Les équipes qui produisent des vidéos courtes en volume, comme les fiches produit, les publicités ou les catalogues, peuvent désormais générer un clip de 15 secondes d’un seul tenant et le retoucher en dialoguant, sans tout relancer. Google déploie Gemini Omni 1.2 Flash en disponibilité générale sur l’API Gemini et Gemini for business. Le tarif annoncé est de 0,07 dollar par seconde de vidéo en 720p, soit 30 % de moins que Gemini Omni 1.11. La nouveauté la plus utile tient moins au prix affiché qu’à la manière de dépenser son budget.
Qu’apporte vraiment cette version 1.2 ?
Selon Google, le modèle crée nativement des vidéos de 15 secondes, accepte des modifications sur plusieurs tours de conversation et suit mieux les références fournies. La méthode recommandée suit trois étapes. On commence par un brouillon en 360p ou 720p. On corrige ensuite un détail par une retouche ciblée. On fait enfin monter les meilleures prises en 1080p ou en 4K1.
Le tarif étant calculé à la seconde, un clip complet de 15 secondes en 720p revient à environ 1,05 dollar. Ce qui coûte cher dans la vidéo générée, ce sont surtout les essais ratés. Une main mal placée ou une couleur qui dérive obligeaient jusqu’ici à payer une nouvelle génération complète. La retouche conversationnelle vise précisément ce gaspillage. L’annonce ne détaille pas le prix du 360p ni celui de la montée en 4K. Il faut consulter la grille tarifaire de la documentation développeurs avant tout chiffrage sérieux.
Pourquoi la cohérence visuelle intéresse le commerce en ligne
D’après Google, on peut guider la génération avec plusieurs types de références : des images de personnage, de produit ou de style, de courts clips de mouvement de trois secondes au maximum et des indices audio. Les visages, les vêtements, la typographie des emballages et les couleurs de marque resteraient stables d’un angle de caméra à l’autre. L’éditeur cite un exemple : à partir d’une photo de mannequin et de vues avant et arrière de trois tenues, le modèle produit un essayage virtuel de 15 secondes, avec rotations à 360 degrés et raccords. La coupe, le tombé et les détails du dos des vêtements seraient conservés1.
Ce point compte, car la dérive est le défaut classique des vidéos générées : un logo qui se déforme, un visage qui change entre deux plans. Pour une marque, c’est éliminatoire. Il s’agit toutefois de démonstrations choisies par Google, pas de tests indépendants.
| Besoin | Ce que Google annonce | Ce qu’il faut vérifier soi-même |
|---|---|---|
| Fiche produit animée | Rotation et constance des couleurs de marque | Rendu sur vos propres photos, pas sur celles de la démo |
| Essayage virtuel | Identité et coupe des vêtements maintenues | Matières difficiles, motifs fins, accessoires |
| Publicité courte | Clip natif de 15 secondes | Raccord entre plusieurs clips si le format est plus long |
| Itérations rapides | Retouche ciblée au lieu d’une régénération | Nombre réel de retouches avant un résultat utilisable |
Où le modèle reste fragile
Google reconnaît que le travail se poursuit sur trois points : les actions sportives rapides, les changements de script rapides et la physique complexe1. Une vidéo de sport, un montage nerveux ou une scène où des objets interagissent de façon réaliste risquent donc de donner des résultats moins fiables qu’une rotation de produit sur fond neutre. La limite des 15 secondes impose aussi d’assembler plusieurs clips pour tout format plus long, ce qui fait revenir la question des raccords. Enfin, l’annonce met en avant la rapidité du modèle sans publier de mesure de vitesse de génération.
Ce modèle s’inscrit dans l’intégration progressive d’Omni dans les outils de Google, déjà visible avec Gemini Omni et les avatars personnalisés dans Google Vids.
Comment l’essayer sans exploser son budget
Google propose de commencer par un prototype dans Google AI Studio, avec des applications de démarrage interactives et la documentation développeurs1. Prenez trois de vos vraies photos produit et générez tous les brouillons en basse résolution. Notez combien de retouches il faut pour obtenir un clip publiable, puis divisez la dépense totale par le nombre de clips réellement utilisables. Ce coût par vidéo exploitable sera plus parlant que le tarif à la seconde.
Sources consultées
- blog.google — blog.google
