Gemini Omni 1.1 Flash: видео до 40 секунд, черновики за треть цены и контроль каждого кадра

До сих пор видеомодели Google анализировали только последнюю секунду клипа при продолжении сцены. Gemini Omni 1.1 Flash читает до 10 секунд предыдущего контекста и наращивает видео блоками по 10 секунд до суммарных 40. Модель доступна через Gemini API в Google AI Studio и платформу Gemini Enterprise Agent Platform. По данным Google, Adobe (Firefly), Figma Weave, GMI Cloud и Runway уже используют её в продакшне.

Что изменилось по сравнению с предыдущей версией?

• Расширение сцен до 40 секунд. Модель анализирует до 10 секунд предыдущего контекста (раньше только последнюю секунду, по данным Google). Продлевать можно блоками по 3 до 10 секунд за один вызов, суммарно до 40 секунд. Последние кадры исходного видео модель подправляет сама, чтобы стык был незаметным.

• Контроль первого и последнего кадра. Загружаете два изображения, модель генерирует непрерывное видео между ними. Это механизм для орбитальных облётов, наездов камеры (dolly-zoom) и зацикленных петель.

• Видеореференсы для единообразия персонажей. Можно подать до трёх клипов (каждый до 3 секунд) как образец внешности. Звук внутри референса модель игнорирует. Работа сразу с несколькими видео для «рассуждения» между ними не поддерживается.

• Черновик в 360p за треть цены. Параметр разрешения принимает значения 360p, 720p (по умолчанию), 1080p и 4K. По данным Google, 360p-черновики рендерятся до 60% быстрее и стоят треть от 720p. 1080p и 4K получаются апскейлом (увеличением разрешения с доработкой деталей).

• Редактирование через диалог. Редактирование «с памятью»: вы передаёте идентификатор предыдущего взаимодействия, модель применяет изменение, сохраняя всё, что вы не упоминали. Видео заново загружать не нужно.

• Водяной знак SynthID. Каждое сгенерированное видео несёт невидимую метку, которую можно проверить программно. Это для подтверждения происхождения контента.

Какие ограничения стоит учесть?

Ограничения конкретные и важные для планирования:

• Продлевать сцену можно только в конец клипа. Вставка в середину или добавление в начало не работают.
• Загружаемое видео для расширения должно быть не длиннее 10 секунд (исключение: многоходовое продление уже сгенерированного моделью ролика).
• Нельзя добавить новый диалог при расширении загруженного видео, где кто-то говорит. Диалоги поддерживаются только в многоходовом режиме через идентификатор взаимодействия.
• Системные промпты (системный промпт, постоянная инструкция, задающая поведение модели), настройки температуры и негативные промпты как отдельный параметр отсутствуют. Запреты приходится писать прямо в тексте промпта.
• Редактирование голоса и аудиореференсы не поддерживаются.
• YouTube-ссылки нельзя использовать как источник.
• Полностью поддерживается английский язык. Другие языки, по данным Google, не оценены.

Как попробовать Gemini Omni 1.1 Flash?

1. Откройте Google AI Studio (aistudio.google.com) и авторизуйтесь с Google-аккаунтом. Бесплатного тарифа нет: модель доступна только на платном уровне.
2. Выберите модель gemini-omni-1.1-flash в API. Для быстрого старта Google опубликовала Omni quickstart cookbook с примерами кода.
3. Начните с черновика в 360p: задайте resolution: "360p" в параметрах ответа. Проверьте результат, и только потом переключите на 720p, 1080p или 4K для финальной версии.
4. Для подписчиков Google AI Plus, Pro и Ultra модель также доступна в Google Flow, а расширение сцен работает в приложении Gemini.

Сравнение с российскими аналогами

В России генерация видео по тексту доступна через Kandinsky от «Сбера» (бесплатно, через FusionBrain). YandexGPT и GigaChat работают с текстом и изображениями, но генерацию видео не предлагают.

Прямого аналога с полным набором функций Gemini Omni в РФ пока нет.

Кому это пригодится и что делать прямо сейчас?

Видеомейкерам и маркетологам. Схема «черновик в 360p за треть цены, финал в 4K» радикально меняет экономику производства. Раньше каждый неудачный рендер стоил полную цену. Теперь можно перебирать варианты дёшево и рендерить один раз. При цене около $0,10 за секунду 720p минутный ролик обходится примерно в $6, но проверка идеи в 360p будет стоить около $2.

Авторам Дзена. Расширение сцен до 40 секунд и контроль камеры через первый и последний кадр позволяют собирать обложки-видео и короткие ролики для статей без монтажной программы. Ограничение: русский язык Google не тестировала, промпты придётся писать на английском.

Предпринимателям в РФ. Доступ к API из России затруднён. Если вы работаете через зарубежную инфраструктуру, модель уже в продакшне. Если нет, следите за Kandinsky и ждите, пока российские сервисы подтянут расширение сцен.

Частые вопросы

Можно ли использовать Gemini Omni бесплатно?

Нет. Модель доступна только на платных тарифах. Входные данные (текст, изображения, видео, аудио) стоят $1,50 за миллион токенов (токен, минимальная единица, которую обрабатывает модель; для видео 720p это 5 792 токена за секунду). Выходное видео стоит $17,50 за миллион токенов, что даёт около $0,10 за секунду видео 720p.

Как работает расширение сцены до 40 секунд?

Вы загружаете клип до 10 секунд (или используете ранее сгенерированный). Модель анализирует до 10 секунд контекста и дописывает продолжение от 3 до 10 секунд за один вызов. Повторяя вызовы, можно нарастить видео до 40 секунд. Добавлять можно только в конец: вставка в середину или в начало не поддерживается.

Поддерживается ли русский язык?

По данным Google, полностью поддерживается только английский. Другие языки компания не оценивала. На практике это значит, что промпты лучше писать на английском, а результаты на других языках могут быть непредсказуемыми.