Gemini Omni 1.2 vs 1.1: cosa cambia, prova su clip reali

Gemini Omni 1.2 Flash è la terza generazione del modello video Omni di Google: genera clip con audio sincronizzato a partire da testo, immagini o video, e la novità principale rispetto a Omni 1.1 si riassume in fretta. Riprese più lunghe, spendendo meno. Google l'ha rilasciato il 5 novembre 2026; quattro giorni dopo era in produzione su BananaBanana e da allora lo usiamo accanto all'1.1.

Risposta rapida: Omni 1.2 genera da 3 a 15 secondi in una sola ripresa (l'1.1 si ferma a 10) e costa circa il 30% in meno al secondo a ogni risoluzione: $0.07 al secondo a 720p invece di $0.10. L'audio resta sempre attivo, l'estensione arriva ancora al massimo a 40 secondi e una clip animata tra un primo e un ultimo fotogramma ha ancora un tetto di 10 secondi. Per i lavori nuovi ci sono pochi motivi per restare sull'1.1.

Qui sotto trovi i numeri, lo stesso prompt generato su entrambi i modelli e i casi in cui l'1.1 ha ancora senso.

Cosa è cambiato tra Gemini Omni 1.1 e 1.2?

Si sono mossi due numeri, e con loro è arrivata una manciata di promesse sulla qualità. Secondo l'annuncio di Google, la durata della clip sale fino a 15 secondi «con incrementi di un secondo da 3 a 15 secondi», il 720p scende a $0.07 al secondo e il modello guadagna un lip-sync più nitido, un controllo distinto di più voci e «molti meno stacchi indesiderati». La model card aggiunge che i risultati portano ancora una filigrana invisibile SynthID.

Ecco come si confrontano oggi le due generazioni sulla nostra piattaforma:

Un dettaglio dai nostri log di fatturazione: l'1.2 consuma esattamente gli stessi token di output al secondo dell'1.1 (5792 al secondo a 720p, 17 376 a 4K). Il modello non lavora di meno. Google ha semplicemente tagliato il prezzo dei token da $17.50 a $12 per milione, e il risparmio al secondo viene fuori direttamente da lì.

Gemini Omni 1.2 Flash, 10 secondi a 720p, con audio. Il prompt in breve: una meccanica di biciclette stringe un bullone, alza lo sguardo e dice «Most squeaks come from one loose bolt. Check this one first, then ride.» Costo: $0.70.

Stesso prompt su entrambi i modelli: come se la cava l'1.2?

Ho fatto girare un unico prompt su entrambe le generazioni con impostazioni identiche: 16:9, 720p, esattamente 10 secondi. Una donna con capelli grigi corti e un grembiule di jeans, un'officina di biciclette, una battuta parlata, «single continuous shot, no scene cuts» e una riga «Audio:» che chiede la sua voce, i clic della chiave inglese e l'ambiente della stanza, senza musica.

Lo stesso prompt su Gemini Omni 1.1 Flash, 10 secondi a 720p. Costo: $1.00.

Cosa ho visto, fotogramma per fotogramma:

• Entrambi sono rimasti su un'unica inquadratura. Un passaggio di rilevamento delle scene con ffmpeg non ha trovato nessuno stacco in nessuno dei due file. Sull'1.1 quell'istruzione contava parecchio: senza, Omni tende a montare da solo la clip su più angolazioni.
• Entrambi hanno detto la battuta. Ciascuna delle due donne pronuncia la frase del copione in camera, con la voce generata nello stesso passaggio. La traccia dell'1.2 è uscita sensibilmente più forte (circa 4 dB in più di livello medio), comodo se pubblichi senza mixare.
• L'1.1 ha seguito l'aspetto più alla lettera. Le ha dato i capelli grigi corti del prompt; l'1.2 ha scelto un caschetto all'altezza del mento. Poca cosa, ma ricorda che «meglio in media» non vuol dire meglio a ogni ripresa.
• L'1.2 ha usato la chiave inglese come oggetto di scena. Lei la solleva verso l'obiettivo mentre parla, e il risultato sembra più un vero video da creator rispetto alla versione 1.1.

È un benchmark? No. È una sola coppia di clip, e Omni ti dà una ripresa diversa ogni volta (non c'è un seed per bloccare la composizione). Quello che mostra è che l'1.2 non ha perso nulla di ciò in cui l'1.1 era brava, e per gli stessi 10 secondi è costata $0.30 in meno.

Una ripresa da 15 secondi fa davvero la differenza?

Più di quanto facciano pensare i cinque secondi in più. Dieci secondi bastano per un hook, ma sono pochi per un'azione completa: un versamento dall'inizio alla fine, un prodotto che viene aperto, una breve recensione in camera. Sull'1.1 avresti generato 10 secondi e poi esteso.

Gemini Omni 1.2 Flash, 15 secondi a 720p in un'unica ripresa. Il prompt in breve: una ceramista modella una ciotola al tornio, la liscia con una stecca di legno, la stacca con un filo e la sposta su un'asse; come audio il ronzio del tornio e l'argilla bagnata, niente musica. Costo: $1.05.

Sinceramente mi aspettavo che questa si inceppasse a metà. Omni ha l'abitudine di saltare gli eventi più avanti nel prompt («then she cuts it free…») e restituire una scena bella ma statica. Non qui: le mani alzano le pareti, entra in gioco la stecca, intorno all'undicesimo secondo il filo passa sotto la base e al quattordicesimo la ciotola viene sollevata dal tornio. Quattro passaggi, una ripresa, nessuno stacco. Una clip prova poco, ma è proprio il tipo di prompt a più fasi che le versioni precedenti di Omni ci appiattivano ogni volta in una scena statica.

Ora i soldi. Ottenere 15 secondi dall'1.1 significa una clip da 10 secondi ($1.00) più un'estensione da 5 secondi, e l'estensione si paga sulla lunghezza totale risultante, quindi quel secondo passaggio costa 15 × $0.10 = $1.50. Totale: $2.50. Gli stessi 15 secondi sull'1.2 in una sola ripresa: $1.05. Meno della metà, e salti un passaggio in cui l'estensione poteva allontanarsi dal look originale.

Quanto costa una clip con Gemini Omni 1.2?

Ogni secondo si paga in base alla risoluzione, audio compreso:

Google indica per l'1.2 circa $0.0232, $0.0695, $0.1043 e $0.2085 al secondo per le quattro risoluzioni. Noi arrotondiamo al centesimo, e a 4K arrotondiamo per difetto a $0.20.

I bonus di ricarica abbassano ulteriormente il prezzo effettivo. Un deposito in crypto da $50 in su aggiunge il 5% al saldo, da $100 in su il 10%, e un codice promo attivo aggiunge un altro 10% su ogni deposito. Così $100 in crypto con un codice diventano $120 di saldo, il che porta un secondo a 720p a circa $0.058 e una clip completa da 15 secondi a 720p a circa $0.88. I pagamenti con carta, PayPal e SEPA vengono accreditati senza bonus di deposito.

Il mio flusso di lavoro: bozza a 360p ($0.30 per 15 secondi pieni), lì sistemo tempi e camera, poi rigenero a 720p la ripresa che tengo. Ricorda che bozza e versione finale sono generazioni separate, quindi la finale non sarà un upscale fotogramma per fotogramma della bozza. Le tabelle complete per ogni modello sono nella pagina dei prezzi.

Cosa non è cambiato: i limiti di Omni 1.2

Il tetto dei 15 secondi non vale ovunque, ed è il punto su cui si inciampa per primo.

• Primo e ultimo fotogramma: sempre 10 secondi. Quando abbiamo provato una clip da 12 secondi tra due fotogrammi chiave, l'API di Google l'ha rifiutata con «Interpolation duration 12 seconds exceeds maximum duration 10 seconds». Lo studio e il server MCP ora limitano questo caso a 10 secondi prima dell'addebito, quindi l'errore non lo vedrai tu.
• L'estensione aggiunge 3–10 secondi per passaggio, 40 secondi in totale. Partire da 15 ti ci porta solo in meno passaggi. Non si può inserire nulla all'inizio o a metà.
• L'audio non si può disattivare. Ogni clip di Omni ha una traccia audio. Se ti serve il silenzio, Veo 3.1 genera senza audio, e Wan 3.0 può disattivarlo gratis.
• Niente seed, niente campo per il prompt negativo, un risultato per richiesta. Scrivi le esclusioni nel prompt («no music», «no dialogue»): funzionano quasi sempre, non sempre.
• La modifica del parlato è limitata. Secondo la model card, modificare un video può cambiare ciò che dicono le persone, e per ora Google limita questa capacità.

Google stessa dice che il lavoro continua su azioni sportive veloci, cambi rapidi di copione e fisica complessa. Il mio parere: se un'inquadratura dipende da una palla che rimbalza nel modo giusto, genera prima una bozza a 360p.

Conviene passare da Omni 1.1 a 1.2?

Per i progetti nuovi, sì. Stesse funzioni, riprese più lunghe, circa un terzo in meno a ogni risoluzione. Non mi viene in mente un brief nuovo in cui l'1.1 vinca sulla carta.

Tenere l'1.1 ha senso in due casi. Stai continuando una serie girata con quella versione e vuoi che il look resti coerente tra un episodio e l'altro. Oppure hai messo a punto un set di prompt sull'1.1 e la sua lettura è esattamente quella che ti serve (il test dei capelli qui sopra è un piccolo esempio di quanto i due modelli leggano diversamente un prompt). Entrambe le generazioni restano disponibili nel generatore e via MCP, e scegli clip per clip.

C'è anche una data da tenere a mente. Le release notes di Google dicono che dal 3 dicembre 2026 la Gemini API instraderà le richieste per gemini-omni-1.1-flash verso l'1.2. Da noi per ora restano selezionabili entrambe; se la cosa cambia da parte nostra, aggiorneremo questo articolo.

Per capire più a fondo cosa accetta e cosa rifiuta l'API di Omni, leggi la nostra recensione dell'API Gemini Omni Flash. La pagina del modello con altre clip di esempio è Gemini Omni 1.2.

FAQ

Gemini Omni 1.2 è meglio di 1.1?

Sulla carta sì: riprese da 15 secondi invece di 10 e prezzi più bassi di circa il 30%, con le stesse funzioni. Google promette anche un lip-sync più nitido e meno stacchi indesiderati. Nel nostro test fianco a fianco entrambi hanno gestito una battuta parlata in un'unica inquadratura; l'1.2 è costata $0.70 contro $1.00.

Quanto può durare un video con Gemini Omni 1.2?

Da 3 a 15 secondi in una sola generazione, impostabili al secondo. Con primo e ultimo fotogramma insieme il limite è 10 secondi. Le scene più lunghe si ottengono con l'estensione, 3–10 secondi per passaggio, fino a 40 secondi in totale.

Quanto costa una clip da 10 secondi con Omni 1.2?

$0.70 a 720p, $0.20 a 360p, $1.00 a 1080p e $2.00 a 4K, audio compreso. Le generazioni non riuscite vengono rimborsate in automatico.

Posso ancora usare Omni 1.1?

Sì. Omni 1.1 Flash resta disponibile accanto all'1.2 nel generatore e nel server MCP, e scegli la generazione per ogni clip. Google prevede di instradare le chiamate alla Gemini API per l'1.1 verso l'1.2 dal 3 dicembre 2026.

Omni 1.2 può creare un video senza audio?

No. Ogni clip di Omni ha una traccia audio. Puoi descriverla in una riga «Audio:» o chiedere «no music, no dialogue», ma per una clip davvero muta usa Veo 3.1 o Wan 3.0.