Google rend Gemini Omni 1.2 Flash disponible sur Cloud pour la création vidéo d’entreprise

Google a mis le modèle multimodal Gemini Omni 1.2 Flash en production sur Google Cloud. Conçu pour les entreprises qui ont besoin de créer rapidement des démonstrations de produits, des essayages virtuels ou des publicités, ce service génère, modifie et prolonge des séquences vidéo en y intégrant un son synchronisé.

Des clips plus longs et plus souples

La version 1.2 permet de produire des extraits de trois à quinze secondes, contre une durée maximale de dix secondes dans la version précédente. Elle accepte aussi bien le format horizontal que le vertical, et propose des résolutions de 360p, 720p, 1080p ou 4K. Le prix affiché par Google est de 0,07 $ par seconde en 720p, soit une baisse de 30 % par rapport à Gemini Omni 1.1 Flash.

Entrées multiples et montage conversationnel

Le modèle peut partir d’un texte, d’une image, d’une vidéo existante ou d’un mélange de ces références. Google indique que la cohérence des produits, des personnages et des éléments de marque a été renforcée entre les plans. Ainsi, il est possible de remplacer un objet, d’ajuster l’éclairage ou de changer l’angle de caméra sans repartir de zéro, ce qui simplifie le prototypage visuel.

Une bande‑son synchronisée

Outre l’image, Gemini Omni 1.2 Flash génère la parole, la musique et les effets sonores. Google met en avant une meilleure synchronisation des lèvres et la capacité à séparer plusieurs voix dans le même clip. Les références audio restent toutefois soumises à une autorisation explicite. Chaque sortie porte un filigrane SynthID invisible et peut contenir des métadonnées C2PA pour la traçabilité.

Intégration technique

Le service s’appuie sur l’API Interactions de la Gemini Enterprise Agent Platform, et n’utilise pas l’API GenerateContent habituelle. Il ne propose donc ni appel de fonctionFunction CallingMécanisme permettant à un modèle de produire un appel structuré à une fonction avec les paramètres nécessaires., ni exécution de code, ni navigation web ; il s’agit d’un outil spécialisé dans la création vidéo, et non d’un agent conversationnel généraliste.

Premiers utilisateurs et cas d’usage

Parmi les premiers partenaires cités par Google figurent Artlist, FLORA, Invideo, Krea, Picsart, Photoroom, QuickFrame et Runway. L’idée est de générer rapidement des brouillons, de sélectionner les variantes les plus convaincantes, puis d’agrandir les séquences retenues jusqu’en 4K. Dans un catalogue marchand, une image produit pourrait ainsi être transformée en clip promotionnel ou en publicité courte.

Limites techniques

Une génération ne dépasse pas quinze secondes, et le montage ne peut travailler que sur quinze secondes d’entrée. Si l’on part d’une vidéo plus longue, le modèle ne considère que les dix dernières secondes. Ces contraintes orientent l’utilisation vers des plans courts à assembler ensuite dans un logiciel de montage traditionnel.

Disponibilité et modèle économique

La mise à disposition générale propose des options de débit provisionné, des quotas fixes et une facturation à l’usage. Cela passe le service d’une simple annonce à une offre exploitable avec les garanties d’infrastructure de Google Cloud. Les entreprises devront toutefois mesurer la fidélité des rendus, la stabilité des voix synthétisées et le coût réel des itérations avant d’automatiser une chaîne créative complète.

Google mise ainsi sur l’automatisation de la production vidéo pour répondre à la demande croissante de contenus courts et personnalisés, tout en conservant un contrôle sur les aspects de marque et de droits d’auteur. Le modèle reste limité aux séquences de quelques secondes, mais il ouvre la voie à des workflows où l’intelligence artificielleIntelligence artificielleEnsemble de techniques permettant à des machines d'accomplir des tâches nécessitant habituellement certaines capacités humaines, comme la reconnaissance, la prédiction ou la prise de décision. complète les outils de montage traditionnels.