Gemini Omni 1.2 Flash

En qué destaca Gemini Omni 1.2 Flash, y en qué no

Gemini Omni 1.2 Flash conserva la idea que hizo útil a Omni 1.1, un solo modelo que crea, edita y extiende vídeo y genera el sonido en la misma pasada, y elimina el límite con el que la gente se topaba primero: la duración. Google lo lanzó el 5 de noviembre de 2026 con clips de hasta 15 segundos, un seguimiento más fiel de las referencias, un habla más limpia y un precio más bajo. A partir del 3 de diciembre de 2026, Google redirige todas las solicitudes de Omni 1.1 a la 1.2, así que esta es la versión sobre la que construir.

El primer cambio estrella es la generación de 15 segundos. La duración va de 3 a 15 segundos, de segundo en segundo, lo que basta para un anuncio completo para redes: una apertura, el producto en uso y un plano héroe final, con música y sonido sincronizados, sin unir tres clips y esperar que la iluminación coincida. En nuestra prueba, un clip vertical de 15 segundos salió en una sola toma con audio continuo.

El segundo son las referencias que se mantienen. Añade hasta 10 imágenes (un personaje desde varios ángulos, un producto, un lugar) y hasta tres clips de movimiento de 3 segundos. Google diseñó la 1.2 para mantener coherentes rostros, prendas, tipografía de los envases y colores de marca desde el primer fotograma hasta el último, con menos deformaciones durante los movimientos de cámara. Eso hace viable la prueba virtual a partir de fotos de producto frontales y traseras, los giros de catálogo y los anuncios construidos a partir de hojas de personaje existentes.

El tercero es la edición como un bucle. Sube un clip de hasta 15 segundos y describe el cambio: una carpa a rayas se convierte en un bosque de robles, una calle soleada pasa a estar bajo la lluvia, una sudadera se convierte en una chaqueta de cuero. Los actores, el encuadre y el ritmo se mantienen. Como el resultado es un clip más, puedes volver a editarlo, que es como Google presenta su edición «multiturno» y como se obtienen varias versiones de una misma toma. La extensión parte del otro extremo: sigue los últimos 10 segundos de cualquier clip y añade de 3 a 10 segundos con sonido a juego.

La dirección de cámara también mejora. Los movimientos largos y continuos (un vuelo FPV a través de una puerta, una órbita, un zoom out lento) salen con bastantes menos cortes bruscos no deseados que en la 1.1.

Dónde flojea: el encuadre es solo 16:9 o 9:16, un último fotograma limita el clip a 10 segundos y el audio siempre está activado: puedes orientarlo, no desactivarlo. El 1080p y el 4K se escalan a partir de los fotogramas nativos en 360p y 720p. Los filtros de seguridad de Google son estrictos y se rechazan fotos de algunas personas reconocibles, así que para insertar a una persona concreta en un clip existente MiniMax H3 es mejor herramienta. Para tomas de más de 15 segundos o encuadre cuadrado, Wan V3.0 llega a 30 segundos; para editar clips de más de 15 segundos, usa Seedance V2.5.

Un modelo mental razonable: haz de Gemini Omni 1.2 Flash tu opción por defecto para clips con sonido que esperas revisar, porque el mismo modelo puede editar y extender lo que ha creado. Recurre a MiniMax H3 para sustituir a una persona en metraje existente, a Wan V3.0 para tomas largas o cuadradas, a Seedance V2.5 para secuencias multiplano y a Kling V4 cuando quieras el estilo de Kling y una salida nativa en 1080p.