Gemini Omni 1.2 Flash: video con sonido y la cuenta real de un anuncio
Gemini Omni 1.2 Flash genera hasta 15 s de video con sonido. Recorrido por la API, precio por segundo y cuánto cuesta un anuncio terminado.
Gemini Omni 1.2 Flash es el modelo de video con sonido de Google que el 5 de noviembre de 2026 salió de vista previa y pasó a disponibilidad general en su API. Genera hasta 15 segundos de video con audio incluido, y un clip de 15 segundos a 720p cuesta alrededor de 1.04 dólares. Aquí está el recorrido por la API, a quién no le sirve y cuánto cuesta un anuncio terminado, no un intento.
Qué cambió con Gemini Omni 1.2 Flash
No es un video nuevo: es el modelo saliendo de vista previa. Google lo declaró de disponibilidad general con tres cambios. Genera hasta 15 segundos de video con audio nativo. Mantiene al mismo personaje con hasta seis imágenes de referencia. Y cobra 30 % menos por el video de salida, con el doble de límites de uso en el plan de pago, según el anuncio de Google.

Además, la versión 1.1 se redirige a la 1.2 el 3 de diciembre, ya con el precio nuevo, y Veo 3.1 en vista previa se apagó en la API el 22 de octubre. Según Wyzowl, citado por otros sitios, 91 % de las empresas usa video para marketing: lo que cambia es lo que cuesta probar una idea.
Cómo funciona por dentro: el identificador
Todo pasa por la API de Interacciones: una sola llamada con un texto y, si quieres, imágenes o video. Tú fijas la duración (de 3 a 15 segundos), la proporción (horizontal o vertical) y la resolución. La pieza clave que casi nadie menciona: cada video guarda un identificador, y con él pides cambios sin volver a subirlo. Eso lo convierte en una conversación y no en un tragamonedas, pero solo funciona si dejas activado el guardado.
El recorrido completo, paso a paso
- Necesitas una cuenta de pago: el plan gratuito no puede usar este modelo.
- Pides el video con una sola llamada. Ejemplo: un frasco de mermelada artesanal sobre una mesa de madera, luz de mañana, cámara que se acerca despacio, sonido de cocina tranquila; en los parámetros, 10 segundos, vertical, 720p.
- La respuesta trae el video codificado; si pesa más de 4 MB, pides que te lo entregue como archivo y esperas a que esté activo para descargarlo.
- Si no escribes "plano continuo, sin cortes", el modelo puede meter varios planos en un solo clip. Y si pones una duración en el texto y otra en los parámetros, gana la de los parámetros.
- Para editar, mandas el identificador del video anterior y dices, por ejemplo: "cambia la mesa por mármol, deja todo lo demás igual".

La cuenta: cuánto cuesta cada clip
Google cobra los tokens de salida de video a 12 dólares por millón. En 720p son unos 7 centavos por segundo: 15 segundos cuestan cerca de 1.04 dólares y 10 segundos, 0.70. En 360p son unos 2 centavos por segundo, así que 15 segundos salen en unos 0.35 dólares. La versión 1.1 cobraba cerca de 10 centavos por segundo en 720p, así que de 10 a 7 es 30 % menos; por millón de tokens pasó de 17.50 a 12 dólares, 31 % menos. Lo que sube de precio es la resolución: 1080p cuesta unos 0.104 por segundo y 4K unos 0.209.
Tres casos de uso (análisis propio)
- Tienda en línea con seis fotos del producto: las pasas como referencias y pides un anuncio vertical de 10 segundos. Cuatro versiones para probar en Reels o TikTok cuestan 2.80 dólares en total. El beneficio es poder probar cuatro ideas antes de pagar publicidad.
- Restaurante con un video de su platillo: subes el video por la API de archivos y pides cambiar el fondo por una terraza al atardecer, "deja todo lo demás igual". Editar videos subidos no está disponible en todas las regiones, así que revísalo antes de prometerlo.
- Antes y después: pasas dos imágenes y describes la transición; sale un clip de 3 a 10 segundos. Sin dos buenos encuadres con la misma luz, el modelo inventa lo que pasa en medio.
¿Cómo aplicarlo en tu empresa?
- Prueba todo en 720p y reescala solo al ganador.
- Presupuesta cuatro intentos por anuncio: 4 × 1.04 son 4.16 dólares por anuncio terminado; 20 anuncios al mes, 83.20 dólares.
- Fija la duración en los parámetros, no en el texto.
- Escribe "plano continuo, sin cortes" y describe el sonido, porque el modelo lo agrega por defecto.
- Deja el guardado activado si vas a editar.
El costo de ponerlo a andar no es solo dinero: necesitas una cuenta de pago, una llave de API y alguien que corra una llamada de código. Google publica un cuaderno de inicio rápido. Para otro avance de Google en video con sonido, lee el análisis completo de Genie 4.
A quién no le sirve y lo que no te están contando
No le sirve a quien necesita su propia voz o una locución exacta (no acepta audio como entrada ni edita voces), a quien trabaja con diálogos en español (el inglés es el único idioma totalmente evaluado) ni a quien sigue en el plan gratuito. Sobre la afirmación de "video en 4K": en la página de precios de Google, 1080p y 4K aparecen como reescalados, y el reescalado no agrega detalle que el modelo no generó. La mejor consistencia con seis referencias es afirmación de Google sin prueba independiente, y no hay una medición independiente de cómo reacciona el público. Todos los videos llevan una marca de agua invisible, SynthID.
Se rompe si pones el guardado en falso (ya no puedes editar en turnos siguientes), y la extensión solo lee los últimos 10 segundos. Los límites en el primer nivel son 8 solicitudes por minuto y 40 al día.
Preguntas frecuentes
¿Qué es Gemini Omni 1.2 Flash?
El modelo de Google que genera hasta 15 segundos de video con audio nativo, ya en disponibilidad general en la API.
¿Cuánto cuesta?
Unos 7 centavos por segundo en 720p: 15 segundos cuestan cerca de 1.04 dólares.
¿Hay plan gratuito?
No: el plan gratuito no puede usar este modelo.
¿Puedo editar un video ya generado?
Sí, con el identificador del video, mientras tengas activado el guardado.
Conclusión
Gemini Omni 1.2 Flash baja el costo de cada intento de video con sonido; lo que falta es tu idea y tu criterio para elegir cuál de los cuatro sirve. Haz la cuenta de un anuncio terminado, no de un intento, y prueba en 720p antes de reescalar.