Google випустила відеогенератор Gemini Omni 1.1 Flash: склейка сцен до 40 секунд, режим чернеток і вивід у 4K

Компанія Google перевела флагманську мультимодальну модель генерації відео Gemini Omni 1.1 Flash із тестової стадії у статус стабільного виробничого релізу (General Availability). Оновлений інструмент навчився безшовно склеювати та продовжувати відеоряди до 40 секунд, утримуючи контекст персонажів і оточення, отримав інтерполяцію між ключовими кадрами та впровадив ультрадешевий чернетковий режим генерації за ціною $0,03 за секунду.

Подовження сцен до 40 секунд і 10 секунд контекстної пам’яті

Базова генерація Gemini Omni 1.1 Flash, як і раніше, створює короткі ролики тривалістю від 3 до 10 секунд. Однак у версії 1.1 з’явилася повноцінна функція Scene Extension, що дає змогу послідовно нарощувати хронометраж сцени відрізками по 10 секунд аж до 40 секунд.

Як повідомляється в офіційному блозі Google, головним інженерним проривом стало десятикратне збільшення вікна контексту:

• в експериментальній версії алгоритм орієнтувався лише на останню секунду вихідного фрагмента;
• версія 1.1 аналізує до 10 секунд попереднього відеоряду, точно зберігаючи зовнішність героїв, одяг, траєкторію руху камери, освітлення та синхронну аудіодоріжку (зокрема голоси й фонові шуми);
• стики між ітераціями згладжуються завдяки м’якій перемальовці прикордонних кадрів.

Дешевий режим 360p і тарифна сітка

Для економії бюджету розробників Google впровадила чернетковий режим Draft Mode у роздільній здатності 360p. Такі кліпи генеруються на 60% швидше за стандартні 720p-відео і коштують приблизно втричі дешевше, що дає змогу оперативно тестувати промпти, ракурси та композицію перед фінальним рендером.

Згідно з тарифною сіткою Google AI for Developers, вартість інференсу розподіляється так:

У технічній документації розробники прямо уточнюють важливу деталь: формати 1080p і 4K є апскейлом базового 720p-потоку, а не нативним 4K-рендером.

Інтерполяція кадрів і розмовне редагування

До арсеналу Gemini Omni 1.1 Flash увійшла механіка first-and-last-frame interpolation: користувач може завантажити стартове та фінальне зображення, задати текстове описання переходу, а нейромережа самостійно розрахує плавний рух камери, морфінг об’єктів або створить безшовний зациклений ролик. Для контролю стилю дозволено підключати до трьох секунд референсного відео.

За інформацією з документації Gemini API, інструмент зберігає нативну мультимодальність:

• модель одночасно приймає текстові інструкції, статичні зображення, аудіофайли та відеопотік;
• через Interactions API доступне розмовне редагування готової сцени (заміна конкретного об’єкта, зміна погоди або зміна ракурсу за текстовим запитом без руйнування решти кадру);
• весь згенерований контент захищається невидимим криптографічним водяним знаком SynthID.

Лідерство в бенчмарках і вимкнення старої версії

На авторитетному сліпому користувацькому тестуванні Text-to-Video Arena модель Gemini Omni 1.1 Flash посіла перше місце, набравши 1515 балів та випередивши FLUX 3 Video і Seedance 2.5. У категорії генерації за зображенням (Image-to-Video) сервіс утримує другу сходинку, поступаючись лише MiniMax H3.

introducing Gemini Omni 1.1 Flash

this model brings a new suite of creative controls and generative video capabilities to developers

– extend scenes for longer storytelling
– specify first and last frames
– draft videos more efficiently in 360p
– upscale up to 4K resolution
-… pic.twitter.com/24Bmqz2k4Z

— Google AI Studio (@GoogleAIStudio) August 27, 2026

Стабільна модель уже доступна під ідентифікатором gemini-omni-1.1-flash у Google AI Studio, на платформі Flow, а також в інтерфейсі Gemini для підписників тарифів Google AI Plus, Pro та Ultra. Експериментальна гілка gemini-omni-flash-preview оголошена застарілою та буде остаточно вимкнена 30 вересня 2026 року. Паралельно Google готує і текстову гілку Gemini Flash: версія 3.8 має посилити модель саме в кодингу та агентних задачах.