिप्स, multi-turn editing, आणि paid Gemini API टियरवर 720p व्हिडिओ आउटपुटसाठी सुमारे $0.07 प्रति सेकंद.

Gemini OmniGemini Omni FlashOmni 1.2APIPricing2026मराठी

५ नोव्हेंबर रोजी general availability

Google ने ५ नोव्हेंबर २०२६ रोजी Gemini Omni 1.2 Flash सामान्य उपलब्धतेत (GA) आणले. मॉडेल ID gemini-omni-1.2-flash आहे. Google म्हणते हे Gemini Omni चे पहिले GA आहे.

लाँच पोस्ट नुसार, आउटपुटवर न दिसणारे SynthID वॉटरमार्क असते, आणि Google Provisioned Throughput उपलब्ध असल्याचे सांगते. Google च्या media generation संदर्भामध्ये C2PA metadata देखील आहे. Developer API वर Omni Flash साठी मोफत टियर नाही.

जर तुम्ही अजूनही gemini-omni-1.1-flash वापरत असाल, तर ३ डिसेंबर २०२६ साठी नियोजन करा — त्यापासून API 1.1 विनंत्या 1.2 कडे route करते आणि 1.2 दरांवर बिल करते (AI Studio pricing आणि model page पाहा).

15-सेकंद क्लिप्स

Native generation आता 15 सेकंदांपर्यंत चालते — Omni 1.1 वरील 10 सेकंदांपेक्षा जास्त. समर्थित मोडवर 3 ते 15 सेकंद एक-एक सेकंदाच्या पायऱ्यांनी duration सेट करता येते.

Google Vids मध्ये 3 ते 15 सेकंद length स्लाइडर आहे. Workspace Updates नुसार, पात्र Workspace आणि consumer accounts ला ५ नोव्हेंबर पासून rollout सुरू झाला आणि दिसण्यासाठी 1 ते 3 दिवस लागतात. Google च्या Vids पोस्ट नुसार Google account किंवा Google Workspace subscription असलेले कोणीही Vids मध्ये दर महिन्याला तीन 15-सेकंद व्हिडिओ मोफत तयार करू शकते.

Reference adherence, consistency आणि speech

लाँच पोस्टमध्ये हे बदल सूचीबद्ध आहेत:

क्षेत्रGoogle काय ठेवते
ReferencesCharacter, product किंवा style प्रतिमा; 3 सेकंद पर्यंतचे short motion क्लिप्स; audio cues
Consistencyपहिल्या ते शेवटच्या फ्रेमपर्यंत कमी drift आणि morphing; transitions मध्ये steadier props आणि environments
Speechअधिक नैसर्गिक संवाद, स्पष्ट lip-sync, वेगळे multi-speaker conditioning

API वर तुम्ही नवीन generation, editing आणि extension (15-सेकंद क्लिप्ससह) साठी 6 reference images जोडू शकता. Reference videos फक्त नवीन generation साठी: 3 ते 10 सेकंद क्लिप्ससाठी 3 references आणि 11 ते 15 सेकंद क्लिप्ससाठी 1.

अपलोड केलेल्या source video मर्यादा कार्यानुसार बदलतात. Model page editing साठी 15 सेकंद आणि extension साठी 10 सेकंद lookback video दर्शवते. मर्यादा कार्यानुसार 10 ते 15 सेकंद माना आणि ship करण्यापूर्वी model page वर पुष्टी करा.

Multi-turn editing

Multi-turn conversational editing पूर्ण 15-सेकंद क्लिप्सवर काम करते. उत्पादने किंवा पार्श्वभूमी बदलण्यासाठी, प्रकाश किंवा हवामान बदलण्यासाठी, किंवा aspect ratio बदलण्यासाठी पुन्हा generation न करता previous_interaction_id Interactions API वर पाठवा.

Google च्या workflow सूचना: 360p किंवा 720p वर draft करा, follow-up edit ने तपशील दुरुस्त करा, नंतर सर्वोत्तम take 1080p किंवा 4K पर्यंत upscale करा.

किंमत

AI Studio pricing पृष्ठावरील प्रकाशित दर (फक्त paid tier):

मेट्रिकOmni 1.2 FlashOmni 1.1 Flash
Input (text, image, video) प्रति 1M tokens$1.50$1.50
Output text (thinking सह) प्रति 1M tokens$9.00$9.00
Output video प्रति 1M tokens$12.00$17.50
प्रभावी 720p प्रति सेकंदसुमारे $0.07सुमारे $0.10

Google म्हणते effective video output किंमत Omni 1.1 पेक्षा सुमारे 30% कमी झाली. Billing $12 प्रति 1M token video rate वर 720p व्हिडिओच्या प्रति सेकंद 5,792 output tokens वापरते.

Resolutionसुमारे $/सेकंद
360p$0.023
720p$0.07
1080p (upsampling सह)$0.104
4K (upsampling सह)$0.209
क्लिप (720p)सुमारे खर्च
10 सेकंदसुमारे $0.70
15 सेकंदसुमारे $1.04

मोडनुसार API मर्यादा

खालील मर्यादा model page आणि Google च्या Omni Flash API skill अनुसरण करतात. सर्व generation Interactions API (client.interactions.create) वापरते, generate_content नाही. आउटपुट म्हणजे native audio सह व्हिडिओ आणि text. 24 FPS. Aspect ratios: 16:9 आणि 9:16. Input cap 131,072 tokens; output cap 65,536 tokens.

ModeDurationReference टिपा
Text to video3 to 15 sImages 6 पर्यंत; वरील clip length नियमांनुसार video refs
Single first-frame image to video3 to 15 sसमान
Reference to video and editing3 to 15 sImages 6 पर्यंत
First and last frame interpolation3 to 10 sदोन्ही frames आवश्यक
Video extension प्रति turn3 to 10 sएकूण 30 s cumulative

Resolutions: 360p, 720p (default), 1080p, 4K.

from google import genai

client = genai.Client()

interaction = client.interactions.create(
    model="gemini-omni-1.2-flash",
    input=[{"type": "text", "text": "A product demo on a clean stage."}],
    response_format={
        "type": "video",
        "duration": "10s",
        "resolution": "720p",
        "aspect_ratio": "16:9",
    },
)

कोठे उपलब्ध

SurfaceAccess
Gemini API आणि Google AI StudioPaid tier; starter apps आणि developer docs
Google Cloud console आणि Gemini for businessAPI वर बांधलेले enterprise solutions
Google FlowScenes आणि multi-turn edits; video extension साठी Omni 1.2 आणि Google AI Plus, Pro, किंवा Ultra (Flow help)
Google VidsGoogle account किंवा Workspace subscription सह दर महिन्याला तीन 15-सेकंद व्हिडिओ मोफत (Vids post)
Gemini app15-सेकंद व्हिडिओ Google AI Ultra subscribers ला rollout
Google AdsScale video campaigns

Omni 1.1 आणि Veo वापरकर्त्यांसाठी मुदती

DateSurfaceबदल
2026-11-05Google FlowVeo Extend निवृत्त; extend साठी Omni Flash 1.2 आणि AI Plus, Pro, किंवा Ultra (Flow help)
2026-12-03Gemini APIgemini-omni-1.1-flash वरच्या विनंत्या gemini-omni-1.2-flash कडे route होतात आणि 1.2 दरांवर बिल
2026-12-05Google FlowVeo 3.1 Fast, Veo 3.1 Quality, आणि Omni Flash 1.1 निवृत्त; Veo 3.1 Lite राहते (720p, 4/6/8 s, video-to-video नाही, extend नाही)

Google म्हणते अजून कठीण काय आहे

Google fast sports action, rapid script changes, आणि complex physics वर विकास सुरू असल्याचे नमूद करते. पुढील सुधारणा येईपर्यंत या प्रकरणांना उच्च जोखीम माना.

कृती चेकलिस्ट

  1. नवीन API काम Interactions API वर paid-tier billing सह gemini-omni-1.2-flash कडे निर्देशित करा.
  2. ३ डिसेंबर २०२६ पूर्वी, gemini-omni-1.1-flash किंमत किंवा clip limits वर अवलंबून असलेले सर्व regression-test करा.
  3. Flow मध्ये Veo Extend सोडा आणि Veo 3.1 Fast/Quality आणि Omni 1.1 च्या ५ डिसेंबर निवृत्तीसाठी नियोजन करा.
  4. 720p आउटपुटसाठी सुमारे $0.07 प्रति सेकंद बजेट ठेवा; 1080p किंवा 4K upscale आधी 360p drafts आणि edit passes वापरा.
  5. Production prompts किंवा reference bundles बदलण्यापूर्वी launch post आणि model page वाचा.

संबंधित वाचन