Gemini Omni 1.2 Flash vs 1.1: o que mudou

O Google lançou o Gemini Omni 1.2 Flash em 5 de novembro de 2026, dez semanas depois do Gemini Omni 1.1 Flash. A melhoria que mais muda o trabalho é a duração: uma geração agora vai de 3 a 15 segundos, sem parar em 10. Junto com isso, o Google melhorou a fidelidade às imagens de referência, permitiu continuar editando um clipe pronto em vários turnos, deixou falas e sincronia labial mais naturais e reduziu em 30% o preço da API do Gemini em 720p, para US$ 0,07 por segundo. As duas versões já estão disponíveis no estúdio da NanoBananas, e o Gemini Omni 1.2 Flash custa menos créditos por segundo que o 1.1.

Esta comparação foi atualizada em 11 de novembro de 2026, quando o Gemini Omni 1.2 Flash chegou ao estúdio da NanoBananas. As especificações do modelo vêm do anúncio do Google, da página do modelo no Google Cloud e do model card da DeepMind, todos com link na seção de fontes. Os créditos e limites do estúdio para as duas versões vêm da tabela de preços da NanoBananas. As afirmações sobre a qualidade do 1.2 são do Google e estão indicadas como tal.

O que mudou no Gemini Omni 1.2 Flash

Clipes de até 15 segundos, segundo a segundo

O 1.1 tinha durações fixas de até 10 segundos. O 1.2 aceita qualquer número inteiro de segundos entre 3 e 15 ao gerar a partir de texto, imagem ou referências, e também ao editar. A geração com primeiro e último quadro continua limitada a 10 segundos, e a extensão de cena acrescenta de 3 a 10 segundos por etapa. Na prática, 15 segundos bastam para um anúncio completo para redes sociais, um vídeo explicativo de produto ou um diálogo curto em uma única tomada, sem juntar dois clipes e torcer para o corte não aparecer.

Mais fidelidade às referências

Em um mesmo pedido você pode combinar imagens de personagem, produto ou estilo, clipes de movimento de até três segundos e pistas de áudio. Segundo o Google, rostos, roupas, tipografia da embalagem e cores da marca agora se mantêm do primeiro ao último quadro, mesmo com mudança de ângulo. A documentação do Cloud permite até 10 imagens e 3 vídeos por pedido. Entre os exemplos do Google está um provador virtual de 15 segundos feito com uma foto da modelo e fotos de frente e de costas de três looks.

Edição em vários turnos

Depois de gerar um clipe, você pode continuar ajustando em conversa: trocar o produto ou o fundo, mudar a iluminação ou o clima, ou alternar a proporção, sem gerar tudo de novo. Funciona em clipes completos de 15 segundos. Para equipes de publicidade é a mudança mais útil, porque um clipe aprovado vira várias versões para públicos e posicionamentos diferentes.

Fala mais natural e câmera mais estável

As falas soam mais fluidas, a sincronia labial está mais precisa e cenas com várias pessoas falando ficaram mais fáceis de dirigir. O Google também relata menos cortes indesejados em movimentos longos de câmera, como voos FPV, órbitas e afastamentos rápidos, com escala mais estável.

Preço menor e disponibilidade geral

O preço da API do Gemini em 720p caiu 30%, para US$ 0,07 por segundo. O 1.2 também é a primeira versão do Gemini Omni com disponibilidade geral (GA) no Google Cloud, com Provisioned Throughput e data de desativação prevista para 5 de novembro de 2027 ou depois.

Gemini Omni 1.2 Flash vs 1.1 Flash, lado a lado

As linhas de cima descrevem cada modelo como o Google o oferece; as duas últimas mostram o que o estúdio da NanoBananas oferece. Os limites completos do 1.2 segundo o Google (10 imagens, 3 vídeos) são maiores do que o nosso fornecedor libera hoje. Preços em dólar são os preços de tabela do Google, não créditos da NanoBananas.

Como a edição em vários turnos muda o fluxo de trabalho

No 1.1, um clipe que estava certo, exceto por um detalhe, precisava ser gerado de novo a partir do prompt, e a nova tomada podia mudar onde você não queria: outro movimento de câmera, outra expressão, outro fundo. O 1.2 deixa você manter a tomada e mudar só o que está errado.

1. Gere o clipe base com a atuação, o movimento de câmera e o ritmo que você quer.
2. Mude uma coisa por turno. Por exemplo: "Replace the background with an oak forest; keep both characters, their movement and the camera framing unchanged."
3. Crie variações a partir do clipe aprovado. Troque a cor do produto, a estação do ano ou o idioma da embalagem para cada mercado.
4. Mude a proporção por último, com o conteúdo fechado, para gerar versões 16:9 e 9:16 do mesmo anúncio.

No estúdio da NanoBananas, escolha o Gemini Omni 1.2 Flash, mude para o modo de referência e envie o clipe que quer alterar (de 2 a 15 segundos). O resultado mantém a duração do seu clipe, então o ajuste de duração não se aplica, e você paga a tarifa por segundo do 1.2 pelos segundos do vídeo enviado. Dá para incluir até 5 imagens de referência na mesma solicitação, por exemplo o novo produto que você quer colocar.

A mesma fórmula de "primeiro o que fica, depois o que muda" que funciona na edição de imagens vale aqui. Nosso guia de edição de fotos explica o padrão em detalhes.

Áudio e fala: o que melhorou e o que está restrito

As duas versões geram fala, música e efeitos junto com a imagem. A maior melhoria do 1.2 está nos diálogos: as vozes soam menos mecânicas, os lábios acompanham melhor as palavras e, quando várias pessoas falam, dá para atribuir uma voz a cada personagem.

• Mudar o que uma pessoa diz está restrito. O model card da DeepMind diz que o 1.2 consegue alterar a fala ao editar um vídeo e que o Google está limitando esse recurso por enquanto.
• O Google Cloud não aceita envio de áudio no lançamento. O anúncio cita pistas de áudio como tipo de referência, mas a página do modelo no Cloud lista áudio como entrada não suportada. Não monte um fluxo que dependa de enviar sua própria narração até isso ficar claro.
• Todo resultado leva SynthID, uma marca d'água invisível, e o modelo é compatível com as credenciais de conteúdo C2PA.

O que a queda de preço significa na prática

O corte anunciado é de 30%, mas a economia maior vem do fluxo que o Google recomenda: fazer rascunhos em 360p ou 720p, corrigir detalhes com edições em vez de novas gerações e ampliar só a tomada escolhida. Se um anúncio de 10 segundos exigia quatro tentativas completas no 1.1, no 1.2 pode bastar uma geração e duas edições.

A NanoBananas cobra em créditos, não em segundos de API. No estúdio, o 1.2 custa 5 créditos por segundo em 720P, 6 em 1080P e 10 em 4K, e o orçamento exato sempre aparece antes de gerar. A próxima seção traz as tabelas completas das duas versões.

Usar o Gemini Omni 1.2 e o 1.1 na NanoBananas

No estúdio, as duas versões têm os mesmos quatro modos: texto para vídeo, animar um quadro inicial, quadros inicial e final, e um modo de referência. Todo clipe é gerado com áudio. As diferenças são duração, limites de referência e preço.

Gemini Omni 1.2 Flash

Clipes de 4, 5, 6, 8, 10, 12 ou 15 segundos. Com quadros inicial e final, o máximo é 10 segundos. O modo de referência aceita até 6 imagens, ou um vídeo de 2 a 15 segundos para editar; cada imagem ocupa uma vaga e o vídeo duas, com 7 vagas no total.

Gemini Omni 1.1 Flash

Clipes de 4, 6, 8 ou 10 segundos. O modo de referência aceita até 7 imagens mais um vídeo de referência de 2 a 10 segundos.

Quando você adiciona um vídeo de referência, o estúdio cobra os segundos de saída mais os segundos da referência a 70% da tarifa normal. Um clipe de 8 segundos em 720P guiado por um vídeo de referência de 6 segundos custa 79 créditos: 8 créditos × 14 segundos × 0,7, arredondado para cima.

O 1.2 é mais barato que o 1.1 em todas as resoluções, então o principal motivo para continuar no 1.1 é uma tomada que você já ajustou nele. Faça rascunhos em 720P e troque a resolução só na tomada final. Comece pela página do Gemini Omni 1.2 Flash, pela página do Gemini Omni 1.1 Flash ou pelo estúdio de vídeo.

Três prompts para comparar o 1.1 e o 1.2

Estes prompts miram as três áreas que o Google diz ter melhorado. Rode cada um nas duas versões em 720P e 10 segundos (80 créditos no 1.1, 50 no 1.2) e compare os resultados lado a lado. Avalie os pontos de verificação, não a impressão geral.

• "AURELIA" continua escrito corretamente quando volta a aparecer de frente?
• O formato da tampa e as proporções do frasco se mantêm durante a órbita?
• Os reflexos acompanham a câmera ou piscam?

• Cada fala sai da pessoa certa, com os lábios sincronizados?
• As duas vozes soam como pessoas diferentes?
• Rostos e mãos ficam estáveis enquanto falam?

• A tomada é contínua ou aparece um corte no meio?
• A escala das rochas e das ondas continua crível enquanto a câmera sobe?
• O som diminui no ritmo do movimento de câmera?

Mudar para o 1.2 ou usar outro modelo?

Para uma comparação mais ampla entre famílias de modelos de vídeo, veja Seedance vs Veo vs Wan.

Limites conhecidos das duas versões

• Ação esportiva rápida, mudanças bruscas de roteiro e física complexa são áreas que o Google diz ainda estar melhorando no 1.2.
• Só duas proporções: 16:9 e 9:16. Para quadrado ou 4:5, recorte em um editor.
• Primeiro e último quadro continua em 10 segundos no 1.2, embora outros modos cheguem a 15.
• A edição de fala está restrita no 1.2, e o Google Cloud não aceita entrada de áudio no lançamento.
• Marca d'água: todos os resultados levam uma marca SynthID invisível.

Fontes

• Google: anúncio do Gemini Omni 1.2 Flash: clipes de 15 segundos, fidelidade às referências, edição em vários turnos, US$ 0,07 por segundo em 720p, disponibilidade e pontos fracos.
• Google Cloud: página do modelo Gemini Omni 1.2 Flash: durações, resoluções, limites de entrada, modalidades suportadas e data de desativação.
• Google DeepMind: model card do Gemini Omni 1.2 Flash: canais de distribuição e a restrição à edição de fala.
• Tabela de preços do estúdio de vídeo da NanoBananas: todos os créditos e limites do estúdio do Gemini Omni 1.1 Flash e do 1.2 Flash.

Perguntas frequentes