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.
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:
| क्षेत्र | Google काय ठेवते |
|---|---|
| References | Character, product किंवा style प्रतिमा; 3 सेकंद पर्यंतचे short motion क्लिप्स; audio cues |
| Consistency | पहिल्या ते शेवटच्या फ्रेमपर्यंत कमी drift आणि morphing; transitions मध्ये steadier props आणि environments |
| Speech | अधिक 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):
| मेट्रिक | Omni 1.2 Flash | Omni 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 सेकंद | सुमारे $0.07 | सुमारे $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.
| Resolution | सुमारे $/सेकंद |
|---|---|
| 360p | $0.023 |
| 720p | $0.07 |
| 1080p (upsampling सह) | $0.104 |
| 4K (upsampling सह) | $0.209 |
| क्लिप (720p) | सुमारे खर्च |
|---|---|
| 10 सेकंद | सुमारे $0.70 |
| 15 सेकंद | सुमारे $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.
| Mode | Duration | Reference टिपा |
|---|---|---|
| Text to video | 3 to 15 s | Images 6 पर्यंत; वरील clip length नियमांनुसार video refs |
| Single first-frame image to video | 3 to 15 s | समान |
| Reference to video and editing | 3 to 15 s | Images 6 पर्यंत |
| First and last frame interpolation | 3 to 10 s | दोन्ही frames आवश्यक |
| Video extension प्रति turn | 3 to 10 s | एकूण 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
| Surface | Access |
|---|---|
| Gemini API आणि Google AI Studio | Paid tier; starter apps आणि developer docs |
| Google Cloud console आणि Gemini for business | API वर बांधलेले enterprise solutions |
| Google Flow | Scenes आणि multi-turn edits; video extension साठी Omni 1.2 आणि Google AI Plus, Pro, किंवा Ultra (Flow help) |
| Google Vids | Google account किंवा Workspace subscription सह दर महिन्याला तीन 15-सेकंद व्हिडिओ मोफत (Vids post) |
| Gemini app | 15-सेकंद व्हिडिओ Google AI Ultra subscribers ला rollout |
| Google Ads | Scale video campaigns |
Omni 1.1 आणि Veo वापरकर्त्यांसाठी मुदती
| Date | Surface | बदल |
|---|---|---|
| 2026-11-05 | Google Flow | Veo Extend निवृत्त; extend साठी Omni Flash 1.2 आणि AI Plus, Pro, किंवा Ultra (Flow help) |
| 2026-12-03 | Gemini API | gemini-omni-1.1-flash वरच्या विनंत्या gemini-omni-1.2-flash कडे route होतात आणि 1.2 दरांवर बिल |
| 2026-12-05 | Google Flow | Veo 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
- नवीन API काम Interactions API वर paid-tier billing सह
gemini-omni-1.2-flashकडे निर्देशित करा. - ३ डिसेंबर २०२६ पूर्वी,
gemini-omni-1.1-flashकिंमत किंवा clip limits वर अवलंबून असलेले सर्व regression-test करा. - Flow मध्ये Veo Extend सोडा आणि Veo 3.1 Fast/Quality आणि Omni 1.1 च्या ५ डिसेंबर निवृत्तीसाठी नियोजन करा.
- 720p आउटपुटसाठी सुमारे $0.07 प्रति सेकंद बजेट ठेवा; 1080p किंवा 4K upscale आधी 360p drafts आणि edit passes वापरा.
- Production prompts किंवा reference bundles बदलण्यापूर्वी launch post आणि model page वाचा.
संबंधित वाचन
- Omni 1.1 Flash announcement
- October 2026 Gemini update
- Gemini Omni API cost estimate (मे २०२६ अंदाज आणि नोव्हेंबर callout)
- Gemini Omni pricing comparison 2026
- Google Flow guide