Présentation de Gemini Omni Flash : le nouveau modèle vidéo de Google que vous éditez en lui parlant

Qu'est-ce que Gemini Omni Flash ?

En une phrase : Gemini Omni Flash accepte du texte, des images, de l'audio et de la vidéo en entrée, puis produit une vidéo haute résolution avec un audio synchronisé en sortie — et vous permet de modifier cette vidéo au fil d'une conversation.

Cette dernière caractéristique constitue tout l'argument principal, et mérite donc d'être distinguée de la simple démonstration. Un modèle comme Veo ou Sora est conçu pour générer un clip réussi à partir d'un prompt unique. Omni Flash part du principe que votre premier clip est un brouillon. Selon Google, le modèle « raisonne sur ce qui devrait se passer ensuite » au lieu de se contenter de peindre des pixels — il s'appuie sur les connaissances du monde de Gemini et sur une « compréhension intuitive de forces comme la gravité, l'énergie cinétique et la dynamique des fluides » pour décider de la suite d'une scène. Considérez cela comme des affirmations de Google, et non comme des résultats indépendants : la fiche du modèle indique que les benchmarks sont à venir, donc personne n'a encore évalué ce raisonnement.

Pourquoi il existe, avant de voir comment il fonctionne

Le problème ciblé par Omni Flash n'est pas de « générer une vidéo plus esthétique ». C'est le coût de l'édition. Avec un générateur à usage unique, chaque modification nécessite un nouveau rendu — vous obtenez 90 % d'un clip correctement, demandez un geste différent, puis régénérez le tout en espérant que les 90 % réussis soient conservés. C'est lent, coûteux et non déterministe.

La réponse d'Omni Flash est une boucle avec état et à plusieurs tours. Vous générez, examinez, puis dites « transforme l'arrière-plan en coucher de soleil » ou « fais-la se retourner » — et le modèle conserve la scène précédente au lieu de la reconstruire. Google met cette fonction à la disposition des développeurs avec un previous_interaction_id transmis à chaque tour, afin que les modifications s'enchaînent. Dans l'application Gemini, cette interface conversationnelle est précisément ce que Veo et Sora ne proposent pas.

Une phrase à retenir : Omni Flash est moins un « meilleur générateur » qu'une « couche d'édition » — il devient intéressant dès qu'un clip de base existe déjà.

Ce qu'il peut faire (avec les chiffres réellement publics)

Voici les éléments confirmés par la fiche du modèle et la documentation de l'API de Google, limités aux détails importants :

• Entrées : texte, images, audio et vidéo. À son lancement, l'entrée audio est limitée aux références vocales ; d'autres types d'audio sont prévus.
• Sortie : vidéo haute résolution avec audio natif et synchronisé généré lors du même passage — il n'est pas ajouté ultérieurement par assemblage.
• Durée du clip : environ 10 secondes au lancement. Google présente cette limite comme un choix de déploiement plutôt que comme une limite stricte du modèle et indique que des durées plus longues arriveront bientôt — considérez donc 10 secondes comme la valeur « actuelle », et non comme une limite « définitive ».
• Formats d'image : 9:16 et 16:9 (16:9 par défaut).
• Cohérence : le modèle est conçu pour conserver l'identité des personnages, des objets et du style entre les plans et les modifications, ainsi que pour synchroniser les textes et éléments graphiques à l'écran avec les mouvements.
• Provenance : chaque clip contient un filigrane imperceptible SynthID, avec des informations d'authenticité C2PA activées par défaut. Il n'est pas possible de les désactiver.

La résolution est la seule spécification sur laquelle Google reste vague — la fiche du modèle parle uniquement de « haute résolution », sans nombre de pixels, et la prise en charge d'une résolution supérieure via l'API entreprise est indiquée comme « bientôt disponible ». Si la résolution exacte est importante pour votre pipeline, il s'agit d'une lacune à surveiller, et non d'une valeur à supposer.

Tarification

Gemini Omni Flash est facturé $0.10 par seconde de vidéo produite. C'est le seul chiffre ferme publié par Google, et il est simple : un clip de 10 secondes coûte environ un dollar, ce qui permet d'estimer le coût d'un traitement par lots sans devoir deviner.

Le point qui a immédiatement attiré l'attention des développeurs concerne la signification de ce tarif pendant l'édition. Comme l'a écrit un commentateur sur la page Product Hunt du modèle, si vous générez un clip de 20 secondes puis dites « ralentis le deuxième plan », êtes-vous refacturé pour le clip entier à chaque tour, ou le système compare-t-il la modification au rendu précédent ? Google ne l'a pas encore précisé publiquement, et c'est exactement le genre de mécanisme qui peut faire discrètement exploser les coûts avec un modèle conversationnel. À mon avis, prévoyez votre budget comme si chaque tour de modification correspondait à un nouveau rendu, jusqu'à ce que Google fournisse une autre indication.

À titre de comparaison, ces 0,10 $/s correspondraient apparemment au tarif de Veo 3.1 Fast — une comparaison établie par l'équipe de Google elle-même, même si je la considérerais comme une information rapportée plutôt que comme une comparaison publiée côte à côte.

Comment l'utiliser : un véritable appel image-vidéo via GPT Proto

Nous ajoutons Gemini Omni Flash à GPT Proto afin que vous puissiez l'appeler avec la même clé et la même facturation que celles que vous utilisez déjà pour le reste du catalogue — l'accès est actuellement déployé progressivement. GPT Proto suit le format de requête de type Vertex de Google : une génération image-vidéo se fait donc en un seul POST, puis vous interrogez l'opération renvoyée et téléchargez le résultat. Voici le flux Python complet (remplacez la clé par la vôtre depuis le tableau de bord GPT Proto) :

import requests, json, base64, time

BASE = "https://gptproto.com/v1beta/models/gemini-omni-flash-preview:predictLongRunning"
HEADERS = {"x-goog-api-key": "GPTPROTO_API_KEY", "Content-Type": "application/json"}

# 1) Turn a still image into a moving clip
with open("frame.png", "rb") as f:
    image_b64 = base64.b64encode(f.read()).decode()

payload = {
    "instances": [{
        "prompt": "The subject slowly turns to face the camera as warm sunset light fills the room.",
        "image": {"mimeType": "image/png", "bytesBase64Encoded": image_b64}
    }],
    "parameters": {"aspectRatio": "9:16"}
}
op = requests.post(BASE, headers=HEADERS, data=json.dumps(payload)).json()
operation_name = op["name"]        # e.g. models/gemini-omni-flash-preview/operations/abc123

# 2) Poll until the render is done
POLL = f"https://api.gptproto.com/v1beta/{operation_name}"
while True:
    result = requests.get(POLL, headers=HEADERS).json()
    if result.get("done"):
        break
    time.sleep(10)

# 3) Download the finished video
uri = result["response"]["generateVideoResponse"]["generatedSamples"][0]["video"]["uri"]
video = requests.get(uri, headers=HEADERS)
open("output.mp4", "wb").write(video.content)
print("Saved output.mp4")

Ou la même première étape en cURL :

curl --location 'https://gptproto.com/v1beta/models/gemini-omni-flash-preview:predictLongRunning' \
  --header 'x-goog-api-key: GPTPROTO_API_KEY' \
  --header 'Content-Type: application/json' \
  --data '{
    "instances": [{
      "prompt": "The subject slowly turns to face the camera as warm sunset light fills the room.",
      "image": {"mimeType": "image/png", "bytesBase64Encoded": "BASE64_ENCODED_IMAGE"}
    }],
    "parameters": {"aspectRatio": "9:16"}
  }'

Quelques notes pratiques tirées de la documentation : la génération vidéo est une opération longue, l'étape d'interrogation n'est donc pas facultative ; les fichiers générés sont conservés pendant quelques jours, alors téléchargez-les rapidement ; et les erreurs suivent les codes HTTP habituels — 401 pour une clé incorrecte, 403 pour un solde ou des autorisations insuffisants, et 429 en cas de limitation de débit.

Petit guide des prompts

Omni Flash propose volontairement peu de réglages — l'API ne prend pas en charge les prompts négatifs, la température, top-p ou les instructions système. Cela change la manière de le guider :

Mettez les consignes dans le prompt, pas dans les paramètres. Décrivez explicitement les mouvements et la physique (« la bille roule rapidement, plan continu et fluide ») plutôt que de compter sur les réglages. N'essayez pas de faire tenir toutes les exigences dans un méga-prompt — générez d'abord un clip de base solide, puis effectuez des modifications ciblées au fil de la conversation : c'est le flux de travail pour lequel le modèle est réellement conçu. Pour assurer la continuité d'un personnage, fournissez une image de référence plutôt que de décrire un visage avec des mots. Et gardez des attentes réalistes : la propre fiche de Google reconnaît que les mouvements complexes, la parfaite exactitude du texte et la cohérence complète entre les modifications restent des points faibles ; les prompts qui reposent simultanément sur ces trois aspects sont donc ceux qui risquent le plus de décevoir.

Le bilan honnête : ses points forts et ses faiblesses

La véritable nouveauté réside ici dans la boucle d'édition conversationnelle. Itérer en discutant avec un clip est nettement plus rapide que rédiger de nouveaux prompts, et c'est une fonction que Veo et Sora ne proposent pas. C'est la raison de le choisir.

Mais les premières réactions sont restées mesurées, sans emballement, et méritent d'être rapportées honnêtement. Le verdict récurrent de la communauté est qu'Omni Flash est un éditeur performant et un générateur pur simplement acceptable — plusieurs testeurs l'ayant essayé ont déclaré qu'il excelle lorsqu'il s'agit de remodeler un clip déjà réussi, mais qu'il est moins convaincant pour créer l'original de zéro, la physique, les mouvements et la cohérence temporelle étant cités comme ses points faibles. Cela correspond aux propres aveux de Google. Il existe également des limites plus strictes : dans l'API, les références vidéo allant jusqu'à trois secondes sont « acceptées par le schéma mais pas correctement traitées », les références à plusieurs vidéos ne sont pas prises en charge, et l'édition audio et vocale est volontairement absente au lancement — Google invoque le risque de deepfake. Il s'agit donc d'un prototype utilisable, pas d'un outil à intégrer en production sans le tester.

L'accueil du côté des entreprises a été plus chaleureux : le lancement mentionnait de premiers utilisateurs en production (Figma et WPP parmi les noms rapportés), ce qui laisse penser que le calcul du prix par seconde franchit déjà le seuil requis pour de véritables flux de création. J'y verrais un signal concernant la tarification, et non la qualité des résultats.

Gemini Omni Flash contre Veo 3.1 : lequel choisir ?

C'est la question que la plupart des recherches cherchent réellement à résoudre, et le consensus — y compris celui de Google — est qu'ils sont complémentaires plutôt que concurrents. Veo a uniquement été remplacé par Omni dans l'application Gemini ; les développeurs continuent d'appeler directement Veo 3.1 via l'API pour les travaux nécessitant une grande fidélité.

La règle pratique : choisissez Veo 3.1 lorsque la résolution et un rendu cinématographique propre sont prioritaires ; choisissez Omni Flash lorsque la modification, le perfectionnement et le remixage conversationnels d'un clip sont plus importants. Dans de nombreux pipelines réels, la réponse est les deux : générez la base avec le générateur le plus précis, puis transmettez-la à Omni Flash pour la boucle d'édition.

À qui s'adresse-t-il — et qui devrait attendre

Choisissez Omni Flash si votre travail implique beaucoup d'édition : ajustements de type VFX, transformations basées sur un avatar ou une référence, ou tout projet dans lequel vous allez modifier un clip plusieurs fois. Attendez si vous avez besoin dès aujourd'hui d'une haute résolution garantie, de clips uniques de plus de ~10 secondes, d'entrées vidéo de référence fiables ou d'une quelconque édition audio ou vocale — ces fonctions sont soit non spécifiées, limitées ou désactivées au lancement.

Prêt à créer avec cet outil ? Obtenez une clé et consultez le catalogue en ligne sur GPT Proto — l'accès à Gemini Omni Flash est actuellement déployé progressivement.