Gemini Omni 1.2 Flash no teste de estreia: 15s sem cortes
Testamos o Gemini Omni 1.2 Flash no lancamento: tomadas de 15 segundos sem cortes, lip-sync com multiplas vozes, custos reais em USD e falhas do modelo.
👁 114 leituras
O primeiro clipe do Gemini Omni 1.2 Flash que realmente me impressionou dura 15 segundos e não tem um único corte. Um drone decola sobre blocos residenciais de concreto ao pôr do sol, mergulha entre os prédios, passa sobre um batedor de tapetes, entra pela porta de uma cantina popular e para ao lado de um senhor de idade com um prato de sopa. O homem levanta os olhos e diz “Bom dia” (tradução do original em polonês). Essa frase não estava no prompt. O próprio modelo achou apropriado incluir a fala.
O Google lancou o Omni 1.2 Flash em 5 de novembro de 2026. A noite, eu ja tinha gerado 24 clipes: nove cenas de demonstracao, comparativos com cinco concorrentes, testes de resolucao de 360p a 4K e algumas tentativas que falharam. Tudo custou 13,02 USD. Este texto e uma demonstracao pratica de recursos, sem tabelas extensas. Numeros e comparativos detalhados ficam em analises dedicadas, reunidos no hub do Gemini Omni Flash.
Quinze segundos em tomada unica
Esta e a mudanca mais importante da versao 1.2. A versao anterior parava em 10 segundos; agora voce define a duracao segundo a segundo, de 3 a 15. Mas o tempo nao e tudo. Modelos de video mais antigos costumam “respirar” em tomadas longas: o cenario se distorce, os rostos mudam de formato e a camera salta de repente. Neste voo, os predios mantem a consistencia ate o final, o interior do restaurante faz sentido e o senhor na mesa continua com a mesma aparencia do primeiro ao ultimo frame em que aparece.
Uma dica pratica: a primeira versao do prompt trazia criancas jogando futebol no patio do condominio. O modelo rejeitou a solicitacao, sem cobrar nada. Ao trocar as criancas por dois aposentados em um banco, o clipe foi gerado na hora. A documentacao do Google menciona regras bem mais rigorosas para menores de idade, entao, se algo for recusado, comece revisando esse ponto.
Conversa de tres pessoas com vozes distintas
Ceia de Natal tradicional, sopa, pasteis recheados e arvore decorada. Tres pessoas, tres falas, cada uma com uma voz diferente. No teste, feito com prompt em polones, a avo pergunta quem comeu o ultimo pastel, o adolescente nega de boca cheia e a mae ri dizendo que ha comida no queixo dele. Passei o arquivo final por um software de reconhecimento de fala e obtive, palavra por palavra, o que havia sido escrito na instrucao. A camera move o enquadramento sozinha para quem esta falando.
O Google afirma oficialmente que apenas o ingles foi totalmente validado e que outros idiomas “nao foram avaliados”. Nos meus testes, a reproducao foi excelente, ainda que nem sempre impecavel do inicio ao fim. Mais detalhes estao no artigo sobre lip-sync no Gemini Omni 1.2.
Comercial de produto na cozinha
Um pote de conservas sobre uma mesa de madeira, luz matinal entrando pela janela e uma mao abrindo a tampa. Tomadas de produto como essa sao o caso de uso classico para modelos de video acessiveis: voce gera algumas variacoes, escolhe a melhor e usa na publicidade. O Omni manteve a geometria do pote estavel o tempo todo, os temperos pareciam realistas dentro do vidro e o fundo trouxe a trilha suave de violao solicitada no prompt.
Estilo anime em um bonde urbano
Eu queria avaliar se o modelo ficava preso ao fotorrealismo. Pedi um bonde noturno sob chuva, com uma estudante usando fones de ouvido junto ao vidro embacado. O resultado ficou muito proximo de uma animacao cinematografica: iluminacao suave, gotas escorrendo pela janela e reflexos no asfalto molhado. A camera transita do exterior para o interior do veiculo sem emendas perceptíveis.
Giro completo ao redor do personagem
Feira livre tradicional de outono, banca de macas. Pedi um giro completo de 360 graus ao redor da feirante, sem cortes e mantendo a escala da personagem constante. Esse e um dos pontos que o Google destaca como aprimorados no 1.2, e no meu teste funcionou: a camera contorna a mulher, passa pelas costas dela e retorna ao rosto. Entre os concorrentes avaliados, foi o movimento orbital mais limpo. Veja mais detalhes na analise sobre movimento de camera no Omni 1.2.
Video vertical e aula de historia
O formato 9:16 funciona da mesma forma que o horizontal, pelo mesmo custo. Pedi uma dancarina no terraco de um predio ao por do sol, com camera na mao orbitando ao redor dela; no fim, a jovem para e olha para a lente, exatamente como solicitado.
Em outro teste, uma professora de historia diante da lousa fala sobre a Batalha de Grunwald e avisa que havera teste surpresa. O dialogo solicitado no teste em polones saiu completo, com o numero do ano falado corretamente (“mil quatrocentos e dez”). Na lousa, o modelo escreveu sozinho com giz “Grunwald 1410”. Curiosamente, quando tentei gerar uma apresentadora do tempo em estudio de TV com instrucao quase identica, o Omni recusou duas vezes seguidas, sem cobrar e sem detalhar o motivo.
Onde o modelo falhou
Uma demonstracao honesta precisa mostrar as limitacoes. Aqui estao tres situacoes em que o modelo nao entregou o esperado:
- Volei. O proprio Google admite que esportes rapidos continuam sendo um ponto fraco. Na minha geracao, o ataque e o bloqueio ficaram compreensiveis e a torcida vibrou, mas os jogadores ganharam numeros nas camisas, mesmo com o prompt pedindo expressamente para nao coloca-los.
- Mudanca de estacao via imagem. Enviei um frame de uma horta de verao e pedi a mesma cena coberta de neve no inverno. Recebi exatamente o mesmo cenario de verao, sem um unico floco de neve. O modelo seguiu a imagem de referencia com mais forca do que a instrucao em texto.
- Edicao de video existente. A edicao conversacional e uma das novidades divulgadas, mas, pelo provedor de API que utilizei, nao foi possivel ativa-la. Foram cinco tentativas e cinco erros. Detalho esse caso no texto sobre edicao de video em conversa.
Como os testes foram realizados
Todos os clipes foram gerados via API pelo OpenRouter, utilizando o modelo google/gemini-omni-1.2-flash, em 720p com audio e a mesma seed. Os prompts foram testados em polones. Um clipe de 6 segundos demorou entre 45 e 55 segundos para ser renderizado; o de 15 segundos levou 81 segundos. Geracoes rejeitadas nao geraram custos. Os prompts prontos estao reunidos no guia de prompts para o Gemini Omni 1.2, e a comparacao de custo por segundo com outros servicos pode ser vista no artigo sobre precos do Gemini Omni 1.2.
Tópicos relacionados no Centelharm
notícias·948 exploits no kernel Linux: GPT-6 Cyber acha falhas por 1,2 mi USDOpenAI usou o GPT-6 Cyber para auditar o kernel Linux. Em dez dias, gerou 948 exploits funcionais de root a um custo de 1,2 milhão de dólares.