Google a lancé le 27 août Gemini Omni 1.1 Flash, version disponible en accès général (gemini-omni-1.1-flash) de son modèle de génération et d'édition vidéo par conversation, apparu en preview à l'I/O de mai. Au menu : extension de scène jusqu'à 40 secondes, contrôle des images de début et de fin, jusqu'à sept images de référence et trois personnages nommés, un mode brouillon 360p, et des sorties 1080p et 4K. Disponible dans AI Studio, via l'API, dans Flow et dans l'app Gemini pour les abonnés.
- Ce que le modèle apporte de nouveau, c'est le contrôle : l'extension s'appuie désormais sur les 10 dernières secondes de contexte (contre une seule), et les keyframes permettent de générer la transition entre deux images fournies
- Le prix par seconde ne baisse pas : 0,10 $ en 720p comme avant et comme Veo 3.1 Fast, 0,15 $ en 1080p, 0,30 $ en 4K ; le 1080p et le 4K sont des upscales, et la vraie nouveauté tarifaire est le brouillon 360p à 30 % du prix
- Un jour après sa sortie, il prend la première place de l'arène texte-vers-vidéo devant Veo 3.1 (1 515 contre 1 364 Elo), mais les tests indépendants signalent des dérives de synchronisation labiale et des mouvements flottants ; Google précise que ses propres graphiques d'évaluation portent sur le modèle d'origine, pas sur la 1.1
Un modèle d'édition itérative, pas un Veo moins cher
La confusion la plus fréquente est de lire Omni comme la version économique de Veo. Google vend deux familles vidéo distinctes. Veo 3.1 reste le modèle du plan « héros » : 1080p natif, extensions chaînées jusqu'à 148 secondes, upscalers dédiés, tiers brouillon à 0,075 $ le clip. Omni est le modèle de la boucle d'édition : on génère, on demande une modification en langage naturel, le modèle garde en mémoire les personnages, l'éclairage et la scène des tours précédents via previous_interaction_id, et applique le changement sans regénérer. DeepMind le résume : « comme Nano Banana, mais pour la vidéo ». Jusqu'en juin, la documentation Google renvoyait vers Veo pour l'extension et l'image finale ; la 1.1 rapatrie ces deux fonctions chez Omni, ce qui déplace la ligne de partage.
Sur la facture, Google compte la vidéo en tokens de sortie : 5 792 tokens la seconde en 720p, soit 0,10 $ à 17,50 $ le million. Une scène de 40 secondes se construit en quatre appels d'extension de 10 secondes, chacun relisant le contexte précédent en entrée. Le 360p à 30 % du prix est pensé pour ça : itérer en brouillon, puis porter le résultat validé en 720p et au-delà. Les 1080p et 4K sont des upscales, ce qui explique qu'ils soient au même prix que Veo 3.1 Fast en 4K et entre Veo Lite et Fast en 1080p. Omni n'est donc pas uniformément moins cher que Veo ; il l'est sur l'itération, pas sur la qualité de sortie.
Sur la qualité, les mesures sont contradictoires et il faut le dire. L'arène texte-vers-vidéo place la 1.1 première le lendemain de sa sortie, 150 Elo devant Veo 3.1 ; Artificial Analysis la classe deuxième et quatrième selon les tableaux ; un test apparié sur huit prompts donne Omni gagnant sur le respect du brief et la vitesse, Veo sur le rendu final et la stabilité des sujets ; le consensus place Seedance 2.0 devant sur la physique des mouvements. Google lui-même liste comme limites la cohérence complète, les mouvements complexes et le texte exact.
Mon avis : la sortie compte pour ce qu'elle installe, un flux de production vidéo par itération conversationnelle à un prix qui permet des dizaines de variantes, plutôt que pour un rendu qui reste au niveau des concurrents sans les dominer. Pour la publicité, les réseaux sociaux et les tests de créations, c'est le bon outil ; pour un film de marque, non.
Ce que ça change pour vous
Si vous produisez des créations vidéo en volume (variantes de format, de message, d'angle produit), le trio brouillon 360p, édition conversationnelle et keyframes change le coût d'un cycle de test. Si vous produisez peu de vidéos très soignées, Veo 3.1 ou un concurrent restent la référence, et la 1.1 ne change rien.
Un piège de documentation : certaines pages Google mentionnent un paramètre seed pour la cohérence des voix, hérité de Veo. Omni n'a pas de seed ; la cohérence passe par la répétition à l'identique de la description de voix à chaque tour.
- Prototype tes séquences en 360p jusqu'à validation du brief, puis regénère une seule fois en 720p ou plus : c'est le seul chemin où le tarif Omni est vraiment inférieur à Veo
- Pour une scène de 40 secondes, budgète les tokens d'entrée relus à chaque extension en plus des 4 $ de sortie, et compare avec l'endpoint Extend de Veo 3.1 si tu chaînes des narrations longues
- Sur tes cas d'usage avec dialogue, teste la synchronisation labiale sur trois prompts avant de t'engager : c'est la faiblesse documentée par les tests indépendants
Sources
- Google - Build with Gemini Omni 1.1 Flash (27 août 2026)
- XenoSpectrum - grille tarifaire par résolution et comparaison avec Veo 3.1
- Unifically - Omni 1.1 Flash vs Veo 3.1 : Elo, références, endpoints
- Build Fast with AI - évaluation indépendante et limites (synchro labiale, mouvements)
- Apidog - calcul du coût en tokens de sortie
Source : Blog.google
Cet article a été rédigé avec l’assistance d’un modèle de langage (LLM).
