Gemini Omni 1.2 Flash : un spot de 15 s à 4 € en 5 étapes

Google a rendu Gemini Omni 1.2 Flash disponible le 5 novembre : des clips vidéo générés et retouchés jusqu'à 15 secondes, avec son et dialogues, pour 0,07 $ la seconde en 720p. Pour une PME ou un freelance qui produit des spots courts pour les réseaux, le sujet n'est plus « est-ce que ça marche » mais « comment ne pas brûler le budget en regénérant dix fois ». Voici la méthode, de la clé API à l'export, avec la facture en face de chaque étape.

Précision d'emblée : les paramètres ci-dessous viennent de la annonce officielle de Google, des notes de version et du guide API d'OmniaKey. Le code de ce dernier a passé une vérification de syntaxe, mais son auteur indique ne pas l'avoir exécuté sur l'API en production. Faites un premier essai à 360p avant de vous y fier.

Ce qui change avec Gemini Omni 1.2 Flash

Trois changements comptent pour un usage pro, face à Omni 1.1.

• Durée : jusqu'à 15 s en génération native (3 à 15 s, par pas d'une seconde), contre 10 s avant.
• Prix : 0,07 $ par seconde en 720p, soit 30 % de moins. Un clip de 15 s en 720p revient donc à environ 1,05 $.
• Édition conversationnelle : on change le produit, le décor, la lumière, la météo ou le format sans repartir de zéro, y compris sur un clip de 15 s complet.

Google ajoute des références plus fidèles (visages, emballages, couleurs de marque), des dialogues multi-voix plus naturels et des mouvements de caméra continus. Il reconnaît aussi des limites : action sportive rapide, changements de script brusques, physique complexe. Les sorties portent un filigrane SynthID invisible, ce qui compte pour l'obligation de marquage que nous détaillons dans notre article sur le marquage des contenus IA au titre de l'article 50.

Nous avions comparé la première génération à Veo dans Gemini Omni Flash ou Veo 3.1 : Google scinde sa vidéo IA. Ce qui a évolué depuis : la durée, le prix, et surtout la boucle de retouche, qui change la façon de travailler.

Combien coûte Gemini Omni 1.2 Flash en France

Le modèle est réservé au palier payant : pas de gratuit. Le palier 1 démarre à 8 requêtes par minute et 40 par jour. Côté tarif, la vidéo en sortie est facturée 12 $ le million de tokens, soit environ 5 792 tokens par seconde en 720p. Les tarifs approximatifs par seconde, relevés par OmniaKey :

• 360p : 0,023 $
• 720p : 0,07 $
• 1080p : 0,104 $
• 4K : 0,209 $

Pour 15 secondes, cela donne environ 0,35 $ en 360p, 1,05 $ en 720p, 1,56 $ en 1080p et 3,13 $ en 4K. Ajoutez les tokens d'entrée (1,50 $ le million) et de texte en sortie (9 $ le million), négligeables ici. Les tarifs 1080p et 4K proviennent d'une source tierce : vérifiez-les dans votre console avant de budgéter.

L'astuce de Google est d'ailleurs écrite noir sur blanc : brouillons en 360p ou 720p, corrections par retouches, puis upscale du meilleur résultat en 1080p ou 4K. C'est l'ossature du tuto.

Comment générer une vidéo de 15 secondes avec l'API Gemini

Étape 1 : clé et accès

Il vous faut une clé Gemini API sur un projet avec facturation activée, et le paquet google-genai. L'appel passe par l'Interactions API, avec le modèle gemini-omni-1.2-flash. Anciens utilisateurs : les requêtes vers gemini-omni-1.1-flash seront redirigées vers la 1.2, facturées au tarif 1.2, à partir du 3 décembre 2026.

Étape 2 : le brouillon en 360p

Le paramètre de format se règle dans response_format. Gardez store=True : sans cela, impossible de retoucher ensuite.

from google import genai
import os, base64
client = genai.Client(api_key=os.environ['GEMINI_API_KEY'])

first = client.interactions.create(
    model='gemini-omni-1.2-flash',
    input='Plan fixe, atelier de menuiserie, lumière du matin. Une artisane présente une table en chêne, voix off : Fabriquée à Lyon, livrée en 10 jours.',
    response_format={'type': 'video', 'duration': '15s',
                     'aspect_ratio': '9:16', 'resolution': '360p'},
    store=True,
)

Le format accepte 16:9 (par défaut) ou 9:16. Pour un Reel ou un Short, prenez 9:16 dès le départ : changer de format en retouche est possible, mais c'est une retouche de plus à payer.

Étape 3 : retoucher par conversation

Une fois le plan validé, on corrige sans regénérer l'ensemble. Il suffit de passer l'identifiant de l'interaction précédente.

edit = client.interactions.create(
    model='gemini-omni-1.2-flash',
    previous_interaction_id=first.id,
    input='Remplace la table par un buffet en noyer. Garde le mouvement de caméra.',
)
open('spot_v2.mp4','wb').write(base64.b64decode(edit.output_video.data))

Pour les clips lourds (plus de 4 Mo), ajoutez 'delivery': 'uri' et téléchargez via l'API Files une fois le fichier actif. Prévoyez une file d'attente dans votre script plutôt qu'un appel bloquant.

Étape 4 : prolonger si 15 s ne suffisent pas

L'extension ajoute 3 à 10 secondes par tour (10 par défaut), s'appuie sur les 10 dernières secondes comme contexte et plafonne à 30 secondes au total. Elle n'ajoute qu'à la fin : si votre accroche est mauvaise, rien ne la remplace par ce biais.

Étape 5 : l'upscale, une seule fois

Une fois la version retenue, passez la résolution à 1080p ou 4K sur ce seul clip. Tout le reste de votre budget doit rester en 360p.

Chiffrer la facture d'un spot : l'exemple d'un atelier

Hypothèse de travail, à valider sur votre compte : six brouillons de 15 s en 360p, deux retouches, un rendu final en 1080p.

• 6 brouillons : environ 2,10 $
• 2 retouches (au tarif 360p) : environ 0,70 $
• Rendu final 1080p : environ 1,56 $

Total estimé : autour de 4,40 $, soit environ 4 € pour un spot vertical de 15 secondes. En produisant les mêmes six essais directement en 720p, on arrive à 6,30 $ avant même d'avoir retouché ou upscalé. L'écart n'est pas énorme sur un clip, il le devient sur un calendrier éditorial de 20 spots par mois. Nous avions mesuré le même réflexe de « mesurer avant de payer » pour l'image dans le tuto Images 2.6 en API.

Les pièges à connaître avant de vous lancer

• Importer sa propre vidéo : pas en France. Éditer ou prolonger une séquence que vous téléversez est indisponible dans l'EEE, en Suisse et au Royaume-Uni. Les clips générés par le modèle restent éditables. Pour un artisan qui voudrait « améliorer » ses rushes tournés au téléphone, c'est bloquant.
• Références limitées. Jusqu'à 6 images de référence, avec au plus 3 par personnage pour 2 personnages. Les vidéos de référence ne servent qu'à une génération neuve, pas à une retouche.
• Audio contraint. L'édition de la voix, les entrées audio et les références audio ne sont pas gérées selon OmniaKey. La voix off se décide donc dans le prompt initial.
• Liens YouTube refusés comme média d'entrée : il faut téléverser le fichier.
• Quota serré au départ. 40 requêtes par jour au palier 1, cela fait un atelier de travail, pas une usine.

Côté qualité, restez prudent. Google lui-même cite la physique complexe et l'action rapide comme zones fragiles : un plan de table qui tourne lentement passera, une démonstration de perceuse en mouvement est plus risquée. Si vous cherchez un rendu avec voix française native, comparez avec le tuto FLUX 3 Video, et pour la vue d'ensemble des prix, notre comparatif des générateurs vidéo IA reste la base, à relire avec les prix actuels en tête.

Gemini Omni 1.2 Flash pour une PME : qui devrait s'y mettre

Oui, si vous publiez régulièrement des formats courts (Reels, Shorts, annonces) et que vous avez quelqu'un capable de lancer un script Python ou un scénario no-code. Le coût par spot devient comparable à un café, et la boucle de retouche évite la loterie du « regénérer jusqu'à ce que ça passe ».

Non, si vous comptez sur de l'édition de rushes existants depuis la France, ou sur des vidéos de plus de 30 secondes d'un seul tenant. Et pas du tout si votre secteur exige des images prouvées authentiques : le filigrane SynthID et l'obligation de transparence jouent contre vous.

Si vous voulez industrialiser, branchez l'appel API dans un scénario no-code :

Gemini Omni 1.2 Flash avis : notre lecture

Le vrai progrès n'est pas les 5 secondes de plus. C'est la retouche conversationnelle, qui transforme la vidéo générative d'un jeu de hasard en un processus où l'on peut corriger un défaut sans tout perdre. Le prix à 0,07 $ la seconde est cohérent avec cette logique : on vous incite à itérer en bas de gamme et à ne payer la haute définition qu'une fois.

Les réserves sont nettes : disponibilité partielle des fonctions d'édition en Europe, pas de free tier, et des tarifs 1080p/4K qu'il faut confirmer en console. Pour une PME, notre conseil tient en une phrase : testez avec 10 $ de crédit, un seul spot, et mesurez le temps de validation humaine, pas seulement le coût de génération.