В начале ноября команда Google выпустила обновление мультимодальной модели Gemini Omni Flash 1.2, за скромным индексом которого скрывается важный сдвиг для работы с видео. Раньше видеогенераторы работали как немое кино: нейросеть выдавала беззвучную картинку, которую приходилось вручную сводить с озвучкой и шумами в монтажной программе.
Допустим, тебе нужен короткий промо-ролик для крафтовой кофейни: бариста ставит на столик чашку капучино с логотипом, слышно шипение кофемашины и звон фарфора, а затем камера переводится на довольного гостя. Можно ли получить такой клип целиком — сразу со звуком и чёткой этикеткой — просто описав сцену текстом и поправив детали в чате? В Google AI Studio эта задача теперь решается в одном диалоговом окне: модель синтезирует видео- и аудиоряд за один запрос и принимает правки обычными фразами.
Единый синтез картинки и звука без сторонних утилит
Когда я изучал спецификацию релиза от 5 ноября 2026 года, меня зацепило, как в Google DeepMind избавились от рассинхрона между движением и звуком. Вместо склейки двух разных сетей Gemini Omni Flash 1.2 формирует кадры и звуковую волну одновременно внутри общего скрытого слоя. Рисуя пар над эспрессо или мимику человека, алгоритм в том же проходе создаёт музыку, шумы окружения и речь с точным совпадением артикуляции губ.
Максимальную длину ролика увеличили с 10 до 15 секунд (с шагом в 1 секунду от 3 до 15 с) — это стандарт готового рекламного спота. Доступны вертикальный формат 9:16 для Reels, Shorts и TikTok и горизонтальный 16:9 для сайтов. За 30–120 секунд генерируется черновик в 720p или 1080p (по API секунда 720p стоит около $0.07), который затем можно увеличить до 4K и сгладить с 24 до 60 кадров в секунду.
Диалоговый монтаж и сохранность деталей при смене планов
В реальной работе первый же ролик часто нужно адаптировать под вечернюю акцию или осеннюю погоду. В старых генераторах любая поправка в промпте запускала лотерею с нуля: чашка меняла форму, логотип плыл, а гость превращался в другого человека. По документации Gemini Omni, сцену удерживают контекстный монтаж через чат и привязка к эталонам: ты загружаешь до 6 референсных изображений (логотип, пачку зерна и портрет героя), фиксируя геометрию упаковки, шрифты и черты лица при смене ракурсов.
Вернёмся к нашему дневному ролику кофейни (похожую цепочку правок автор обзора Джулиан Голди проверил на рекламе напитка Fizz'n'Co): в исходнике у нас солнечное утро, деревянный стол, белая чашка капучино с названием бренда и гул зала. Чтобы собрать сезонный пакет креативов, ты отправляешь готовое видео обратно в чат и меняешь детали по одной фразе:
- Пишешь: «Сделай эту сцену ночью» — и тот же столик мягко подсвечивается уличными фонарями.
- Просишь: «Перекрась чашку в глубокий чёрный цвет с золотой текстурой» — керамика меняет тон, но форма посуды и шрифт логотипа остаются прежними.
- Добавляешь: «Пусти сильный дождь» — по стеклу бегут капли, а в аудиодорожку вплетается шум ливня.
После серии правок надпись на чашке и лицо гостя сохраняют полное сходство с первым дублем, а удачный стоп-кадр можно подать как эталон для новых сцен на всю неделю. В итоге кофейня за пару минут переписки получает пакет видеорекламы без затрат на студию и монтажёра.
Ограничения физики и три правила живого кадра
У модели есть границы, которые важно учитывать. Во-первых, стремительный спорт и сложная физика жидкостей на высокой скорости всё ещё дают сбои геометрии — сцены лучше строить на спокойных движениях. Во-вторых, по-моему, самый ценный нюанс касается вертикальных видео в стиле клиентских отзывов (как в тесте кофейной подписки Ember Roast). Без уточнений нейросеть выдаёт стерильную студийную картинку с восковыми лицами. Чтобы кадр выглядел живым, я советую включать в запрос три простых условия: съёмка на камеру телефона, естественный солнечный свет и настоящая текстура кожи.
Все ролики помечаются невидимым водяным знаком SynthID, а развитие скоростной линейки Google мы разбирали в материалах о превью видеогенератора Gemini OmniFlash и модели Gemini 3.6 Flash в AI Studio. Проверить инструмент проще всего прямо сейчас: открой Google AI Studio, выбери один свой продукт, опиши в одном абзаце предмет, движение камеры, свет и фоновый звук, а затем измени погоду в готовом клипе одной фразой в чате.



