Gemini Omni 1.2 vs 1.1: що змінилося — тест на роликах

Gemini Omni 1.2 Flash — третє покоління відеомоделі Omni від Google: вона створює ролики із синхронним звуком із тексту, зображень або відео, а головна відмінність від Omni 1.1 вміщується в одну фразу. Довші дублі за менші гроші. Google випустила модель 5 листопада 2026 року, за чотири дні ми запустили її на BananaBanana і відтоді ганяємо поруч із 1.1.

Коротка відповідь: Omni 1.2 рендерить від 3 до 15 секунд одним дублем (1.1 зупиняється на 10) і коштує приблизно на 30% менше за секунду в будь-якій роздільній здатності: $0.07 за секунду в 720p замість $0.10. Звук, як і раніше, увімкнений завжди, подовження сцени так само впирається в 40 секунд, а ролик-анімація між першим і останнім кадром і далі обмежений 10 секундами. Для нових задач лишатися на 1.1 майже немає сенсу.

Нижче — цифри, той самий промпт на обох моделях і випадки, коли 1.1 досі має сенс.

Що змінилося між Gemini Omni 1.1 і 1.2?

Зсунулися дві цифри, а до них додалася пара обіцянок щодо якості. Згідно з анонсом Google, довжина ролика зростає до 15 секунд «з кроком в одну секунду, від 3 до 15 секунд», 720p дешевшає до $0.07 за секунду, а модель отримує чіткіший ліпсинк, окреме керування кількома мовцями та «значно менше небажаних різких склейок». У картці моделі додано, що результати й надалі мають невидимий водяний знак SynthID.

Ось як два покоління виглядають на нашій платформі сьогодні:

Одна деталь із наших власних логів білінгу: 1.2 витрачає рівно стільки ж вихідних токенів на секунду, скільки й 1.1 (5792 на секунду в 720p, 17 376 у 4K). Модель не почала працювати менше. Google просто знизила ціну токена з $17.50 до $12 за мільйон, і економія на секунді випливає саме звідси.

Gemini Omni 1.2 Flash, 10 секунд у 720p, зі звуком. Промпт коротко: веломеханікиня затягує болт, піднімає погляд і каже "Most squeaks come from one loose bolt. Check this one first, then ride." Вартість: $0.70.

Один промпт на обох моделях: як 1.2 виглядає поруч із 1.1?

Я прогнав один промпт через обидва покоління з однаковими налаштуваннями: 16:9, 720p, рівно 10 секунд. Жінка з коротким сивим волоссям у джинсовому фартуху, велосипедна майстерня, одна репліка, "single continuous shot, no scene cuts" і рядок "Audio:" з проханням про її голос, клацання ключа та фон приміщення без музики.

Той самий промпт на Gemini Omni 1.1 Flash, 10 секунд у 720p. Вартість: $1.00.

Що я побачив, кадр за кадром:

• Обидві моделі втримали один план. Прохід ffmpeg із детекцією сцен не знайшов жодної склейки в жодному файлі. На 1.1 ця інструкція дуже важлива: без неї Omni любить сама порізати ролик на кілька ракурсів.
• Обидві вимовили репліку. Кожна героїня каже задану фразу в камеру голосом, згенерованим у тому самому проході. Доріжка в 1.2 вийшла помітно гучнішою (середній рівень приблизно на 4 дБ вищий) — зручно, якщо викладаєте без зведення.
• 1.1 буквальніше дотрималася опису зовнішності. Вона дала героїні коротку сиву стрижку з промпту, а 1.2 обрала каре до підборіддя. Дрібниця, але добре нагадування: «краще в середньому» не означає «краще в кожному дублі».
• 1.2 обіграла ключ як реквізит. Героїня піднімає його до об'єктива, поки говорить, і це більше схоже на справжнє відео блогерки, ніж версія 1.1.

Це бенчмарк? Ні. Це одна пара роликів, а Omni щоразу видає новий дубль (seed, щоб зафіксувати композицію, немає). Зате видно, що 1.2 не втратила нічого, у чому була сильна 1.1, а за ті самі 10 секунд коштувала на $0.30 менше.

Чи справді важливий 15-секундний дубль?

Важливіший, ніж здається з п'яти зайвих секунд. Десяти секунд вистачає на хук, але для завершеної дії це замало: налити напій від початку до кінця, розпакувати товар, коротко розповісти про нього в камеру. На 1.1 довелося б відрендерити 10 секунд, а потім подовжувати.

Gemini Omni 1.2 Flash, 15 секунд у 720p одним дублем. Промпт коротко: керамістка формує миску на гончарному крузі, загладжує її дерев'яною циклею, зрізає струною і переносить на дошку; у звуці — гул круга й мокра глина, без музики. Вартість: $1.05.

Чесно кажучи, я чекав, що тут усе розвалиться на середині. Omni має звичку губити пізні події промпту ("then she cuts it free…") і повертати гарну, але статичну сцену. Не цього разу: руки витягують стінки, в хід іде цикля, десь на 11-й секунді струна проходить під денцем, а до 14-ї миску знімають із круга. Чотири кроки, один дубль, жодної склейки. Один ролик мало що доводить, але саме такі багатокрокові промпти попередні версії Omni в нас раз у раз сплющували в статичну сцену.

Тепер про гроші. Щоб отримати 15 секунд на 1.1, потрібен 10-секундний ролик ($1.00) плюс подовження на 5 секунд, а подовження оплачується за повною підсумковою довжиною, тож другий крок коштує 15 × $0.10 = $1.50. Разом: $2.50. Ті самі 15 секунд на 1.2 одним дублем: $1.05. Це менше половини — і мінус крок, на якому подовження могло відпливти від початкової картинки.

Скільки коштує ролик на Gemini Omni 1.2?

Кожна секунда оплачується за роздільною здатністю, звук входить у ціну:

У Google ціна 1.2 — близько $0.0232, $0.0695, $0.1043 і $0.2085 за секунду для чотирьох роздільних здатностей. Ми округлюємо до цента, а в 4K — донизу, до $0.20.

Бонуси при поповненні знижують фактичну ціну ще більше. Криптодепозит від $50 додає до балансу 5%, від $100 — 10%, а активний промокод зверху додає ще 10% до кожного депозиту. Тож $100 у криптовалюті з кодом перетворюються на $120 балансу, і секунда в 720p виходить приблизно в $0.058, а повний 15-секундний ролик у 720p — близько $0.88. Оплата карткою, через PayPal і SEPA зараховується без бонусу за депозит.

Як працюю я: чернетка в 360p ($0.30 за повні 15 секунд), на ній вивіряю таймінг і камеру, потім перерендерюю вдалий варіант у 720p. Пам'ятайте, що чернетка й фінал — різні генерації, тож фінал не буде покадровим апскейлом чернетки. Повні таблиці для всіх моделей — на сторінці цін.

Що не змінилося: обмеження Omni 1.2

Стеля в 15 секунд діє не скрізь, і саме на цьому спотикаються найперше.

• Перший і останній кадр: як і раніше, 10 секунд. Коли ми спробували 12-секундний ролик між двома ключовими кадрами, API Google відхилив його з помилкою "Interpolation duration 12 seconds exceeds maximum duration 10 seconds". Студія та MCP-сервер тепер обмежують цей випадок 10 секундами ще до списання, тож самі ви на цю помилку не натрапите.
• Подовження додає 3–10 секунд за крок, разом до 40 секунд. Старт із 15 секунд просто дає змогу дійти туди за менше кроків. Вставити щось на початок чи в середину не можна.
• Звук не вимикається. Кожен ролик Omni має аудіодоріжку. Якщо потрібна тиша, Veo 3.1 рендерить без звуку, а у Wan 3.0 звук можна вимкнути безкоштовно.
• Немає seed, немає поля для негативного промпту, один варіант на запит. Винятки пишіть просто в промпт ("no music", "no dialogue"): спрацьовують здебільшого, але не завжди.
• Редагування мовлення обмежене. Згідно з карткою моделі, під час редагування відео можна змінити те, що кажуть люди, і Google поки обмежує цю можливість.

Сама Google визнає, що робота триває над швидкими спортивними сценами, різкими змінами сценарію та складною фізикою. Моя думка: якщо кадр тримається на тому, чи правильно відскакує м'яч, спершу зробіть чернетку в 360p.

Чи варто переходити з Omni 1.1 на 1.2?

Для нових проєктів — так. Ті самі можливості, довші дублі, приблизно на третину дешевше в будь-якій роздільній здатності. Не можу вигадати свіжий бриф, де 1.1 виграла б на папері.

Лишати 1.1 має сенс у двох випадках. Ви продовжуєте серію, зняту на ній, і хочете, щоб картинка не змінювалася від епізоду до епізоду. Або ви налаштували набір промптів під 1.1, і її прочитання — саме те, що потрібно (тест із зачіскою вище — маленький приклад того, як по-різному дві моделі читають один промпт). Обидва покоління лишаються доступними в генераторі і через MCP, модель обирається для кожного ролика.

Є й дата, яку варто тримати в голові. У release notes Google сказано, що з 3 грудня 2026 року Gemini API перенаправлятиме запити до gemini-omni-1.1-flash на 1.2. У нас поки можна обрати обидві; якщо на нашому боці це зміниться, статтю буде оновлено.

Детальніше про те, що API Omni приймає і що відхиляє, — у нашому огляді Gemini Omni Flash API. Сторінка моделі з іншими прикладами роликів — Gemini Omni 1.2.

FAQ

Чи краща Gemini Omni 1.2 за 1.1?

За характеристиками — так: дублі по 15 секунд замість 10 і ціни приблизно на 30% нижчі за тих самих можливостей. Google також заявляє чіткіший ліпсинк і менше небажаних різких склейок. У нашому порівнянні обидві моделі впоралися з реплікою одним планом; 1.2 коштувала $0.70 проти $1.00.

Якої довжини може бути відео в Gemini Omni 1.2?

Від 3 до 15 секунд за одну генерацію, з точністю до секунди. З першим і останнім кадром одночасно ліміт — 10 секунд. Довші сцени збираються подовженням, по 3–10 секунд за крок, разом до 40 секунд.

Скільки коштує 10-секундний ролик на Omni 1.2?

$0.70 у 720p, $0.20 у 360p, $1.00 у 1080p і $2.00 у 4K, звук включено. Невдалі генерації повертаються автоматично.

Чи можна ще користуватися Omni 1.1?

Так. Omni 1.1 Flash лишається доступною поруч із 1.2 у генераторі та на MCP-сервері, а покоління ви обираєте для кожного ролика. Google планує перенаправляти виклики Gemini API до 1.1 на 1.2 з 3 грудня 2026 року.

Чи може Omni 1.2 зробити відео без звуку?

Ні. Кожен ролик Omni має аудіодоріжку. Її можна описати в рядку "Audio:" або попросити "no music, no dialogue", але для справді беззвучного ролика беріть Veo 3.1 або Wan 3.0.