Gemini Omni Flash gagne en contrôle pour le montage vidéo

Google a publié Gemini Omni 1.1 Flash, une mise à jour de production pour son modèle natif de génération et d’édition vidéo multimodale. L’enjeu est concret : passer d’un générateur de clips à un outil plus dirigible, capable de prolonger une scène, de conserver un personnage d’un plan à l’autre et de produire des brouillons moins coûteux avant l’export final. Le modèle est déjà accessible via l’API Gemini, Google AI Studio, la Gemini Enterprise Agent Platform et Google Flow.

Une édition vidéo plus précise, sans repartir de zéro

La principale évolution de Gemini Omni 1.1 Flash concerne la continuité des scènes. Selon Google, l’outil analyse désormais jusqu’à 10 secondes de contexte précédent pour prolonger une séquence, alors que les modèles précédents ne s’appuyaient que sur la dernière seconde. En pratique, cela change la manière de travailler : l’édition devient stateful, c’est-à-dire qu’elle garde un historique de l’échange via previous_interaction_id et applique la modification sans obliger à réuploader la vidéo complète.

Le modèle accepte aussi des repères visuels plus fins. Une première et une dernière image peuvent être fixées pour contrôler le mouvement de caméra, ce qui sert notamment pour des orbites, des dolly-zooms ou des boucles sans couture. Des clips vidéo peuvent aussi être utilisés comme références pour conserver la ressemblance d’un personnage. Petite limite, toutefois : ces références se conçoivent mieux pour l’apparence que pour des raisonnements complexes entre plusieurs vidéos, que Google dit ne pas prendre en charge.

Le vrai pari de Google : itérer moins cher, livrer plus propre

Omni 1.1 Flash a été pensé pour une boucle de production assez classique dans la vidéo générative : brouillon rapide, puis rendu final. Les prévisualisations en 360p seraient jusqu’à 60 % plus rapides et coûteraient un tiers du prix d’un rendu 720p, selon Google. Les sorties finales peuvent ensuite monter jusqu’en 4K. Autrement dit, on teste à petit prix avant de sortir l’artillerie lourde. Ou, pour le dire plus simplement, on évite de payer le cinéma pour un croquis.

Les chiffres de tarification vont dans le même sens. L’entrée est facturée 1,50 dollar par million de tokens d’entrée, qu’il s’agisse de texte, d’image, de vidéo ou d’audio. La sortie coûte 9 dollars par million de tokens texte et 17,50 dollars par million de tokens vidéo. Google indique aussi une facturation vidéo de 5 792 tokens par seconde en 720p, soit un coût effectif d’environ 0,10 dollar par seconde dans les conditions standard décrites dans la documentation.

Des usages déjà encadrés, et quelques absences qui comptent

Le modèle n’est pas un outil sans garde-fous. Les vidéos importées doivent mesurer 10 secondes ou moins, sauf dans le cas d’une extension multi-tour d’une vidéo générée par le modèle. L’extension ajoute seulement à la fin d’un clip, sans insertion au milieu ni préfixe. Si un upload contient de la parole, il n’est pas possible d’ajouter un nouveau dialogue dans cette même séquence ; la parole est en revanche prise en charge dans les extensions multi-tour via previous_interaction_id.

Google précise aussi plusieurs limites techniques. Il n’y a pas d’instructions système, pas de temperature, pas de top_p, pas de stop sequences ni de négatifs dédiés, ces derniers devant être intégrés directement dans le prompt. Les références audio ne sont pas prises en charge, l’édition vocale reste absente et les langues autres que l’anglais n’ont pas encore été évaluées. Pour les fichiers de plus de 4 Mo, la sortie doit passer par delivery="uri" et le fichier doit ensuite être récupéré via l’API Files jusqu’au statut ACTIVE.

Les premiers clients servent déjà de test grandeur nature

Google cite Adobe, Figma Weave, GMI Cloud et Runway parmi les utilisateurs en production. Le modèle est aussi disponible dans Google Flow pour les abonnés AI Plus, Pro et Ultra, avec l’extension de scène intégrée dans l’application Gemini. Cette présence simultanée dans des outils de création et dans l’API compte davantage que le simple lancement : elle montre que Google vise autant les studios que les équipes produits ou les créateurs indépendants.