Google promet des vidéos IA plus longues et 30 % moins chères avec Gemini Omni 1.2 Flash

Depuis sa présentation à la Google I/O le 19 mai, Gemini Omni fabrique des vidéos à partir de texte, de photos ou de courts extraits, puis les retouche par simple conversation. Jusqu’ici, sa dernière version, Omni 1.1 Flash, sortie le 27 août, s’arrêtait à 10 secondes par clip. Google a dévoilé ce jeudi 5 novembre, dans un billet publié sur son blog, la version 1.2 Flash. Elle pousse la durée à 15 secondes, garde mieux ses personnages et ses objets d’un plan à l’autre et baisse son prix de 30 %. Google renouvelle encore plus vite ses modèles de texte : la 3.7 Flash est arrivée trois semaines après la 3.6, avant que la 3.8 Flash ne prenne le relais début septembre.

La version 1.1 savait déjà dépasser les 10 secondes, mais en plusieurs étapes : il fallait prolonger une scène déjà générée, le modèle reprenant jusqu’à 10 secondes d’images précédentes pour enchaîner la suite. La 1.2 produit désormais 15 secondes d’un seul bloc.

D’après Google, ces cinq secondes de plus suffisent pour faire une publicité complète pour les réseaux sociaux en une seule génération. On choisit désormais la durée du clip à la seconde près, entre 3 et 15 secondes. Pour les développeurs qui passent par l’API, le tarif descend à 0,07 dollar par seconde de vidéo en 720p, contre environ 0,10 dollar pour la version 1.1. Un clip complet de 15 secondes revient donc à un peu plus d’un dollar, soit à peu près ce que coûtait un clip de 10 secondes avec la version 1.1. Google conseille aussi une façon de travailler moins chère : faire ses brouillons en 360p ou en 720p, corriger un détail par une nouvelle consigne au lieu de tout régénérer, puis passer en 1080p ou en 4K uniquement la meilleure prise. Attention quand même au passage en 4K, facturé environ 0,21 dollar la seconde, soit trois fois le prix du 720p.

À lire aussi :
Gemini : notre guide pour tout comprendre l’IA de Google

Des vidéos qui se déforment moins

Les vidéos générées par IA ont un défaut bien connu : un visage, un vêtement ou un logo se déforme petit à petit quand la caméra bouge. Google dit avoir réduit ce problème. Omni 1.2 Flash accepte en entrée des photos de personnage, de produit ou de style, des extraits vidéo de trois secondes maximum et des indications sonores. À partir de ces références, d’après Google, les visages, les vêtements, le texte des emballages et les couleurs de marque restent stables d’un angle de caméra à l’autre. La retouche par conversation fonctionne aussi sur des clips entiers de 15 secondes : on change le décor, la lumière, la météo ou le format d’image au fil des échanges, sans tout reprendre depuis le début.

Google promet aussi un son plus soigné, avec des dialogues plus naturels et des lèvres mieux synchronisées. Le modèle sait également faire parler plusieurs personnages, chacun avec sa propre voix. Côté caméra, il enchaîne des mouvements continus, comme un vol de drone filmé en vue subjective ou un long zoom arrière, avec moins de coupures indésirables au milieu d’un plan.

Gardons quand même un peu de recul : ces progrès reposent sur des démonstrations choisies par Google et l’entreprise ne donne aucun score chiffré face aux modèles concurrents. Le géant américain reconnaît d’ailleurs que le modèle a encore du mal avec les actions sportives rapides, les changements de scénario soudains et la physique complexe.

Où tester Gemini Omni 1.2 Flash

Le déploiement a commencé ce jeudi dans plusieurs services de Google, avec des conditions qui varient selon le service :

• dans l’application Gemini, les vidéos de 15 secondes arrivent progressivement chez les abonnés Google AI Ultra ;
• dans Google Vids, l’outil de montage vidéo de Google, les clips de 15 secondes sont proposés sans surcoût avec un compte Google ou un abonnement Workspace ;
• dans Flow, l’outil de création de films par IA de Google, on peut mettre en scène un clip et le retoucher en plusieurs étapes ;
• les développeurs et les entreprises y ont accès par l’API Gemini, Google AI Studio et Google Cloud, et les annonceurs par Google Ads.

Toutes les vidéos produites portent SynthID, un filigrane invisible qui permet de reconnaître un contenu généré par l’IA de Google. Pour les développeurs, les requêtes envoyées à Omni 1.1 Flash passeront automatiquement sur la version 1.2 à partir du 3 décembre, et seront facturées au tarif de la 1.2.