Google alarga a 15 segundos los videos de Gemini Omni y baja 30 % el precio

Google lanzó el 5 de noviembre Gemini Omni 1.2 Flash, su modelo de IA generativaInteligencia artificial que crea contenido nuevo, como textos, imágenes, audio o código, a partir de lo que aprendió de grandes cantidades de datos. ChatGPT y Gemini son ejemplos. para crear y editar video, que ahora hace clips de hasta 15 segundos y cuesta 30 % menos que la versión anterior. Un clip de 15 segundos en 720p sale cerca de un dólar, a razón de 7 centavos por segundo, según la tabla de precios de la API de Gemini.

El anuncio salió en el blog de Google a las 17:00 UTC (14:00 en Buenos Aires y São Paulo, 12:00 en Bogotá y Lima, 11:00 en Ciudad de México). El modelo queda con disponibilidad general, es decir, listo para productos comerciales y ya no solo para pruebas. La versión 1.1 llegaba a 10 segundos. Ahora la duración se elige de a un segundo, entre 3 y 15. Google lo presenta como "ideal para empresas, desarrolladores y creadores que producen videos a escala".

Corregir un video conversando

La novedad que más destaca Google es la edición por turnos. En vez de generar todo de nuevo cuando algo sale mal, se pide un cambio puntual, como otro fondo, otra luz, otro producto en la mano del actor u otro formato de pantalla, y el resto del clip se mantiene. El flujo que propone la empresa también ahorra dinero. Los borradores se hacen en 360p o 720p, se corrigen los detalles y solo la versión final se lleva a 1080p o 4K.

Esa diferencia de resolución pesa en la factura. Según la misma tabla, el segundo de video cuesta unos 2 centavos de dólar en 360p, 10 en 1080p y 21 en 4K, así que un clip de 15 segundos en 4K ronda los tres dólares. La API cobra en dólares y mide el consumo en tokensUnidad mínima de texto que procesa un modelo de lenguaje, como una palabra, parte de una palabra o un signo. Se usa para medir cuánto lee y escribe un modelo y para cobrar su uso., las unidades con que factura lo que produce el modelo, y no ofrece un nivel gratuito para Omni. Desde el 3 de diciembre, los pedidos a la versión 1.1 pasarán a la 1.2 y se cobrarán con la tarifa nueva.

El modelo acepta como referencia fotos de personas, productos o estilos, clips de movimiento de hasta tres segundos y pistas de audio. Google asegura que caras, ropa, tipografía de envases y colores de marca se sostienen de una toma a otra. En uno de sus ejemplos, a partir de una sola foto de una modelo y de fotos de tres prendas, el sistema arma 15 segundos de giros completos que respetan el corte de cada prenda, según The Decoder. Las referencias de audio, por ahora, quedan reservadas a cuentas que Google habilita una por una, aclaró el blog de Google Cloud. La empresa admite que el modelo todavía falla con deportes rápidos, cambios bruscos de guion y física compleja.

Quién puede usarlo y desde dónde

Los desarrolladores acceden por la APISigla en inglés de interfaz de programación de aplicaciones: conjunto de reglas que permite que un programa le pida datos o funciones a otro de manera estandarizada. de Gemini y Google AI Studio, y las empresas por la consola de Google Cloud. El modelo también llega a Flow, la herramienta de Google para dirigir escenas, a Google Ads y a Google Vids, el editor de video de Workspace, donde se puede probar sin costo adicional. Android Authority precisó que en Vids el uso gratuito alcanza para tres videos de 15 segundos por mes. En la app Gemini, los clips de 15 segundos son solo para suscriptores de Google AI Ultra, el plan más caro, y Google no dijo cuándo llegarán a Plus o Pro.

Google no publicó la disponibilidad por país. La lista de regiones habilitadas para la API de Gemini incluye a todos los países de América Latina salvo Cuba, aunque la empresa no aclaró si Omni tiene restricciones propias. Para productoras, agencias y comercios de la región que hacen anuncios cortos para redes, el cálculo cambia. Un borrador de 15 segundos en 360p cuesta menos de 40 centavos de dólar, aunque al tipo de cambio de cada país y con impuestos a los servicios digitales la cuenta final será otra.

Una marca que no se ve

Todo video que sale de Omni lleva SynthID, una marca de agua digitalSeñal oculta que se incrusta en una imagen, un audio o un video para identificar quién o qué lo generó. No se ve a simple vista y se detecta con herramientas especiales. imperceptible que identifica que lo hizo una IA de Google. La marca no se ve a simple vista y sirve para rastrear el origen de un deepfakeImagen, video o audio falso generado o alterado con inteligencia artificial para que una persona parezca decir o hacer algo que no ocurrió. Se usa en fraudes, desinformación y para engañar sistemas de verificación de identidad. hecho con este modelo, pero no dice nada de los videos creados con herramientas de otras empresas. Ninguno de los clientes que Google citó en el lanzamiento, entre ellos Artlist, Picsart, Photoroom y Runway, es de la región.

La próxima fecha es el 3 de diciembre, cuando la versión anterior deje de responder por su cuenta y todos sus pedidos pasen al modelo nuevo.