Google ra mắt Gemini Omni 1.2 Flash: video 15 giây, rẻ hơn 30%

Google DeepMind vừa chính thức phát hành Gemini Omni 1.2 Flash, mô hình tạo video thế hệ mới hướng tới các doanh nghiệp, nhà phát triển và nhà sáng tạo nội dung cần sản xuất video hàng loạt. Bản nâng cấp này tăng thời lượng clip gốc lên 15 giây, cải thiện độ bám sát ảnh tham chiếu và bổ sung khả năng chỉnh sửa qua hội thoại nhiều lượt.

Điểm đáng chú ý nhất là mức giá: Google giảm 30% so với Gemini Omni 1.1, đưa chi phí xuống 0,07 USD mỗi giây video 720p. Đây là lần đầu tiên Gemini Omni được cung cấp rộng rãi (generally available) trên Gemini API và Google Cloud, kèm hạ tầng và bảo mật cấp doanh nghiệp.

Google ra mắt Gemini Omni 1.2 Flash

Video dài hơn và quy trình rẻ hơn

Gemini Omni 1.2 Flash cho phép tạo và chỉnh sửa video gốc dài tới 15 giây, tăng so với mức 10 giây của Omni 1.1. Người dùng có thể chọn thời lượng theo từng giây, từ 3 đến 15 giây, đủ để kể một câu chuyện hoàn chỉnh, làm video giải thích sản phẩm hoặc dựng trọn một mẩu quảng cáo mạng xã hội trong một lần tạo.

Ngoài giá thấp hơn, quy trình làm việc cũng tiết kiệm hơn: có thể dựng nháp nhanh ở độ phân giải 360p hoặc 720p, sửa một chi tiết bằng lệnh chỉnh sửa tiếp theo thay vì tạo lại toàn bộ clip, rồi nâng cấp những bản tốt nhất lên 1080p hoặc 4K.

Bám sát ảnh tham chiếu tốt hơn

Người dùng có thể dẫn dắt quá trình tạo video bằng cách kết hợp ảnh nhân vật, sản phẩm hoặc phong cách, các clip chuyển động ngắn (tối đa 3 giây) và tín hiệu âm thanh. Omni 1.2 Flash giữ được những chi tiết này từ đầu đến cuối: khuôn mặt, trang phục, kiểu chữ trên bao bì và màu thương hiệu đều nhất quán qua các góc máy.

Điều này giúp biến ảnh chụp sản phẩm hoặc bản thiết kế nhân vật sẵn có thành clip thử đồ ảo (virtual try-on), video xoay sản phẩm 360 độ hay quảng cáo có thương hiệu. Google dẫn ví dụ kết hợp một ảnh người mẫu với ảnh trước và sau của ba bộ trang phục để tạo chuỗi thử đồ ảo dài 15 giây, vẫn giữ nguyên danh tính người mẫu và chi tiết từng bộ đồ.

Kết quả nhất quán và chỉnh sửa qua hội thoại

Mô hình mới duy trì độ nhất quán của nhân vật, vật thể và bối cảnh tốt hơn từ khung hình đầu đến khung hình cuối, giảm hiện tượng biến dạng hoặc trôi hình ảnh khi chuyển động và chuyển cảnh. Dù là nội suy giữa hai khung hình then chốt hay kéo dài clip thành chuỗi dài hơn, sản phẩm, nhân vật, đạo cụ và môi trường vẫn ổn định qua từng cảnh quay.

Khả năng chỉnh sửa qua hội thoại nhiều lượt (multi-turn conversational editing) cho phép tinh chỉnh cùng một clip theo từng lượt — thay sản phẩm, đổi bối cảnh, đổi ánh sáng hoặc thời tiết, chuyển tỉ lệ khung hình — thay vì phải làm lại từ đầu. Tính năng này hoạt động trên toàn bộ clip 15 giây, thuận tiện khi cần tạo nhiều biến thể quảng cáo cho các nhóm đối tượng và vị trí hiển thị khác nhau.

Hội thoại tự nhiên hơn, hình ảnh điện ảnh hơn

Bản nâng cấp cải thiện chất lượng hội thoại với lời thoại mượt và tự nhiên hơn, khớp khẩu hình (lip-sync) rõ hơn và hỗ trợ nhiều người nói riêng biệt. Điều này thể hiện khi dựng hội thoại nhiều nhân vật trong Flow, tạo video giải thích trong Gemini for business hay làm video chuyên nghiệp có avatar, nhạc và lời bình trong Google Vids.

Về góc máy, người dùng có thể điều khiển các chuyển động camera phức tạp, liên tục như bay FPV quét cảnh, thu nhỏ (zoom-out) ấn tượng hay quay vòng (orbit) với ít cắt cảnh ngoài ý muốn hơn, tỉ lệ ổn định hơn và vẻ ngoài điện ảnh hơn. Google minh họa bằng một cú bay FPV liên tục qua quảng trường, xuyên cửa đồng và lên tới đỉnh mái vòm Pantheon mà không có cú cắt nào.

Ứng dụng thực tế và cách bắt đầu

Theo Google, các doanh nghiệp, startup và nhà sáng tạo đã đưa Gemini Omni 1.2 Flash vào quy trình làm việc. Mô hình hiện được cung cấp rộng rãi, có hỗ trợ Provisioned Throughput, và đầu ra mang dấu SynthID gần như không thể nhận biết bằng mắt thường.

Nhà phát triển có thể thử nghiệm trên Google AI Studio trước khi triển khai qua Gemini API. Doanh nghiệp dùng thử trên Google Cloud console và xây dựng giải pháp qua API. Với người dùng phổ thông, tính năng xuất hiện trong Flow, Google Vids (tạo clip 15 giây không tính thêm phí với tài khoản Google hoặc đăng ký Google Workspace), ứng dụng Gemini (dành cho gói Google AI Ultra) và Google Ads.

Google cho biết vẫn đang tiếp tục cải thiện các điểm yếu như cảnh thể thao chuyển động nhanh, thay đổi kịch bản đột ngột và mô phỏng vật lý phức tạp.

Góc nhìn

Với các đội ngũ phát triển và doanh nghiệp Việt Nam, điểm hấp dẫn nhất ở Omni 1.2 Flash không nằm ở từng tính năng riêng lẻ mà ở sự kết hợp giữa giá thành và khả năng chỉnh sửa lặp. Mức 0,07 USD mỗi giây nghĩa là một clip 15 giây ở 720p tốn khoảng 1 USD — đủ rẻ để đưa vào quy trình thử nghiệm nội dung hàng loạt thay vì chỉ dùng cho các chiến dịch lớn.

Khả năng sửa từng chi tiết qua hội thoại thay vì tạo lại cả clip cũng giúp giảm số lần gọi API tốn kém, một yếu tố quan trọng khi tính toán chi phí cho các sản phẩm có lượng người dùng lớn. Tuy nhiên, các nhóm kỹ thuật cần lưu ý rằng mô hình vẫn còn hạn chế ở cảnh chuyển động nhanh và vật lý phức tạp như chính Google thừa nhận, nên việc đánh giá kỹ trên dữ liệu thực tế trước khi đưa vào sản phẩm vẫn là bước không thể bỏ qua.