Puntos clave
- Gemini Omni 1.2 Flash (
gemini-omni-1.2-flash) es el modelo de generación y edición de vídeo de Google, con disponibilidad general desde el 5 de noviembre de 2026. - Los clips duran de 3 a 15 segundos, en pasos de un segundo, frente a los 10 segundos de Omni 1.1. Los clips con primer y último fotograma duran de 3 a 10 segundos.
- La salida se ofrece en 360p, 720p, 1080p o 4K a 24 FPS, en 16:9 o 9:16. Google obtiene 1080p y 4K mediante escalado.
- En PoYo pagas por segundo de salida: 5.46 créditos en 360p, 16.38 en 720p, 24.58 en 1080p y 49.14 en 4K ($1 = 200 créditos), con créditos de pago por uso y sin suscripción.
- Un solo ID de modelo cubre cuatro modos. Eliges texto a vídeo, primer/último fotograma, imágenes y vídeos de referencia o edición de vídeo simplemente según los campos que envíes.
- Una sola clave de API y un flujo sencillo. Envías una tarea y después consultas su estado o recibes un webhook, igual que con cualquier otro modelo de imagen y vídeo de PoYo.
Gemini Omni 1.2 Flash de un vistazo
| Elemento | Gemini Omni 1.2 Flash |
|---|---|
| Desarrollador | Google DeepMind |
| ID del modelo | gemini-omni-1.2-flash |
| Estado | Disponibilidad general, 5 de noviembre de 2026 |
| Tareas | Texto a vídeo, imagen a vídeo (primer/último fotograma), referencia a vídeo, edición de vídeo, extensión |
| Duración del clip | 3–15 s en pasos de un segundo; 3–10 s con primer y último fotograma |
| Resolución | 360p, 720p, 1080p, 4K (1080p y 4K se obtienen por escalado) |
| Fotogramas por segundo | 24 FPS |
| Relación de aspecto | 16:9 (predeterminada) o 9:16 |
| Vídeo de entrada para edición | Hasta 15 s |
| Salida | Vídeo con audio nativo |
| Procedencia | Marca de agua SynthID en todos los vídeos |
| Idioma | Inglés con compatibilidad completa |
Esta guía se centra en lo que cambia con la versión 1.2 y en cómo llamarla. Para el modelo 1.1, sus tramos de precio fijo y su migración desde la versión preliminar, consulta nuestra guía de la API de Gemini Omni 1.1 Flash.
Qué ha cambiado respecto a Gemini Omni 1.1 Flash
| Gemini Omni 1.1 Flash | Gemini Omni 1.2 Flash | |
|---|---|---|
| Lanzamiento | 27 de agosto de 2026 | 5 de noviembre de 2026 |
| Duración del clip | 3–10 s | 3–15 s, cualquier número entero de segundos |
| Primer y último fotograma | Disponible | 3–10 s |
| Vídeo de entrada para edición | Hasta 10 s | Hasta 15 s |
| Extensión (Gemini API) | Hasta 10 s de vídeo de entrada | 3–10 s por turno, 10 s de contexto previo, hasta 30 s en total |
| Facturación en PoYo | Por generación, preajustes de 4 / 6 / 8 / 10 s | Por segundo de salida, 3–15 s |
Google también destaca una mejor fidelidad a las referencias, más coherencia y una edición en varios turnos más sólida, además de un habla más natural, una sincronización labial más clara y el condicionamiento con varios hablantes. En el gráfico de comparación directa que Google publicó para Omni 1.2 Flash, los evaluadores prefirieron 1.2 frente a 1.1 en todas las categorías mostradas:
| Tarea | Métrica | Omni 1.2 | Omni 1.1 |
|---|---|---|---|
| Referencia a vídeo | Preferencia general | 63% | 37% |
| Referencia a vídeo | Coherencia de identidad con varias referencias | 63% | 37% |
| Imagen a vídeo | Preferencia general | 59% | 41% |
| Imagen a vídeo | Coherencia de identidad con la referencia | 60% | 40% |
| Texto a vídeo | Coherencia visual | 62% | 38% |
| Texto a vídeo | Fidelidad al prompt | 55% | 45% |
| Edición | Edición por instrucciones | 57% | 43% |
| Edición | Fidelidad a la instrucción de edición | 54% | 46% |
Google indica que la acción deportiva rápida, los cambios de guion repentinos y la física compleja siguen siendo áreas en desarrollo activo, así que prueba esas tomas antes de producirlas a escala.
Precios de Gemini Omni 1.2 Flash en PoYo
PoYo factura Omni 1.2 Flash por segundo de salida con créditos de pago por uso, sin suscripción. Las imágenes y los vídeos de referencia están incluidos en la tarifa por segundo.
| Resolución | Créditos por segundo | USD por segundo |
|---|---|---|
| 360p | 5.46 | $0.0273 |
| 720p | 16.38 | $0.0819 |
| 1080p | 24.58 | $0.1229 |
| 4K | 49.14 | $0.2457 |
La generación factura la duration que elijas. La edición de vídeo factura la duración del vídeo de origen, redondeada al segundo entero superior.
Coste por clip
Créditos por clip, con los USD redondeados al céntimo:
| Duración | 360p | 720p | 1080p | 4K |
|---|---|---|---|---|
| 3 s | 16.38 ($0.08) | 49.14 ($0.25) | 73.74 ($0.37) | 147.42 ($0.74) |
| 5 s | 27.30 ($0.14) | 81.90 ($0.41) | 122.90 ($0.61) | 245.70 ($1.23) |
| 8 s (predeterminado) | 43.68 ($0.22) | 131.04 ($0.66) | 196.64 ($0.98) | 393.12 ($1.97) |
| 10 s | 54.60 ($0.27) | 163.80 ($0.82) | 245.80 ($1.23) | 491.40 ($2.46) |
| 15 s | 81.90 ($0.41) | 245.70 ($1.23) | 368.70 ($1.84) | 737.10 ($3.69) |
Ejemplos prácticos
| Escenario | Cálculo | Coste |
|---|---|---|
| Borradores y entrega final: 20 borradores en 360p × 8 s y después 2 versiones finales en 1080p × 8 s | 20×43.68 + 2×196.64 | 1266.88 créditos ($6.33) |
| Serie de anuncios en 9:16: un corte de 6 s, otro de 10 s y otro de 15 s en 720p | (6+10+15)×16.38 | 507.78 créditos ($2.54) |
| Editar un clip de 12.4 s en 720p (se factura como 13 s) | 13×16.38 | 212.94 créditos ($1.06) |
La primera fila es el patrón que más ahorra: ajusta el prompt, el ritmo y el movimiento en 360p, donde un borrador cuesta un tercio que en 720p, y paga 1080p o 4K solo por las tomas que te quedes. Para las opciones gratuitas y de suscripción de la propia Google, como Google Vids, Flow y la app de Gemini, consulta ¿Es gratis Gemini Omni?
Por qué llamar a Gemini Omni 1.2 Flash a través de PoYo
- Una sola clave de API para todos los modelos. Omni 1.2 Flash convive con los demás modelos de vídeo, imagen y lenguaje de PoYo, así que puedes cambiar o combinar modelos sin crear cuentas nuevas.
- Créditos de pago por uso. Compra créditos a razón de $1 = 200 créditos y paga por segundo de salida, sin suscripción ni plan mensual.
- Los cuatro modos con un solo ID de modelo. Texto a vídeo, primer/último fotograma, referencias y edición comparten
gemini-omni-1.2-flash. - Una API asíncrona sencilla. Un endpoint de envío, un endpoint de estado y webhooks opcionales, iguales para todos los modelos.
- Primero, el Playground. Prueba prompts, fotogramas, referencias y ediciones en el navegador con una estimación de créditos en tiempo real y después copia la solicitud JSON exacta.
Cuatro modos de entrada, un solo ID de modelo
PoYo elige el modo según los campos de cada solicitud y los comprueba en este orden:
| Modo | Envía | Duración | Notas |
|---|---|---|---|
| Edición de vídeo | video_url + prompt | Sigue al clip de origen (hasta 15 s) | Envía prompt y, opcionalmente, resolution junto con video_url |
| Generación con referencias | reference_image_urls y/o reference_video_urls | 3–15 s | Hasta 10 imágenes y 3 vídeos (de hasta 15 s cada uno); se pueden combinar imágenes y vídeos |
| Primer/último fotograma | image_urls con 1 o 2 imágenes | 3–15 s; hasta 10 s con último fotograma | Una imagen fija el inicio; dos fijan el inicio y el final, en ese orden |
| Texto a vídeo | Solo prompt | 3–15 s | Añade resolution, duration y aspect_ratio según necesites |
Campos comunes:
| Campo | Valores | Predeterminado |
|---|---|---|
prompt | Obligatorio; hasta 20.000 caracteres | — |
duration | Entero entre 3 y 15 | 8 |
resolution | 360p, 720p, 1080p, 4k | 720p |
aspect_ratio | 16:9, 9:16 | 16:9 |
callback_url | La URL de tu webhook | — |
Todas las URL de contenido multimedia son enlaces públicos HTTP o HTTPS. Envía image_urls por separado, y los dos campos de referencia juntos o de uno en uno. Los clips editados conservan el encuadre del vídeo de origen.
Cómo llamar a la API de Gemini Omni 1.2 Flash en PoYo
El flujo es asíncrono: envías una tarea, recibes un task_id y después consultas el endpoint de estado o esperas a tu webhook.
1. Envía una tarea
curl -X POST https://api.poyo.ai/api/generate/submit \
-H "Authorization: Bearer $POYO_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "gemini-omni-1.2-flash",
"callback_url": "https://your-domain.com/callback",
"input": {
"prompt": "[0-4s] Wide shot of a lighthouse on a cliff at dusk, waves crashing below. [4-9s] The camera pushes in as the lamp turns on and sweeps across the sea. [9-12s] Close-up of the keeper closing a logbook. Wind and distant gulls, no dialogue.",
"duration": 12,
"resolution": "720p",
"aspect_ratio": "16:9"
}
}'
La respuesta devuelve el ID de la tarea:
{
"code": 200,
"message": "success",
"data": {
"task_id": "task-unified-1757165031-uyujaw3d",
"status": "not_started",
"created_time": "2026-11-14T10:30:00"
}
}
Comprueba siempre code en el cuerpo de la respuesta: algunos errores de validación devuelven HTTP 200 con "code": 400.
2. Consulta el estado de la tarea
curl https://api.poyo.ai/api/generate/status/task-unified-1757165031-uyujaw3d \
-H "Authorization: Bearer $POYO_API_KEY"
data.status pasa por not_started, running y, después, finished o failed. Una tarea terminada devuelve la URL del vídeo y los créditos cobrados:
{
"code": 200,
"data": {
"task_id": "task-unified-1757165031-uyujaw3d",
"status": "finished",
"credits_amount": 196.56,
"files": [
{
"file_url": "https://storage.poyo.ai/generated/video-abc123.mp4",
"file_type": "video"
}
],
"created_time": "2026-11-14T10:30:00",
"progress": 100,
"error_message": null
}
}
Un clip de 12 segundos en 720p cuesta 12×16.38 = 196.56 créditos.
3. Ejemplo completo en Python
import os
import time
import requests
BASE = "https://api.poyo.ai"
HEADERS = {
"Authorization": f"Bearer {os.environ['POYO_API_KEY']}",
"Content-Type": "application/json",
}
body = {
"model": "gemini-omni-1.2-flash",
"input": {
"prompt": "A ceramic mug of coffee on a sunlit wooden table. Steam rises as the camera slowly orbits. Soft cafe ambience, no dialogue.",
"duration": 6,
"resolution": "360p",
"aspect_ratio": "9:16",
},
}
submit = requests.post(f"{BASE}/api/generate/submit", json=body, headers=HEADERS, timeout=30).json()
if submit.get("code") != 200:
raise RuntimeError(submit)
task_id = submit["data"]["task_id"]
while True:
status = requests.get(f"{BASE}/api/generate/status/{task_id}", headers=HEADERS, timeout=30).json()["data"]
if status["status"] == "finished":
print(status["files"][0]["file_url"], status["credits_amount"])
break
if status["status"] == "failed":
raise RuntimeError(status.get("error_message"))
time.sleep(10)
Este borrador de 6 segundos en 360p cuesta 32.76 créditos. Cuando la toma funcione, vuelve a enviar el mismo prompt en 1080p o 4k.
Cuerpos de solicitud para los demás modos
Primer y último fotograma (dos imágenes, así que duration se mantiene en 10 o menos):
{
"model": "gemini-omni-1.2-flash",
"input": {
"prompt": "One continuous camera move from the shop exterior through the door to the diner at the counter. Keep the signage and the character unchanged.",
"image_urls": [
"https://example.com/first-frame.webp",
"https://example.com/last-frame.webp"
],
"duration": 8,
"resolution": "1080p",
"aspect_ratio": "16:9"
}
}
Un primer fotograma con la fachada de un restaurante de ramen en miniatura y un último fotograma con el comensal en la barra, unidos por un único travelling continuo con Gemini Omni 1.2 Flash.
Imágenes y vídeos de referencia:
{
"model": "gemini-omni-1.2-flash",
"input": {
"prompt": "The woman from the first image walks toward the camera wearing the jacket from the second image, matching the walking rhythm of the reference video.",
"reference_image_urls": [
"https://example.com/model.webp",
"https://example.com/jacket.webp"
],
"reference_video_urls": ["https://example.com/walk.mp4"],
"duration": 10,
"resolution": "720p",
"aspect_ratio": "9:16"
}
}
Una foto de modelo más tomas de frente y de espalda de cada conjunto, convertidas en una secuencia de prueba virtual de 15 segundos que mantiene a la misma persona.
Edición de vídeo (envía prompt, video_url y, opcionalmente, resolution; la duración y el encuadre siguen al vídeo de origen):
{
"model": "gemini-omni-1.2-flash",
"input": {
"prompt": "Change the season to winter with light snowfall. Keep everything else the same.",
"video_url": "https://example.com/source.mp4",
"resolution": "720p"
}
}
Para afinar una edición, envía el vídeo devuelto como el siguiente video_url con una instrucción nueva.
Un mismo clip de un caballero y una reina, editado turno a turno para pasar de un robledal a un establo, una feria de mercado y un castillo de piedra mientras los personajes y el encuadre se mantienen intactos.
Consejos de prompt para Gemini Omni 1.2 Flash
Un clip de 15 segundos deja espacio para varias tomas en una sola pieza, como este vídeo explicativo macro de cuatro tomas grabado dentro de una colmena:
Un vídeo explicativo macro de 15 segundos y cuatro tomas dentro de una colmena, con rótulos animados, generado con Gemini Omni 1.2 Flash.
Las recomendaciones de prompt de Google, aplicadas a los clips más largos de la versión 1.2:
- Usa códigos de tiempo en los clips de 15 segundos. Una sintaxis como
[0-4s],[4-9s]te permite colocar varios momentos o tomas en un mismo clip y controlar cuándo ocurre cada uno. - Describe el audio. Omni genera el sonido junto con el vídeo. Indica lo que quieres oír: diálogo, ambiente, efectos de sonido o estilo musical.
- Formula las exclusiones de forma breve. Google recomienda frases sencillas como "No dialogue" («sin diálogo») para eliminar elementos no deseados.
- Mantén sencillos los prompts de edición. Indica el único cambio y añade "Keep everything else the same" («mantén todo lo demás igual») para proteger el resto de la toma.
- Escribe literalmente el texto en pantalla. Si debe aparecer un cartel o un rótulo, escribe las palabras exactas en el prompt.
- Pide «una sola toma continua» cuando la quieras. Omni puede añadir cortes para que un clip se perciba como una pequeña historia; solicita una toma única si la necesitas.
- Escribe los prompts en inglés para obtener los resultados más fiables. Google indica que el inglés tiene compatibilidad completa.
Cómo elegir la duración y la resolución
| Objetivo | Empieza con | Por qué |
|---|---|---|
| Explorar prompts | 360p, 4–6 s | 5.46 créditos por segundo, respuesta más rápida |
| Clip para redes sociales | 720p, 6–10 s, 9:16 | Buen equilibrio entre calidad y coste |
| Historia o anuncio de varias tomas | 720p, 15 s | Espacio para 3–4 momentos con códigos de tiempo en una sola pieza |
| Transición controlada | Primer/último fotograma, ≤10 s | Fija dónde empieza y dónde termina la toma |
| Coherencia de producto o personaje | Imágenes de referencia + 720p | Identidad y productos a partir de archivos separados |
| Entrega final | 1080p o 4K tras la aprobación | El escalado da nitidez a una buena toma; aprueba primero el movimiento |
Cómo pasar de 1.1 a 1.2
- ID del modelo: cambia
gemini-omni-1.1-flashporgemini-omni-1.2-flash. - Duraciones: la versión 1.1 en PoYo admite 4, 6, 8 o 10 segundos; la 1.2 admite cualquier número entero de segundos entre 3 y 15, con 8 como valor predeterminado.
- Nombres de campo: contrasta tu solicitud con los campos de 1.2:
image_urlspara los fotogramas,reference_image_urlsyreference_video_urlspara las referencias, yvideo_urlpara la edición. - Presupuesto: la versión 1.1 en PoYo factura un precio fijo por generación; la 1.2 factura por segundo, así que un clip de 3 segundos cuesta menos que uno de 8.
- Calendario: Google ha anunciado que, a partir del 3 de diciembre de 2026, las solicitudes de Gemini API a
gemini-omni-1.1-flashse ejecutarán con 1.2, así que 1.2 es la versión sobre la que construir.
Ambos ID de modelo están disponibles en PoYo. Antes de pasar el tráfico de producción, vuelve a ejecutar un pequeño conjunto de pruebas de regresión (caras, productos, movimiento rápido, texto en pantalla, diálogo) con 1.2, y compara el coste por clip aprobado en lugar del coste por solicitud.
Preguntas frecuentes
¿Qué es Gemini Omni 1.2 Flash?
Es el modelo de vídeo multimodal de Google para generar y editar clips cortos con audio nativo. Acepta texto, imágenes y vídeo, y produce vídeos de 3 a 15 segundos de hasta 4K. Google lo lanzó con disponibilidad general el 5 de noviembre de 2026.
¿Existe una API de Gemini Omni Flash?
Sí. Google ofrece gemini-omni-1.2-flash a través de Gemini API y Google Cloud. En PoYo llamas al mismo modelo con POST https://api.poyo.ai/api/generate/submit y "model": "gemini-omni-1.2-flash", y después lees el resultado en GET /api/generate/status/<task_id>.
¿Cuánto cuesta la API de Gemini Omni 1.2 Flash?
En PoYo cuesta 5.46 créditos por segundo en 360p, 16.38 en 720p, 24.58 en 1080p y 49.14 en 4K, así que un clip de 8 segundos en 720p cuesta 131.04 créditos ($0.66). Pagas con créditos de pago por uso, sin suscripción.
¿Cuánto pueden durar los vídeos de Gemini Omni 1.2 Flash?
Cualquier número entero de segundos entre 3 y 15. Con primer y último fotograma, el límite es de 10 segundos. Un vídeo editado sigue la duración de su clip de origen, hasta 15 segundos.
¿Qué diferencia hay entre Gemini Omni 1.1 Flash y 1.2 Flash?
La versión 1.2 amplía los clips de 10 a 15 segundos, edita vídeos de origen de hasta 15 segundos, se factura por segundo en PoYo y superó a 1.1 en todas las categorías del gráfico de comparación publicado por Google, con un 63% de preferencia general en referencia a vídeo.
¿Admite Gemini Omni 1.2 Flash la resolución 4K?
Sí. Puedes solicitar 360p, 720p, 1080p o 4K. Google crea 1080p y 4K mediante escalado, así que revisa primero el movimiento y el detalle a una resolución menor.
¿Es gratis la API de Gemini Omni 1.2 Flash?
La API funciona con pago por uso: Google ofrece Omni 1.2 Flash en el nivel de pago de Gemini API, y en PoYo pagas por segundo con créditos. Para probar Omni sin coste, Google ofrece opciones en sus propias apps, como Google Vids y los créditos diarios de Flow; nuestra guía ¿Es gratis Gemini Omni? las compara todas.
Prueba Gemini Omni 1.2 Flash en PoYo
Abre la página del modelo Gemini Omni 1.2 Flash para probar prompts, fotogramas, referencias y ediciones en el Playground con una estimación de créditos en tiempo real y después copia la solicitud JSON en tu código. Si tu pipeline sigue usando los tramos fijos de 4–10 segundos, la página del modelo Gemini Omni 1.1 Flash también está disponible. Para otros modelos de vídeo, consulta nuestra selección de los mejores generadores de vídeo con IA de 2026.