Haz un video de 15 segundos con Gemini Omni 1.2 Flash

La forma cara de hacer un video de IA es generar a tamaño completo una y otra vez hasta que el modelo tenga suerte. Gemini Omni 1.2 Flash fue construido para un orden de trabajo más barato. Google puso el modelo disponible de forma general el 5 de noviembre de 2026, con generación y edición nativas de hasta 15 segundos, desde 10 segundos en Omni 1.1, y su propia publicación de lanzamiento nombra el flujo con claridad: redacta rápido en 360p o 720p, corrige un detalle con una edición de seguimiento en lugar de generar todo el clip de nuevo, y luego amplía tus mejores creaciones a 1080p o 4K.

Este tutorial sigue ese orden en Google Flow, donde los pasos son botones y ajustes en lugar de código. Una sección corta al final cubre el mismo modelo en la API de Gemini, incluido dónde difiere el flujo de la API. Nada aquí afirma una ejecución de prueba. Cada costo, límite y comando abajo se verificó contra la documentación de Google el 6 de noviembre de 2026, y la sección de Verificación te dice cómo juzgar tu propio resultado.

Lo que vas a construir o aprender

Terminarás con un video terminado de 15 segundos, construido en tres pasadas. La primera pasada es un borrador en bruto que demuestra la acción, el encuadre y el sonido. La segunda pasada corrige los detalles que el borrador se equivocó, mediante conversación con el modelo. La tercera pasada eleva la resolución de la versión que conservaste, y ninguna otra versión.

El ejemplo en este tutorial es un clip de producto para una lámpara de escritorio, porque los productos exponen rápido el trabajo débil. Una lámpara tiene una forma que debe mantenerse estable, un interruptor que una mano debe usar de una manera que tenga sentido y un charco de luz que debe comportarse en todo el clip. Cambia tu propio sujeto y conserva la estructura. El orden de las pasadas es la lección, y funciona para un anuncio social, un explicador corto o una escena con diálogo.

Antes de empezar

Tres datos sobre costo y acceso dan forma a este tutorial, y cada uno puede desperdiciar créditos si lo aprendes tarde.

Primero, la puerta del plan es real. En Flow, la generación y edición de hasta 10 segundos están abiertas a todos los usuarios, mientras los clips de 11 a 15 segundos, Extend y la ampliación pertenecen a suscriptores de Google AI Plus, Pro y Ultra. Si la opción de 15 segundos nunca aparece en tu cuenta, esa puerta, o un despliegue que aún no te ha llegado, es la razón probable. Google dice que sus límites y costos en créditos pueden cambiar en cualquier momento, así que lee el costo en vivo en el control Settings en la parte superior derecha de la caja de instrucciones de Flow antes de cada generación en este tutorial.

Segundo, conoce lo que el modelo aún hace mal. Google enumera acción deportiva rápida, cambios rápidos de guion y física compleja como áreas donde el desarrollo está en curso. Una lámpara en un banco es una prueba justa. Una volea de fútbol bajo la lluvia es una hoguera de créditos. Mantén la acción simple, mantén cualquier línea hablada corta y planifica agregar palabras importantes como texto en un editor después en lugar de confiar en que el modelo las deletree dentro de la imagen.

Tercero, cada salida lleva una marca de agua SynthID. Google la describe como imperceptible para los espectadores y detectable por programa para revisiones de procedencia. No cambia cómo se ve el clip, y no puedes desactivarla, así que tenla en cuenta en cualquier trabajo de cliente donde la procedencia importe.

Paso 1: Escribe la instrucción como tres tiempos

Acción: escribe tu instrucción antes de abrir Flow, y divide los 15 segundos en tres tiempos de unos cinco segundos cada uno. La guía de instrucciones de la API de Gemini para Omni muestra que el modelo lee el tiempo en lenguaje simple, así que nombra lo que ocurre en cada tramo y cuándo cambia.

A matte black desk lamp on a wooden work bench in a quiet room at dusk, in a single continuous shot with no scene cuts. For the first five seconds, the camera moves in slowly and the lamp is off. Then a hand enters, switches the lamp on, and warm light falls across an open notebook. In the final five seconds, the camera pulls back to show the whole bench while the hand writes one line in the notebook. Sound design: a soft room tone and the click of the switch. No dialogue. No text or logos.

Resultado esperado: una instrucción que le da al modelo un principio, un medio y un final, más el movimiento de cámara, el sonido y dos prohibiciones claras. La guía señala que las instrucciones simples funcionan mejor, y que los elementos no deseados se manejan mejor nombrándolos en la propia instrucción, ya que el modelo no tiene un campo separado de instrucción negativa en la API.

Paso 2: Configura Flow para un borrador en 360p

Acción: ve a flow.google.com e inicia sesión, y luego abre un proyecto o empieza uno nuevo. En la parte inferior de la caja de instrucciones, abre los ajustes de generación. Haz clic en Video, y luego haz clic en el modelo de video y elige Omni Flash 1.2.

Ahora define cuatro valores. Define la orientación que necesitas, horizontal o vertical. Define el número de salidas en 1. Define la longitud de generación en 15 segundos. Define la resolución en 360p. Antes de generar nada, abre Settings en la parte superior derecha de la caja de instrucciones y lee el costo en créditos que muestra para esta configuración exacta.

El borrador es para juzgar, no para entregar. Su trabajo es demostrar la acción y el encuadre al costo en créditos más bajo. Ilustración generada en el estilo de la casa Dirty Static.

Resultado esperado: Flow muestra Omni Flash 1.2 como el modelo activo, una longitud de 15 segundos, una resolución de 360p y un costo que coincide con la aritmética en el Paso 3. Si la longitud se detiene en 10 segundos, tu cuenta está en la puerta gratuita descrita arriba, y el resto de este tutorial necesita un plan de suscriptor en Flow o la ruta de Vids en Próximos pasos.

Paso 3: Genera el borrador en 360p

Acción: pega la instrucción del Paso 1 en la caja de instrucciones y haz clic en Generate.

Las cuentas de créditos, de la página de créditos de Flow, van así. La generación en 360p cuesta 1 crédito por segundo para los primeros 10 segundos. Los segundos 11 a 15 para suscriptores cuestan 2 créditos por segundo extra. Un borrador de 15 segundos por lo tanto cuesta 10 más 10, que son 20 créditos. El mismo clip en 720p cuesta 3 créditos por segundo para los primeros 10 segundos y 6 créditos por segundo extra después de eso, que son 60 créditos en total.

Resultado esperado: un clip de 15 segundos en 360p con audio nativo. Se verá suave. Esa suavidad es el precio de la lección, y la lección es a lo que viniste. No juzgues la nitidez aún, y no regeneres aún tampoco.

Paso 4: Juzga el borrador contra cuatro revisiones

Acción: reproduce el borrador de principio a fin, dos veces, y escribe lo que falla. Juzga solo estas cuatro cosas en tamaño de borrador.

Primero, la acción. ¿La mano encendió la lámpara, en el tiempo correcto, sin manos extra y sin movimiento roto? Segundo, el sujeto. ¿La lámpara conservó su forma, su tamaño y su posición desde el primer cuadro hasta el último? Google afirma mayor consistencia del primer cuadro al último en 1.2, y una afirmación es una razón para probar, no un resultado. Tercero, la cámara. ¿El movimiento se mantuvo como una toma continua, sin corte de salto que no pediste? Cuarto, el sonido. ¿Está el clic allí, el tono de la sala es tranquilo, y el modelo agregó diálogo o música que prohibiste?

Resultado esperado: una lista escrita corta de fallas, en orden de cuánto importan. Una o dos fallas reales es un buen borrador. Un borrador donde la propia acción es incorrecta no es candidato para edición, y el movimiento honesto es un borrador nuevo con una instrucción más simple, aún en 360p.

Paso 5: Edita por conversación, un cambio por turno

Acción: selecciona el borrador en tu proyecto y escribe la corrección como una instrucción de seguimiento, y luego genera. Pide un solo cambio, y termina la instrucción con las palabras que la guía de la API recomienda para ediciones.

Change the lighting in the room to a darker blue evening tone. Keep everything else the same.

Luego toma la siguiente falla en su propio turno.

Make the pool of light on the notebook warmer and smaller. Keep everything else the same.

Resultado esperado: cada turno devuelve un video nuevo que lleva las correcciones anteriores y aplica la nueva, mientras el panel History en Flow conserva cada versión y la instrucción que la hizo. La ayuda de Flow describe hasta tres turnos conversacionales que conservan el contexto de ediciones anteriores, así que gasta esos turnos en las fallas que más importan y mantén cada instrucción corta. Las instrucciones largas de edición que redescriben toda la escena invitan al modelo a reconstruir la escena, que es el costo que tratas de evitar.

Paso 6: Amplía solo el que conserves

Acción: cuando una versión pase las cuatro revisiones en el Paso 4, selecciona esa versión y usa la opción de ampliación en Flow para llevarla a 1080p.

El costo es pequeño porque la ampliación cobra por un horario diferente. En Flow, ampliar a 1080p cuesta 0 créditos para clips de 1 a 10 segundos y 1 crédito por segundo extra sobre 10, así que un clip de 15 segundos que conserves cuesta 5 créditos. Los suscriptores Ultra pueden ampliar a 4K en cambio, a 50 créditos fijos para los primeros 10 segundos más 5 créditos por segundo extra, que son 75 créditos para este clip. Sabe en cuál hiciste clic antes de hacer clic.

Ampliar es la recompensa para un clip que ya funciona. Eleva el tamaño del archivo de entrega y no agrega ideas nuevas a la escena. Ilustración generada en el estilo de la casa Dirty Static.

Resultado esperado: el mismo clip, con la misma acción, encuadre y sonido, entregado en 1080p. La salida ampliada sigue siendo ampliada. Google etiqueta 1080p y 4K como resoluciones ampliadas en su propia tabla de API, así que juzga el que conserves por la imagen que contiene, no por el número en el nombre del archivo.

Paso 7: Descarga y registra lo que funcionó

Acción: descarga el clip ampliado que conserves desde Flow. Guarda junto a él una nota de texto simple con tres cosas: la instrucción del Paso 1, cada instrucción de edición del Paso 5 en orden, y el total final de créditos que gastaste.

Resultado esperado: un clip terminado y una receta que puede reconstruirlo. Los modelos de video cambian bajo ti, y Google retira modelos de Flow en un horario, con Omni Flash 1.1 previsto para retirarse en Flow el 5 de diciembre de 2026. Una receta guardada es cómo reconstruyes un clip ganador en el modelo siguiente en lugar de empezar desde la memoria.

El mismo flujo en la API de Gemini

La ruta de la API usa el mismo modelo bajo el ID de modelo gemini-omni-1.2-flash, mediante la API Interactions en lugar de las llamadas generateContent usadas para modelos de texto. No tiene nivel gratuito, así que la clave debe pertenecer a un proyecto con facturación activada. Google pone el precio de salida de video en 12 dólares por millón de tokens, que resulta en unos 0.023 dólares por segundo en 360p, unos 0.07 dólares por segundo en 720p, 0.104 dólares por segundo en 1080p y 0.209 dólares por segundo en 4K, con tokens de entrada cobrados encima a 1.50 dólares por millón. Un borrador de 15 segundos en 360p por lo tanto cuesta unos 35 centavos en salida, y un clip de 15 segundos en 720p cuesta unos 1.04 dólares.

Instala el SDK y define tu clave como un valor de entorno. Usa un marcador en cualquier cosa que compartas, nunca una clave real en un archivo o una captura de pantalla.

pip install -U google-genai
export GEMINI_API_KEY="YOUR_API_KEY"

Redacta en 360p, con la duración definida en response_format. Cuando no se define duración, el modelo usa por defecto 10 segundos, y un valor sobre 15 segundos devuelve un error de argumento inválido.

import base64
from google import genai

client = genai.Client()

draft = client.interactions.create(
    model="gemini-omni-1.2-flash",
    input=(
        "A matte black desk lamp on a wooden work bench in a quiet room "
        "at dusk, in a single continuous shot with no scene cuts. "
        "A hand switches the lamp on and warm light falls across an "
        "open notebook. No dialogue."
    ),
    response_format={
        "type": "video",
        "aspect_ratio": "16:9",
        "resolution": "360p",
        "duration": "15s",
    },
)

with open("draft.mp4", "wb") as f:
    f.write(base64.b64decode(draft.output_video.data))

print(draft.id)

Edita pasando el ID del borrador como previous_interaction_id. Cada turno produce un video nuevo y conserva las partes de la escena que tu instrucción no menciona.

edit = client.interactions.create(
    model="gemini-omni-1.2-flash",
    previous_interaction_id=draft.id,
    input="Change the lighting to a darker blue evening tone. Keep everything else the same.",
)

with open("edit.mp4", "wb") as f:
    f.write(base64.b64decode(edit.output_video.data))

Una diferencia importa. La API no tiene un paso separado de ampliación para un clip existente. Sus valores de resolución incluyen 1080p y 4K, y Google describe ambos como salida ampliada, pero los eliges en response_format en el momento de la generación. Así que en la API, la regla de redactar bajo significa demostrar la instrucción primero en 360p, y luego gastar en una generación de alta resolución de la toma que quieres, mientras en Flow amplías el propio clip que conservas. Para clips sobre 720p, que la documentación sitúa sobre 4 MB, define la entrega en uri en response_format y descarga desde la dirección devuelta en lugar de leer datos base64. Y deja store en su valor predeterminado si planeas editar después, porque la documentación advierte que store definido en false hace que un clip no esté disponible para turnos posteriores mediante previous_interaction_id.

Verificación

Reproduce el archivo descargado fuera de Flow, en un reproductor simple, desde el primer cuadro hasta el último. Confirma cuatro lecturas desde el propio archivo. La duración se lee como 15 segundos. Las dimensiones se leen como el tamaño ampliado que elegiste, 1920 por 1080 para un archivo horizontal 1080p. El sonido se reproduce, sin pista muda y sin diálogo agregado. Y las cuatro revisiones del Paso 4 aún pasan a tamaño completo, con la lámpara estable, la acción del interruptor limpia y sin corte de salto.

Luego revisa el gasto. Suma el borrador, cada edición y la ampliación, y compara el total con tu saldo de créditos de Flow o tu reporte de facturación de API. Una primera ejecución limpia en Flow con una edición cuesta 20 más 20 más 5, que son 45 créditos. Si tu total está muy por encima de eso, la causa habitual es un conteo de salida sobre 1 o una edición que se ejecutó en 720p.

Solución de problemas

Próximos pasos

Cuando el clip necesite vivir dentro de una pieza más grande, llévalo a Google Vids. Google dice que cualquiera con una cuenta de Google o una suscripción a Workspace puede generar hasta tres videos de 15 segundos por mes en Vids sin costo, en vids.new, y Vids te da una línea de tiempo donde títulos, música y narración están junto al clip generado. Esa línea de tiempo también es el hogar seguro para cualquier palabra que la audiencia debe leer exactamente.

Cuando 15 segundos no sean suficientes, Extend es la ruta honesta en lugar de una instrucción nueva que espera continuidad. En la API, la extensión agrega de 3 a 10 segundos por turno hasta un total de 30 segundos, con los últimos 10 segundos del clip como contexto. En Flow, Extend es una función para suscriptores en Omni Flash 1.2. De cualquier modo, termina tus ediciones antes de extender, y nombra cualquier personaje u objeto de los cuadros tempranos de nuevo en la instrucción de extensión si debe regresar.

Y conserva el hábito del que realmente trata este tutorial. Redacta barato, juzga duro, edita en palabras y gasta en tamaño solo al final. Ese hábito sobrevive a cada lanzamiento de modelo, incluido el que reemplazará a este. Nuestra mirada a lo que ocurre cuando un video de IA apunta a una épica es un recordatorio útil de lo que la escala sola nunca corrige.

Costos, límites y comandos verificados contra la publicación de lanzamiento de Google, la publicación de lanzamiento de Google Cloud, la guía Omni de la API de Gemini y la página de créditos de Flow, 6 de noviembre de 2026. Este flujo se verificó contra esos documentos y no se ejecutó con un plan pago de Flow ni una clave de API facturada en esta sesión, así que confirma el costo en vivo en Flow Settings, como dirige el Paso 2, antes de tu primera generación.

Fuentes

• Google, Gemini Omni 1.2 Flash: 15 second video and lower pricing, 5 de noviembre de 2026. Fuente principal para el límite de 15 segundos, el flujo de borrador y ampliación, la edición conversacional, el seguimiento de referencias, las afirmaciones de habla y cámara, las áreas aún en desarrollo y el precio de 0.07 dólares por segundo en 720p.
• Google Cloud, Gemini Omni 1.2 Flash now generally available. Fuente para la disponibilidad general en Google Cloud, el recorte de precio del 30 por ciento, la ampliación desde borradores a 1080p o 4K, la marca de agua SynthID y la nota de que las referencias de audio están detrás de una lista de permitidos.
• Google AI for Developers, Generate and edit videos with Gemini Omni Flash. Fuente para el ID del modelo, el código de la API Interactions en este tutorial, los valores de duración y resolución en response_format, la edición con estado mediante previous_interaction_id, la advertencia de store, los límites regionales y los puntos de la guía de instrucciones sobre tiempo, instrucciones simples de edición y redacción negativa.
• Google Support, Manage your Google Flow credits. Fuente para las tasas de créditos de Flow por segundo en 360p y 720p, la puerta para suscriptores en los segundos 11 a 15, Extend y la ampliación, los cargos de ampliación a 1080p y 4K, y la advertencia de que los límites pueden cambiar en cualquier momento.
• Google, Create longer AI videos with Omni 1.2 in Google Vids, 5 de noviembre de 2026. Fuente para la ruta de Vids, tres videos de 15 segundos por mes sin costo con una cuenta de Google o suscripción a Workspace, y la dirección vids.new.
• Imágenes del héroe y el cuerpo: Dirty Static, generadas en estilo de la casa