Gemini Omni 1.2 Flash er ute i Gemini API: 15 sekunders video for 1,04 dollar

15 sekunder video med innebygd lyd kan du nå lage i én generering med Gemini Omni 1.2 Flash (gemini-omni-1.2-flash), som Google ifølge sin egen blogg har gjort generelt tilgjengelig i Gemini API og Gemini for business. Forgjengeren Omni 1.1 stoppet på 10 sekunder. Modellen tar tekst, bilder og korte videoklipp som input, og lengden settes sekund for sekund fra 3 til 15 sekunder.

Prisen er det mest håndfaste. Google fakturerer video som output-tokens: 5 792 tokens per sekund 720p-video til 12 dollar per million tokens, altså rundt 0,07 dollar i sekundet. Et fullt 15-sekunders klipp koster dermed omtrent 1,04 dollar. Omni 1.1 lå på 17,50 dollar per million, rundt 0,10 dollar i sekundet. Input koster 1,50 dollar per million tokens, og det finnes ingen gratisvariant: modellen krever betalt nivå i API-et.

Alt går gjennom Interactions API. Du kan redigere samme klipp tur for tur med vanlig språk, bytte bakgrunn eller lys, og forlenge en video med 3 til 10 sekunder per tur opp til 30 sekunder totalt. Modellen ser bare på de siste 10 sekundene når den forlenger, så elementer som forsvant tidligere må nevnes på nytt i prompten. Standardoppløsningen er 720p, 360p egner seg til utkast, mens 1080p og 4K er oppskalert. Du kan gi opptil 6 referansebilder, men klipp på 11 til 15 sekunder tåler bare én referansevideo på maks 3 sekunder. Alle videoer får et usynlig SynthID-vannmerke.

For norske utviklere er begrensningslista viktigst. Redigering og forlengelse av videoer du laster opp selv er ikke tilgjengelig i EØS, Sveits og Storbritannia, og bilder med mindreårige kan ikke lastes opp eller redigeres der. Video modellen selv har laget kan du redigere. Google skriver også at bare engelsk er fullt støttet, og at andre språk ikke er evaluert, så norske prompter og norsk tale må du teste selv. Google er åpen om at modellen har svakheter:

«Utviklingen fortsetter for å forbedre ting som rask sportsaction, raske manusendringer og kompleks fysikk» — Google, i lanseringsposten

Utrullingen utenfor API-et er ujevn. Gemini-appen får modellen først for Google AI Ultra-abonnenter, mens Google Vids og Flow rulles ut gradvis. I Hacker News-tråden om lanseringen oppsummerte en bruker forvirringen slik:

«Betaler du for API-et, er den visstnok tilgjengelig nå. Hvorfor er dette så vanskelig å finne ut av?» — Willingham, Hacker News

Hva bør du gjøre?

1. Bytt modellstrengen fra gemini-omni-1.1-flash til gemini-omni-1.2-flash nå og test promptene dine. Fra 3. desember rutes alle 1.1-kall automatisk til 1.2 og faktureres med 1.2-prisen.
2. Lag utkast i 360p og rett detaljer med oppfølgingsredigering i stedet for å generere hele klippet på nytt. Oppskaler bare de klippene du faktisk skal bruke.
3. Sett delivery="uri" i response_format for videoer over 4 MB, ellers treffer du grensen for størrelsen på responsen.