En zzo.ai, un clip de 5 segundos en 720p con audio y Gemini Omni 1.2 Flash cuesta 85 créditos (USD 0.85). Sin suscripción: compras créditos una vez y no vencen.
Gemini Omni 1.2 Flash es el modelo de video de Google DeepMind, lanzado el 5 de noviembre de 2026. Crea clips de 3 a 15 segundos con audio a partir de texto, una foto (como fotograma inicial, con un fotograma final opcional) o hasta seis imágenes de referencia. Genera en 360p o 720p; 1080p y 4K son reescalados que Google hace de la toma en 720p. zzo.ai no es el sitio oficial de Google ni de Gemini: es un sitio independiente donde lo usas pagando por clip, sin suscripción.
Clips de 3 a 15 s
Hasta 4K
Con audio
Prompt de este video. Edítalo o escribe el tuyo.
Con audio
Hecho con Gemini Omni 1.2 Flash
Abre cualquier ejemplo para ver su prompt y su configuración, o empieza a partir de él.
Pueblo de montaña con niebla al amanecerGemini Omni 1.2 Flash, 5 s, con audio, 85 créditos
12
De selfie en la cocina a retrato navideñoGemini Omni 1.2 Flash, foto a video, 8 s, con audio, 135 créditos, imagen de entrada hecha con GPT Image 2.6
Pareja y perro en una azotea de Año NuevoGemini Omni 1.2 Flash, 5 s, con audio, 85 créditos, imagen de entrada hecha con GPT Image 2.6
Fresa salpicando en 4KGemini Omni 1.2 Flash, 3 s, con audio, 150 créditos
Dos amigos charlando en un café, 15 sGemini Omni 1.2 Flash, 15 s, con audio, 250 créditos
Anuncio de un frasco de perfumeGemini Omni 1.2 Flash, 8 s, con audio, 135 créditos
Crepa de mercado nocturno, verticalGemini Omni 1.2 Flash, 8 s, con audio, 135 créditos
Qué puedes crear con Gemini Omni 1.2 Flash
Cada uno trae la configuración y el prompt con los que empezaríamos, y lo que cuesta. Úsalo tal cual o edítalo.
Una escena de cine a partir de un párrafo
Cinco segundos en 720p solo con texto: un travelling lento por un pueblo de montaña japonés envuelto en niebla al amanecer, con un anciano que barre hojas frente a una tienda. El movimiento se ve natural y el sonido se genera en la misma pasada.
Texto a video
720p
5 s
con audio
16:9
“A cinematic slow dolly shot through a quiet Japanese mountain village at dawn. Mist drifts between wooden houses with dark tiled roofs, warm lantern light glows in a few windows, and an elderly man in a blue apron sweeps fallen maple leaves in front of a small shop. The camera glides forward at walking height. Sound: soft birdsong, the scratch of the broom, a distant temple bell. Photorealistic, natural colours, gentle film grain. No text.”
Consejo: Escribe la escena en un solo párrafo, en este orden: movimiento de cámara, lugar, personas y acción, y al final una línea “Sound:” con lo que se debe escuchar.
85 créditos
12
imagen de entrada hecha con GPT Image 2.6
De una foto a otra
Un clip de 8 segundos con fotograma inicial y final: empieza en una selfie en la cocina de una mujer hecha con IA y termina en un retrato navideño de la misma mujer. El clip llega al fotograma final, y su rostro se mantuvo durante el cambio de lugar.
Imagen a video
720p
8 s
con audio
16:9
“She smiles at the camera in her kitchen, then turns and walks out of frame; the scene changes smoothly into a cozy living room with a decorated Christmas tree, and she ends in the exact pose and outfit of the last frame. Warm light, natural motion, one continuous shot. Sound: soft room tone, a few footsteps, gentle music-box notes as the tree appears. No text.”
Consejo: Usa dos imágenes de la misma persona con el mismo encuadre y di cómo pasar de una a otra (“turns and walks out of frame; the scene changes into …”). No pases de 10 segundos.
135 créditos
imagen de entrada hecha con GPT Image 2.6
Personas, una mascota y un lugar a partir de referencias
Cinco segundos en vertical (9:16) a partir de tres imágenes de referencia: una pareja joven, su golden retriever y una azotea con enormes números dorados. Los dos rostros, el perro y los números “2027” quedaron como en las referencias mientras estallaban fuegos artificiales detrás de ellos.
Referencia a video
720p
5 s
con audio
9:16
“The young couple from the photo walk their golden retriever across the rooftop terrace with the giant gold numbers at night, laughing as the dog trots ahead; colourful fireworks burst over the city skyline behind them. Keep both faces, their clothes and the dog's fur exactly as in the reference photos. Handheld camera, vertical framing, photorealistic. Sound: fireworks, the dog's paws on the deck, light laughter. No text other than the numbers.”
Consejo: Describe cada referencia por lo que muestra (“the couple”, “the golden retriever”, “the rooftop with the gold numbers”) y agrega “keep both faces, their clothes and the dog’s fur exactly as in the reference photos”.
85 créditos
Un macro en 4K
Tres segundos de una fresa que cae en agua mineral en cámara lenta, reescalados a 4K desde la toma en 720p. Las burbujas y las gotas salieron muy definidas.
Texto a video
4K
3 s
con audio
16:9
“Extreme close-up of a ripe red strawberry being dropped into a glass of sparkling water in slow motion, bubbles rising and catching sunlight, droplets splashing outward against a soft white background. Crisp macro detail, studio lighting. Sound: a gentle splash and fizzing bubbles. No text.”
Consejo: Las tomas cortas y sencillas son las que mejor quedan en 4K: un sujeto, un movimiento y un fondo limpio. Prueba la idea antes en 360p o 720p, porque una generación en 4K es la que más cuesta.
150 créditos
Qué distingue a Gemini Omni 1.2 Flash
Hasta 15 segundos, siempre con audio
Cualquier duración en segundos enteros, de 3 a 15, en una sola toma. Los diálogos, la música y los efectos de sonido vienen en cada clip y están incluidos en el precio; el anuncio de lanzamiento de Google destaca mejores diálogos y sincronización de labios en 1.2.
Cómo usarlo: Agrega una línea “Sound:” al prompt y pon cada frase de diálogo entre comillas, en inglés para un resultado más estable. En un clip largo, dale a cada parte su propio rango de tiempo, como “[0-5s] …, [5-10s] …, [10-15s] …”.
Imagen a video empieza en tu foto y puede terminar en una segunda; con fotograma final, los clips duran hasta 10 segundos. Referencia a video acepta hasta seis imágenes de personas, productos o lugares y los mantiene iguales.
Cómo usarlo: En «Imagen a video», agrega el fotograma final en su propio espacio, después del inicial. En «Referencia a video», sube las imágenes y describe cada una por lo que muestra. Di qué no debe cambiar: “keep her face and outfit the same”.
Borrador en 360p, versión final reescalada
El flujo que sugiere el propio Google: prueba ideas de forma económica en 360p o 720p y genera la versión final en 1080p o 4K. Las resoluciones altas son reescalados de una toma en 720p, no nativas.
Cómo usarlo: Prueba el prompt en 360p hasta que la acción quede bien. Cada generación es una toma nueva, así que la versión final en 1080p o 4K saldrá un poco distinta del borrador; conserva el mismo prompt y los mismos ajustes.
En qué destaca Gemini Omni 1.2 Flash y dónde tiene problemas
Destaca en
Hasta 15 segundos en una sola toma, con diálogos, música y efectos de sonido generados junto con la imagen e incluidos en el precio. En zzo.ai cuesta menos por segundo en 720p que Seedance 2.5 o Kling 4.0.
Fotograma inicial y final: en nuestra prueba (11 de noviembre de 2026, una sola generación), un clip de 8 segundos pasó de una selfie en la cocina a un retrato navideño, terminó en el fotograma final y el rostro de la persona se mantuvo todo el tiempo.
Las imágenes de referencia conservan los detalles: a partir de tres imágenes, nuestro clip vertical en una azotea mantuvo los dos rostros, al golden retriever y los números dorados “2027”.
Borradores rápidos y versiones finales nítidas: 360p para pruebas económicas y después 1080p o 4K reescalados desde la toma en 720p. Nuestro macro de una fresa en 4K, de 3 segundos, salió con detalles muy definidos.
Rápido para ser un modelo de video: nuestros cuatro clips de prueba tardaron de 45 segundos a unos 2 minutos cada uno.
Límites
Solo dos relaciones de aspecto, horizontal (16:9) y vertical (9:16): no hay cuadrado, 4:3 ni 21:9.
El audio siempre está activado, sin opción para quitarlo, y no puedes subir tu propio audio. Si quieres el clip en silencio, quítale el sonido en un editor.
1080p y 4K son reescalados desde una toma en 720p, no resoluciones nativas: se ven más nítidos, pero no agregan detalle nuevo.
Con fotograma final, los clips duran como máximo 10 segundos; Referencia a video acepta hasta seis imágenes.
Google solo evalúa prompts en inglés; otros idiomas, en el prompt o en los diálogos, no los ha probado.
Las fotos de ciertas personas reconocibles pueden ser rechazadas, y Google rechaza fotos de menores de edad en el Espacio Económico Europeo, Suiza y el Reino Unido.
Google reconoce sus puntos débiles: acción deportiva rápida, física compleja y texto exacto en pantalla.
Editar un video que ya tienes, extender un clip y las ediciones en varios pasos son funciones de la API de Google y todavía no están disponibles aquí.
Un buen primer resultado con Gemini Omni 1.2 Flash, paso a paso
Haz borradores económicos y termina en alta calidad. Cada paso muestra su configuración y su costo.
1
Encuentra la toma en 360p
Genera la idea en 360p y 5 segundos, y cambia una sola cosa en cada intento hasta que la acción y el encuadre queden bien.
360p
5 s
con audio
16:9
3 intentos × 30 = 90 créditos
2
Haz la duración completa en 720p
Genera la duración que necesitas en 720p, la resolución nativa del modelo. Para Reels, TikTok y Shorts elige vertical (9:16); para YouTube y la web, horizontal (16:9).
720p
10 s
con audio
16:9
165 créditos
3
Genera la versión final reescalada
Elige 1080p, o 4K para pantallas grandes. Es una toma nueva, reescalada desde su propia toma en 720p, así que puede salir un poco distinta de la versión en 720p.
1080p
10 s
con audio
16:9
250 créditos
Unos 505 créditos (USD 5.05 al precio estándar) por todo el trabajo. Si un intento falla, te devolvemos los créditos, así que no cuenta.
La configuración, explicada
Qué hace cada opción y cómo cambia el precio.
Modos
Texto a video parte de tus palabras. Imagen a video usa tu foto como fotograma inicial, con un fotograma final opcional (entonces, hasta 10 segundos). Referencia a video usa hasta seis imágenes para mantener iguales a personas, productos o lugares.
Mismo precio: 85 créditos (720p, 5 s)
Resolución
360p para borradores, 720p (nativa) para la mayoría de las publicaciones, 1080p y 4K para versiones finales. 1080p y 4K son reescalados desde la toma en 720p, y el precio sube con la resolución.
Cualquier segundo entero de 3 a 15; con fotograma final, hasta 10. El precio sube con la duración, así que ajústala a la acción: un guion largo en un clip corto sale apresurado.
3 s: 50 · 5 s: 85 · 15 s: 250 créditos (720p)
Audio
Siempre activado e incluido en el precio; Google no tiene opción para desactivarlo. Describe el sonido que quieres, o quítale el sonido al clip después.
Relación de aspecto
Horizontal (16:9) para YouTube y la web, vertical (9:16) para Reels, TikTok y Shorts; no hay otras formas. En Imagen a video también la eliges tú, y el generador la ajusta de antemano según la forma de tu foto.
16:9, 9:16 · sin diferencia de precio
Especificaciones de Gemini Omni 1.2 Flash
Actualizado el 11 de noviembre de 2026
Desarrollador
Google
Lanzamiento
2026-11-05
Tipo
Video
Modos
Texto a video, Imagen a video, Referencia a video
Duración
3–15s
Resolución
360p, 720p, 1080p, 4K
Audio
Siempre activo
Relación de aspecto
16:9, 9:16
Uso comercial
Permitido, según nuestros términos
Generaciones fallidas
Créditos devueltos automáticamente
Desde
20 (USD 0.20)
Precio de Gemini Omni 1.2 Flash por generación
Los créditos se descuentan solo cuando empieza una generación, y se devuelven si falla. La opción más económica cuesta 20 créditos.
Lanzamiento: 5 de noviembre de 2026, de Google DeepMind, disponible para todos en la API de Google y en Google Cloud.
Precio en la API de Google: 30% más bajo por segundo en 720p que Gemini Omni 1.1 Flash (Google, 5 de noviembre de 2026). En zzo.ai pagas por clip con créditos, sin suscripción.
Entradas en zzo.ai: texto, un fotograma inicial con un fotograma final opcional, o hasta seis imágenes de referencia.
Duración: de 3 a 15 segundos; de 3 a 10 con fotograma final.
Resolución: 360p y 720p nativas; 1080p y 4K reescalados desde la toma en 720p.
Relación de aspecto: horizontal (16:9) y vertical (9:16).
Audio: siempre se genera (diálogos, música, efectos de sonido); no se puede subir audio.
Marca de agua: Google agrega una marca de agua invisible, SynthID, a cada clip.
Consejos para escribir el prompt
La guía de Google y nuestras propias pruebas coinciden en unas cuantas reglas:
Escríbelo como una sola escena: movimiento de cámara, lugar, quién hace qué y, al final, una línea “Sound:”. Nuestro prompt del pueblo con niebla es un buen modelo.
Ponles tiempos a los momentos en los clips largos: “[0-5s] … [5-10s] … [10-15s] …”, con una acción principal por rango.
Di qué no debe cambiar. La guía de Google usa “keep everything else the same” para las ediciones; en imagen y referencia a video, dilo del rostro, la ropa o el producto.
Escribe las restricciones en el prompt (“no text”, “no music”): la API de Google no tiene un prompt negativo aparte.
Escribe el prompt en inglés, el único idioma que Google ha evaluado, y pon las frases de diálogo entre comillas.
Sin prisa con la velocidad: los movimientos lentos y suaves salen mejor que las carreras, los deportes o la física compleja.
Cuando un resultado sale mal
Los problemas habituales con Gemini Omni 1.2 Flash, por qué pasan y qué cambiar.
Rechaza la foto
Por qué: Google no acepta fotos de ciertas personas reconocibles ni de menores de edad en el Espacio Económico Europeo, Suiza y el Reino Unido, y sus filtros cambian según la región.
Solución: Usa un personaje hecho con IA o ilustrado, o describe a la persona en un prompt de texto a video. Te devolvemos automáticamente los créditos de la generación rechazada.
Un clip con fotograma final no puede durar más de 10 segundos
Por qué: Google limita los clips con fotograma inicial y final a una duración de 3 a 10 segundos.
Solución: Elige 10 segundos o menos, o quita el fotograma final para llegar hasta 15.
La acción rápida o la física se ven mal
Por qué: Google reconoce la acción deportiva rápida y la física compleja como puntos débiles.
Solución: Haz la acción más lenta (“slowly”, “in slow motion”), deja un solo movimiento principal por rango de tiempo y vuelve a generar.
Las palabras en pantalla salen mal escritas
Por qué: El texto exacto sigue siendo un reto, según la ficha del modelo de Google.
Solución: Usa textos cortos o agrégalos en un editor. Para números que deben salir exactos, ponlos en una imagen de referencia: así nuestro ejemplo de la azotea conservó el “2027”.
Los diálogos en otro idioma suenan raros
Por qué: Google solo evalúa el inglés; otros idiomas no se han probado.
Solución: Escribe las frases de diálogo en inglés para un resultado más estable, o agrega después una voz en off en español.
Aparece música o texto que no pediste
Por qué: La API de Google no acepta un prompt negativo, así que el modelo llena los huecos por su cuenta.
Solución: Escribe las restricciones en el prompt (“no music”, “no text”) y di exactamente qué sonidos quieres.
La generación falló o tardó demasiado
Por qué: El modelo devolvió un error o tardó demasiado.
Solución: No se cobra nada: te devolvemos los créditos automáticamente. Inténtalo de nuevo o prueba un clip más corto.
Gemini Omni 1.2 Flash vs Gemini Omni 1.1 Flash
Gemini Omni 1.2 Flash reemplazó a 1.1 el 5 de noviembre de 2026. Google mantiene 1.1 durante una transición de cuatro semanas y, desde el 3 de diciembre de 2026, envía sus solicitudes a 1.2 con las tarifas de 1.2. zzo.ai usa solo la versión más reciente.
Clips de hasta 15 segundos en una sola toma, lo principal del anuncio de lanzamiento de Google.
Un precio por segundo en la API de Google 30% más bajo que el de 1.1.
Mejores diálogos, sincronización de labios y escenas con varias personas hablando, según Google.
Las mismas relaciones de aspecto (16:9, 9:16) y resoluciones: 360p y 720p nativas, 1080p y 4K reescalados.
Edición, extensión de video y ediciones en varios pasos en la API de Google; por ahora, zzo.ai ofrece texto, imagen y referencia a video.
En zzo.ai, un clip de 5 segundos en 720p con audio y Gemini Omni 1.2 Flash cuesta 85 créditos (USD 0.85). Sin suscripción: compras créditos una vez y no vencen. Según la resolución y la duración, una generación cuesta de 20 a 740 créditos (de USD 0.20 a USD 7.40 con la tarifa estándar). Desde USD 0.18 con el paquete de USD 199.99. Si una generación falla, te devolvemos los créditos automáticamente.
¿Necesito una suscripción para usar Gemini Omni 1.2 Flash?
No. zzo.ai no tiene suscripción: compras un paquete de créditos una vez y lo usas en Gemini Omni 1.2 Flash o en cualquier otro modelo. Tus créditos no vencen.
¿Cuánto pueden durar los videos de Gemini Omni 1.2 Flash y en qué resolución?
En zzo.ai, Gemini Omni 1.2 Flash crea clips de 3 a 15 segundos en 360p, 720p, 1080p, 4K, con relación de aspecto 16:9, 9:16.
¿Cuánto cuesta un video de 10 segundos con Gemini Omni 1.2 Flash?
Un clip de 10 segundos en 720p con audio cuesta 165 créditos: USD 1.65 con la tarifa estándar o USD 1.50 con el paquete de USD 199.99. No hay suscripción.
¿Gemini Omni 1.2 Flash puede hacer videos en 4K?
Sí. En 4K cuesta 250 créditos (USD 2.50 con la tarifa estándar) por 5 segundos. Ajusta primero el prompt en una resolución más baja y luego genera en 4K: cada intento es una toma nueva, no una ampliación de la anterior.
¿Puedo usar Gemini Omni 1.2 Flash por API o en Claude?
Sí. Crea una clave de API en Configuración y usa Gemini Omni 1.2 Flash desde Claude, Cursor o tu propio código con el servidor MCP de zzo.ai. Usa el mismo saldo con los mismos precios que el sitio web.
¿Qué es Gemini Omni 1.2 Flash?
Es el modelo de video de Google DeepMind, lanzado y disponible para todos el 5 de noviembre de 2026. Crea clips de 3 a 15 segundos con audio a partir de texto, una foto o imágenes de referencia, en 720p, con 1080p y 4K reescalados. Reemplaza a Gemini Omni 1.1 Flash.
¿Puedo usar Gemini Omni sin pagar?
No en zzo.ai: cada clip cuesta créditos, y el botón te muestra el precio antes de generar. Google incluye un uso limitado en algunas de sus propias apps, como clips de 15 segundos en Google Vids, según sus propias condiciones. Aquí no hay suscripción y tus créditos no vencen.
¿De qué depende el precio de un clip?
De la duración y la resolución: pagas por segundo, el audio siempre está incluido, 360p es la opción más económica y 4K la más cara. No hay suscripción ni cobros automáticos, y tus créditos no vencen.
¿Cómo se usa Gemini Omni Flash?
Elige Texto a video, Imagen a video o Referencia a video, escribe el prompt, elige la duración, la resolución y la relación de aspecto, y genera. Si el clip tiene varios momentos, ponles tiempos: “[0-5s] …, [5-10s] …”. Describe en el prompt los sonidos que quieres.
¿Gemini Omni Flash o Veo 3.1?
Veo 3.1 crea clips de hasta 8 segundos; Omni 1.2 Flash, de hasta 15, y Google ya ofrece Omni en Flow, Google Vids y la app de Gemini. zzo.ai no ofrece Veo 3.1.
¿Gemini Omni Flash o Seedance 2.5?
Seedance 2.5 genera 1080p de forma nativa, ofrece seis relaciones de aspecto y te deja desactivar el audio. Omni 1.2 Flash cuesta mucho menos por segundo en 720p, llega a 15 segundos con el audio siempre activado y agrega un borrador en 360p y 4K reescalado. Todavía no hemos hecho pruebas con el mismo prompt.
¿Qué cambió frente a Gemini Omni 1.1 Flash?
Según Google: clips de hasta 15 segundos, mejores diálogos y sincronización de labios, y un precio en la API de Google 30% más bajo que el de 1.1. Desde el 3 de diciembre de 2026, Google envía las solicitudes de 1.1 a 1.2. zzo.ai usa 1.2.
¿Cuánto tarda una generación?
En nuestras cuatro pruebas (11 de noviembre de 2026), de 45 segundos a unos 2 minutos, según la duración y la resolución.
¿El 4K es 4K nativo?
No. Google genera en 360p o 720p y reescala la toma en 720p a 1080p o 4K. Una generación en 4K es una toma nueva, no un reescalado de un borrador que hiciste antes.
¿Puedo usar una foto mía o de otra persona real?
Puede ser rechazada: Google no acepta fotos de ciertas personas reconocibles ni de menores de edad en el Espacio Económico Europeo, Suiza y el Reino Unido. Si una generación se rechaza, te devolvemos los créditos automáticamente. Las personas hechas con IA funcionaron en nuestras pruebas; sube la foto de alguien solo con su permiso.
¿Puede editar o extender un video que ya tengo?
Aquí todavía no. La API de Google puede editar un clip con una instrucción y extenderlo; por ahora, zzo.ai ofrece texto, imagen y referencia a video.
¿Puedo usar los videos con fines comerciales?
Sí. Los videos que generas en zzo.ai son tuyos para usarlos, también en trabajos comerciales, siempre que el contenido no infrinja nuestros términos ni los derechos de otras personas.
¿Qué pasa si un clip falla?
No se cobra nada: si el modelo devuelve un error, tarda demasiado o rechaza la solicitud, te devolvemos los créditos automáticamente.
