Una creadora quiere convertir tres fotos de su producto en un anuncio vertical de 15 segundos. Hasta ayer, mantener el empaque reconocible mientras cambiaba el plano podía exigir varias generaciones y edición manual. Google anunció el 5 de noviembre Gemini Omni 1.2 Flash: clips nativos de hasta 15 segundos, referencias visuales más consistentes y edición conversacional sobre el mismo video. La oportunidad no es producir más clips sin mirar; es probar una idea con un presupuesto y un criterio de revisión claros.

Qué cambió realmente

Según el anuncio oficial de Google, la duración configurable va de 3 a 15 segundos en incrementos de un segundo, frente al máximo anterior de 10. Se pueden combinar imágenes de personaje, producto o estilo, clips cortos de movimiento y pistas de audio. Google afirma que el modelo mantiene mejor esos detalles y permite pedir cambios sucesivos —por ejemplo, sustituir el fondo— sin empezar de cero. Son capacidades anunciadas por el proveedor; no son una prueba independiente de SoyJB ni una garantía de que todo texto en un empaque salga perfecto.

El modelo está disponible en Gemini API y Google Cloud. En las aplicaciones de consumo el despliegue varía: Google habla de Flow y Vids, mientras que la app Gemini recibe esta capacidad gradualmente para suscriptores Ultra. También Vercel lo incorporó a AI Gateway con el identificador google/gemini-omni-1.2-flash. Antes de diseñar una campaña, comprueba que tu cuenta y región muestren el modelo.

Una prueba útil para un creador

Elige un producto real para el que tengas derechos de uso. Prepara una imagen frontal, otra lateral y una hoja pequeña con colores, tipografía y restricciones de marca. Define una sola promesa: por ejemplo, “la libreta cabe en el bolsillo y se abre con una mano”. Pide una versión vertical de 9:16, 15 segundos, con tres momentos: el problema cotidiano, la acción del producto y un cierre limpio donde luego añadirás el texto en tu editor. Deja el texto comercial fuera de la generación si necesitas ortografía exacta.

Objetivo: anuncio vertical de 15 segundos para [producto].
Audiencia: [persona y situación concreta].
Referencias: [fotos propias del producto y guía de marca].
Plano 1 (0–4 s): muestra el problema, sin texto generado.
Plano 2 (4–11 s): uso realista del producto; conserva forma, color y empaque de las referencias.
Plano 3 (11–15 s): producto inmóvil, fondo simple y espacio libre para añadir el titular en edición.
Audio: ambiente discreto, sin voz ni música con derechos ajenos.
Restricciones: no inventar funciones; no alterar logotipo ni etiqueta; formato 9:16.
Devuelve un clip y enumera cualquier detalle de referencia que no lograste mantener.

Este es un brief para probar, no un resultado que hayamos generado. Haz primero un borrador de baja resolución. Revisa cuadro a cuadro el producto, las manos, las etiquetas y los cortes. Si solo falla el fondo, prueba la edición conversacional; si cambia la geometría del producto, compara una nueva generación con referencias más simples. Lleva el clip elegido a tu editor para añadir subtítulos y llamada a la acción verificables.

Cuánto costaría y qué no está resuelto

Google publica un precio de US$0,07 por segundo para video de 720p, un 30 % menos que Omni 1.1 según la empresa. Quince segundos equivaldrían a US$1,05 por generación a esa tarifa, antes de otras opciones, impuestos o cargos del intermediario. Tres intentos de 15 segundos serían US$3,15 si todos se facturan igual. No supongas que editar, extender o escalar a 4K mantiene ese precio: confirma la tabla vigente del canal donde pagarás.

La prueba decisiva es pequeña: dos conceptos, una referencia de producto y un criterio de aceptación escrito. Cuenta cuántas generaciones necesitaste para obtener un clip usable y compara ese costo con grabarlo o editar una plantilla. Google reconoce que la acción deportiva rápida, los cambios bruscos de guion y la física compleja aún pueden fallar. Si tu anuncio depende de precisión documental, el video generado debe pasar revisión humana antes de publicarse.