Segun MarkTechPost (AI/ML News), Google ha presentado Gemini Omni 1.2 Flash, la última versión de su modelo multimodal para generación y edición de video. Este avance permite crear y editar clips de hasta 15 segundos de duración, una mejora clave respecto a la versión anterior, que solo alcanzaba 10 segundos. La nueva iteración reduce en un 30 por ciento el costo por segundo de generación, situándose en 7 centavos por segundo de contenido en resolución 720p. Esto implica un costo total de unos 1.05 dólares por clip de 15 segundos, un precio accesible para aplicaciones empresariales en entornos digitales.
El modelo está disponible exclusivamente en plataformas de Google, como el servicio en la nube Google Cloud y a través de la API Gemini. No cuenta con versiones abiertas ni posibilidad de implementación local, lo cual limita su uso en entornos descentralizados. Según los informes técnicos de Google, el modelo muestra una mayor coherencia con los referentes proporcionados, reduciendo el desvío visual y manteniendo la consistencia de elementos clave como rostros, prendas, textos en empaques y colores de marca, incluso al cambiar de ángulo de cámara. Además, los diálogos generados presentan sincronización lip-voice más natural y condiciones claras para múltiples voces simultáneas.
En comparación con la versión 1.1 Flash, se han incorporado seis mejoras significativas. La duración máxima ahora se ajusta en pasos de un segundo, permitiendo definir claramente el tiempo de salida entre 3 y 15 segundos. El modelo permite combinar imágenes estáticas o de movimiento de hasta tres segundos con referencias de personajes o productos. La calidad de los movimientos, especialmente en escenas de acción rápida, aún requiere optimización. Casos como deportes en movimiento, cambios rápidos de guión o simulaciones físicas complejas siguen siendo áreas de mejora técnica.
Para los desarrolladores, esta actualización representa una evolución en eficiencia y costo. Los clips más largos, la reducción de re-renderizados y el bajo costo por segundo simplifican el flujo de producción. Aunque no se han publicado métricas formales de rendimiento, las pruebas internas indican una mayor fidelidad al contenido de referencia.
En el contexto peruano, donde las empresas de medios, comercio y servicios digitales enfrentan presión por automatizar contenidos rápidos y económicos, esta tecnología abre puertas a producciones de video cortos sin necesidad de equipos profesionales. Empresas locales podrían aprovechar esta herramienta para generar contenido promocional, campañas publicitarias o explicaciones en redes sociales, reduciendo costos operativos mientras mantiene una calidad visual aceptable. Sin embargo, debe evaluarse cuidadosamente su uso en escenarios donde la precisión de movimientos o expresiones humanas es crítica, evitando errores que puedan afectar la reputación de marcas.