جمینای اومنی ۱.۲ فلش در برابر نسخه قبلی؛ قیمت کمتر، زمان بیشتر

اگر برای تبلیغات ویدیویی ماهیانه هزاران دلار می‌پردازید، معادله هزینه از امروز تغییر کرد. گوگل جمینای اومنی ۱.۲ فلش (Gemini Omni 1.2 Flash) را با سقف ۱۵ ثانیه و کاهش ۳۰ درصدی قیمت ۷۲۰پی منتشر کرد — یعنی یک اسپات تبلیغاتی کامل اکنون در یک تولید واحد جای می‌گیرد.

مدل‌های تبدیل متن به ویدیو (text-to-video) — مثل یک استودیو انیمیشن مجازی که از یک جمله، صحنه می‌سازد — تا به حال به کلیپ‌های ۱۰ ثانیه‌ای محدود بودند. این سقف برای توضیح‌دهی محصول یا داستان‌سازی اجتماعی ناکافی بود. انتشار ۵ نوامبر ۲۰۲۶ (۱۴ آبان ۱۴۰۵) این محدودیت را می‌شکند و هم‌زمان گوگل مسیر مهاجرت کاربران ۱.۱ را برای ۳ دسامبر ۲۰۲۶ (۱۲ آذر ۱۴۰۵) خودکار کرده است. این انتشار در حالی رخ می‌دهد که گوگل به گسترش أثر هوش مصنوعی در اکوسیستم خود ادامه می‌دهد، پس از تصمیم به جلوگیری از غیرفعال‌سازی AI Overviews در جستجو توسط مدارس. این حرکت نشان می‌دهد که شرکت محتوای تولیدشده با هوش مصنوعی را بخش اصلی استراتژی تبلیغاتی و ابری خود می‌داند.

جمینای اومنی ۱.۲ فلش (Gemini Omni 1.2 Flash) مشخصات فنی زیر را دارد:

• مدت زمان: ۳ تا ۱۵ ثانیه (پیش‌فرض ۱۰ ثانیه) — مثل یک تایمر انعطاف‌پذیر برای هر صحنه
• رزولوشن: پیش‌فرض ۷۲۰پی در ۱۶:۹، پشتیبانی ۹:۱۶ برای استوری‌ها
• بزرگ‌نمایی (upscaling): پیش‌نویس ۳۶۰پی یا ۷۲۰پی، خروجی نهایی ۱۰۸۰پی یا ۴K
• ویرایش گفتگومحور (conversational editing): جایگزینی محصول، پس‌زمینه، نور، آب‌وهوا یا نسبت تصویر بدون بازتولید کل — مثل دستور دادن به تدوینگر که فقط همان کادر را عوض کند. تیم‌ها می‌توانند یک محصول یا پس‌زمینه را جایگزین کنند، نور یا آب‌وهوا را تغییر دهند، یا نسبت تصویر را عوض کنند در حالی که عناصر نامبرده دست‌نخورده باقی می‌مانند.
• شناسه تعامل قبلی: بستر گفتگو بین درخواست‌های API حفظ می‌شود، ویدیو قبلی لازم نیست دوباره آپلود شود. یک شناسه تعامل قبلی بستر را بین درخواست‌های API حفظ می‌کند، بنابراین ویدیو قبلی نیازی به آپلود مجدد ندارد.
• تصاویر مرجع: تا ۶ تصویر (۳ تصویر برای هر شخصیت، حداکثر ۲ شخصیت)
• افزایش ویدیو (video extension): ۳ تا ۱۰ ثانیه در هر نوبت، با ۱۰ ثانیه پایانی به عنوان بستر، سقف ۳۰ ثانیه — نمی‌تواند در ابتدا یا میانه اضافه کند. افزایش ویدیو از تولید بومی جدا است: در هر نوبت ۳ تا ۱۰ ثانیه اضافه می‌کند، از ۱۰ ثانیه پایانی به عنوان بستر استفاده می‌کند، تا سقف ۳۰ ثانیه کل. نمی‌تواند فوتیژ را در ابتدا اضافه کند یا در میانه کلپ مواد درج کند، و درون‌یابی فریم اول به آخر همچنان به خروجی‌های ۳ تا ۱۰ ثانیه محدود است. این کاهش هزینه در تولید محتوای بصری، هم‌خط با ارزان‌تر و بهینه‌تر بودن Nano Banana ۲.۱ برای تجاری‌ها است.

قیمت‌گذاری در جمینای API (Gemini API) پولی:

• توکن‌های خروجی ویدیو: ۱۲ دلار در میلیون توکن، نرخ ۵٬۷۹۲ توکن در ثانیه برای ۷۲۰پی
• محاسبه: کلیپ ۱۰ ثانیه حدود ۰.۷۰ دلار، کلیپ ۱۵ ثانیه حدود ۱.۰۴ دلار — در مقایسه با حدود ۱ دلار در ثانیه قبلی
• ورودی متن، تصویر، ویدیو: ۱.۵۰ دلار در میلیون توکن
• لایه رایگان: در دسترس نیست

جمینای اومنی ۱.۱ فلش (Gemini Omni 1.1 Flash) برای ۴ هفته باقی می‌ماند. در ۳ دسامبر ۲۰۲۶ (۱۲ آذر ۱۴۰۵) درخواست‌ها به ۱.۲ هدایت می‌شوند و نرخ‌های جدید اعمال می‌گردند — بدون تغییر کد. گوگل اعلام کرده است که نسخه ۱.۲ چهره‌ها، لباس‌ها، تایپوگرافی بسته‌بندی و رنگ‌های برند را در زوایا و ترنزیشن‌ها بهتر حفظ می‌کند، با انحراف بصری (visual drift) و مورفینگ (morphing) کمتر. همگام‌سازی لب (lip-sync) شفاف‌تر، دیالوگ طبیعی‌تر، شرط‌بندی متمایز برای چند گوینده، و حرکت دوربین پیوسته با جهش‌های کمتر. بهبودهای امنیتی و پایداری در نسخه‌های جدید Gemini، هم‌ساز با نرخ حمله ۰.۷ درصدی Gemini 4 Argon در تست Gray Swan است.

ارزیابی‌های جنبه‌به‌جنبه توسط گوگل دِپ‌مَایند (Google DeepMind):

• نرخ برد در ثبات بصری (visual-consistency): ۶۲٪ برای ۱.۲ در برابر ۳۸٪ برای ۱.۱ در تست متن-به-ویدیو
• نرخ برد در ثبات هویت چندمرجعی (multi-reference identity-consistency): ۶۳٪ برای ۱.۲

محدودیت‌های صریح: اکشن‌های ورزشی سریع، تغییرات ناگهانی سناریو، و فیزیک پیچیده در حال توسعه‌اند. توسعه همچنان روی اکشن‌های ورزشی سریع، تغییرات سریع سناریو و فیزیک پیچیده ادامه دارد. API به طور کامل انگلیسی را پشتیبانی می‌کند؛ زبان‌های دیگر ارزیابی نشده‌اند. ویرایش صدا، ورودی صوتی آپلودشده، و مراجع صوتی پشتیبانی نمی‌شوند.
توسعه‌دهندگان می‌توانند در گوگل AI استودیو (Google AI Studio) نمونه‌سازی کنند و از API پولی استفاده کنند. انتشار گسترده شامل Flow برای تدوین صحنه و ویرایش چندنوبته، گوگل ویدز (Google Vids) برای کلیپ‌های طولانی‌تر بدون هزینه اضافه با اکانت گوگل یا اشتراک Workspace، و اپلیکیشن جمینای برای مشترکین گوگل AI الترا (Google AI Ultra). ساخت کمپین در گوگل ادز (Google Ads) فعال است.
هر ویدیوی تولیدشده از طریق API یک واترمارک نامرئی سنت‌آی‌دی (SynthID) دارد که برای تأیید مبدأ به صورت برنامه‌ریزی قابل شناسایی است.
گوگل کلود (Google Cloud) در اعلام دستیابی عمومی (GA) دسترسی کنسول و API، زیرساخت و امنیت سازمانی، و توان عملیاتی تأمین‌شده (Provisioned Throughput) را اضافه کرده؛ مراجع صوتی پشت لیست مجاز (allowlist) قرار دارند.

مَت رُئیف (Matt Rouif)، مدیرعامل فوتو‌روم (Photoroom)، گفت که سقف طولانی‌تر تولید پرسش برتر کاربران بوده و دستیابی عمومی با توافق‌نامه‌های سطح خدمات (SLA) به شرکت اجازه می‌دهد برای فروشندگان و مشتریان سازمانی در تولید به جمینای اومنی فلش (Gemini Omni Flash) اعتماد کند. این مدل سازنده ویدئو‌ساز تبلیغاتی (Video Ad Maker) و انیماتور محصول (Product Animator) فوتو‌روم است.

برای تبلیغ‌کنندگان، محاسبه ساده است: کاهش ۳۰ درصدی قیمت در کنار کلیپ‌های طولانی‌تر به معنای کاهش دقیق هزینه بر ثانیه ویدیوی نهایی است — درست در لحظه‌ای که نیاز خلاقانه بالا می‌گیرد. حلقه ویرایش گفتگومحور نیز گردش کار تولید را تغییر می‌دهد: بازنگری‌های هدفمند به جای بازتولید کامل، جایی است که واقعی‌ترین پس‌انداز شکل می‌گیرد. مهاجرت خودکار ۳ دسامبر یک مانع را برمی‌دارد، اما تیم‌هایی که بر رفتار ۱.۱ تکیه کرده‌اند باید پرامپت‌های خود را قبل از سوئیچ بازبینی کنند. محدودیت‌های فنی صریح در اکشن سریع و فیزیک یادآوری می‌کند که این ابزاری برای محتوای کنترل‌شده و تکرارپذیر است، نه بلاک‌باسترهای سینمایی.

گام بعدی شما

• اگر از API جمینای ۱.۱ استفاده می‌کنید، پرامپت‌های حیاتی را در گوگل AI استودیو با نسخه ۱.۲ تست کنید تا ۳ دسامبر — رفتار خروجی ممکن است جابجا شده باشد.
• برای اسپات‌های ۱۵ ثانیه‌ای، سناریو را به بخش‌های ۳-۵ ثانیه‌ای تقسیم کنید تا از ویرایش گفتگومحور برای اصلاح‌های هدفمند استفاده کنید.
• هزینه بر ثانیه را در بودجه کمپین‌های Q1 محاسبه کنید: نرخ ۰.۰۷ دلار بر ثانیه ۷۲۰پی نقطه عطفی برای تولید انبوه است.
• به مطالعات مورد اولیه از آژانس‌هایی که فرمت ۱۵ ثانیه را در برابر تبلیغات ویدیوی سنتی تست می‌کنند، دقت کنید. همچنین بررسی کنید که آیا مهاجرت ۳ دسامبر موجی از تنظیمات پرامپت در جوامع توسعه‌دهنده را به راه می‌اندازد.