Na zzo.ai, um vídeo de 5 segundos em 720p com som, feito com o Gemini Omni 1.2 Flash, custa 85 créditos (US$ 0,85). Sem assinatura: você compra créditos uma vez e eles não expiram.
O Gemini Omni 1.2 Flash é o modelo de vídeo do Google DeepMind, lançado em 5 de novembro de 2026. Ele cria vídeos de 3 a 15 segundos com som a partir de texto, de uma foto (como quadro inicial, com um quadro final opcional) ou de até seis imagens de referência. Ele gera em 360p ou 720p; 1080p e 4K são versões ampliadas (upscale) pelo Google a partir da tomada em 720p. A zzo.ai é um site independente que roda o modelo; não é um app do Google.
Vídeos de 3–15 s
Até 4K
Com som
Prompt deste vídeo. Edite ou escreva o seu.
Com som
Feito com o Gemini Omni 1.2 Flash
Abra qualquer exemplo para ver o prompt e as configurações, ou comece a partir dele.
Vila na montanha com névoa ao amanhecerGemini Omni 1.2 Flash, 5 s, com som, 85 créditos
12
Da selfie na cozinha ao retrato de NatalGemini Omni 1.2 Flash, foto para vídeo, 8 s, com som, 135 créditos, imagem de entrada feita na GPT Image 2.6
Casal e cachorro num terraço de Ano NovoGemini Omni 1.2 Flash, 5 s, com som, 85 créditos, imagem de entrada feita na GPT Image 2.6
Morango caindo na água em 4KGemini Omni 1.2 Flash, 3 s, com som, 150 créditos
Dois amigos conversando num café, 15 sGemini Omni 1.2 Flash, 15 s, com som, 250 créditos
Anúncio de um frasco de perfumeGemini Omni 1.2 Flash, 8 s, com som, 135 créditos
Crepe de feira noturna, verticalGemini Omni 1.2 Flash, 8 s, com som, 135 créditos
O que você pode criar com Gemini Omni 1.2 Flash
Cada um vem com as configurações e o prompt que usaríamos para começar, e com o custo. Use como está ou edite.
Uma cena de cinema a partir de um parágrafo
Cinco segundos em 720p só com texto: um travelling lento por uma vila japonesa nas montanhas, coberta de neblina ao amanhecer, com um senhor varrendo folhas na frente de uma loja. O movimento parece natural, e o som é gerado na mesma passada.
Texto para vídeo
720p
5 s
com som
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.”
Dica: Escreva a cena num parágrafo, nesta ordem: movimento de câmera, lugar, pessoas e ação, e por fim uma linha “Sound:” com o que deve ser ouvido.
85 créditos
12
imagem de entrada feita na GPT Image 2.6
De uma foto a outra
Um vídeo de 8 segundos com quadro inicial e quadro final: começa numa selfie na cozinha de uma mulher criada com IA e termina num retrato de Natal da mesma mulher. O vídeo chega exatamente ao quadro final, e o rosto dela se mantém na troca de ambiente.
Imagem para vídeo
720p
8 s
com som
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.”
Dica: Use duas imagens da mesma pessoa com o mesmo enquadramento e diga como ir de uma à outra (“turns and walks out of frame; the scene changes into …”). Fique em 10 segundos ou menos.
135 créditos
imagem de entrada feita na GPT Image 2.6
Pessoas, um pet e um lugar a partir de referências
Cinco segundos em 9:16 a partir de três imagens de referência: um casal jovem, o golden retriever deles e um terraço com números dourados gigantes. Os dois rostos, o cachorro e os números dourados “2027” ficaram como nas referências enquanto fogos de artifício estouravam atrás deles.
Referências para vídeo
720p
5 s
com som
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.”
Dica: Descreva cada referência pelo que ela mostra (“the couple”, “the golden retriever”, “the rooftop with the gold numbers”) e acrescente “keep both faces, their clothes and the dog’s fur exactly as in the reference photos”.
85 créditos
Um plano macro em 4K
Três segundos de um morango caindo em água com gás em câmera lenta, ampliados para 4K a partir da tomada em 720p. As bolhas e as gotas saíram nítidas.
Texto para vídeo
4K
3 s
com som
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.”
Dica: Planos curtos e simples combinam mais com o 4K: um tema, um movimento, um fundo limpo. Teste a ideia antes em 360p ou 720p, já que uma geração em 4K é a de maior custo.
150 créditos
O que diferencia Gemini Omni 1.2 Flash
Até 15 segundos, sempre com som
Qualquer duração inteira de 3 a 15 segundos numa só tomada. Falas, música e efeitos sonoros vêm em todo vídeo e estão incluídos no preço; o post de lançamento do Google destaca falas e sincronia labial melhores na versão 1.2.
Como usar: Acrescente uma linha “Sound:” ao prompt e coloque cada fala entre aspas, em inglês para um resultado mais estável. Num vídeo longo, dê a cada parte seu próprio intervalo de tempo, como “[0-5s] …, [5-10s] …, [10-15s] …”.
Imagem para vídeo começa na sua foto e pode terminar numa segunda; com quadro final, os vídeos vão até 10 segundos. Referências para vídeo aceita até seis imagens de pessoas, produtos ou lugares e mantém todos iguais.
Como usar: Em Imagem para vídeo, adicione o quadro final no espaço próprio, depois do quadro inicial. Em Referências para vídeo, envie as imagens e descreva cada uma pelo que ela mostra. Diga o que não pode mudar: “keep her face and outfit the same”.
Rascunho em 360p, versão final ampliada
O fluxo sugerido pelo próprio Google: teste ideias com menor custo em 360p ou 720p e depois gere a versão final em 1080p ou 4K. As resoluções mais altas são ampliadas a partir de uma geração em 720p, não são nativas.
Como usar: Teste o prompt em 360p até a ação ficar certa. Cada geração é uma tomada nova, então a versão final em 1080p ou 4K vai ficar um pouco diferente do rascunho; mantenha o mesmo prompt e as mesmas configurações.
Onde o Gemini Omni 1.2 Flash se sai bem e onde tem dificuldade
Pontos fortes
Até 15 segundos numa só tomada, com falas, música e efeitos sonoros gerados junto com a imagem e incluídos no preço. Na zzo.ai, em 720p, ele custa menos por segundo do que o Seedance 2.5 ou o Kling 4.0.
Quadro inicial e quadro final: no nosso teste (11 de novembro de 2026, uma tentativa), um vídeo de 8 segundos foi de uma selfie na cozinha a um retrato de Natal, terminou exatamente no quadro final, e o rosto da pessoa se manteve do começo ao fim.
As imagens de referência preservam os detalhes: a partir de três imagens, nosso vídeo vertical no terraço manteve os dois rostos, o golden retriever e os números dourados “2027”.
Rascunhos rápidos e versões finais nítidas: 360p para testes de menor custo, depois 1080p ou 4K ampliados a partir da tomada em 720p. Nosso close macro de um morango, de 3 segundos em 4K, saiu com detalhes bem definidos.
Rápido para um modelo de vídeo: cada um dos nossos quatro vídeos de teste levou de 45 segundos a cerca de 2 minutos.
Limitações
Só duas proporções, 16:9 e 9:16: não há quadrado, 4:3 nem 21:9.
O som está sempre ligado, sem opção para desligar, e você não pode enviar seu próprio áudio. Se quiser o vídeo mudo, tire o som num editor.
1080p e 4K são ampliados (upscale) a partir de uma geração em 720p, não são nativos: a imagem fica mais nítida, mas nenhum detalhe novo é criado.
Com quadro final, os vídeos têm no máximo 10 segundos; Referências para vídeo aceita no máximo seis imagens.
O Google avalia só prompts em inglês; outros idiomas, inclusive o português, no prompt ou nas falas, não foram testados pelo Google.
Fotos de certas pessoas reconhecíveis podem ser recusadas, e o Google recusa fotos de menores de idade no Espaço Econômico Europeu, na Suíça e no Reino Unido.
O próprio Google aponta os pontos fracos: ação rápida de esportes, física complexa e texto exato na tela.
Editar um vídeo que você já tem, estender um vídeo e fazer edições em várias etapas são recursos da API do próprio Google e ainda não estão disponíveis aqui.
Um bom primeiro resultado com Gemini Omni 1.2 Flash, passo a passo
Faça rascunhos baratos e finalize em alta qualidade. Cada passo mostra as configurações e o custo.
1
Encontre o plano em 360p
Rode a ideia em 360p e 5 segundos, mudando uma coisa por tomada até a ação e o enquadramento ficarem certos.
360p
5 s
com som
16:9
3 gerações × 30 = 90 créditos
2
Gere a duração completa em 720p
Gere a duração de que você precisa em 720p, a resolução nativa do modelo. Para Reels, TikTok e Shorts, escolha 9:16; para YouTube e web, 16:9.
720p
10 s
com som
16:9
165 créditos
3
Gere a versão final ampliada
Escolha 1080p, ou 4K para telas grandes. É uma tomada nova, ampliada a partir da própria geração em 720p, então pode ficar um pouco diferente da versão em 720p.
1080p
10 s
com som
16:9
250 créditos
Cerca de 505 créditos (US$ 5,05 no preço padrão) para o trabalho todo. Gerações com falha devolvem os créditos, então não entram na conta.
Configurações explicadas
O que cada opção faz e como ela muda o preço.
Modos
Texto para vídeo começa pelas suas palavras. Imagem para vídeo usa sua foto como quadro inicial, com um quadro final opcional (aí até 10 segundos). Referências para vídeo usa até seis imagens para manter iguais pessoas, produtos ou lugares.
Mesmo preço: 85 créditos (720p, 5 s)
Resolução
360p para rascunhos, 720p (nativo) para a maioria dos posts, 1080p e 4K para versões finais. 1080p e 4K são ampliados a partir da tomada em 720p, e o preço sobe com a resolução.
Qualquer número inteiro de segundos de 3 a 15; com quadro final, até 10. O preço acompanha a duração, então ajuste-a à ação: um roteiro longo num vídeo curto fica corrido.
3 s: 50 · 5 s: 85 · 15 s: 250 créditos (720p)
Áudio
Sempre ligado e incluído no preço; o Google não oferece opção para desligar. Descreva o som que você quer ou tire o som do vídeo depois.
Proporções
16:9 para YouTube e web, 9:16 para Reels, TikTok e Shorts; não há outros formatos. Em Imagem para vídeo você também escolhe, e o gerador já vem ajustado conforme o formato da sua foto.
16:9, 9:16 · sem diferença de preço
Especificações do Gemini Omni 1.2 Flash
Atualizado em 11 de novembro de 2026
Desenvolvedor
Google
Lançamento
2026-11-05
Tipo
Vídeo
Modos
Texto para vídeo, Imagem para vídeo, Referências para vídeo
Duração do vídeo
3–15s
Resolução
360p, 720p, 1080p, 4K
Áudio
Sempre ativado
Proporções
16:9, 9:16
Uso comercial
Permitido, conforme nossos termos
Gerações que falharam
Créditos devolvidos automaticamente
A partir de
20 (US$ 0,20)
Preço do Gemini Omni 1.2 Flash por geração
Os créditos só são cobrados quando a geração começa e voltam se ela falhar. A opção mais barata custa 20 créditos.
Lançado em 5 de novembro de 2026 pelo Google DeepMind, disponível para todos na API do Google e no Google Cloud.
Preço na API do próprio Google: 30% abaixo do Gemini Omni 1.1 Flash por segundo em 720p (Google, 5 de novembro de 2026). Na zzo.ai, você paga por vídeo com créditos, sem assinatura.
Entradas na zzo.ai: texto, um quadro inicial com quadro final opcional, ou até seis imagens de referência.
Duração: de 3 a 15 segundos; de 3 a 10 com quadro final.
Resolução: 360p e 720p nativos; 1080p e 4K ampliados (upscale) a partir da tomada em 720p.
Proporções: 16:9 e 9:16.
Som: sempre gerado (falas, música, efeitos sonoros); não dá para enviar áudio.
Marca d’água: o Google coloca uma marca d’água invisível SynthID em todo vídeo.
Dicas de prompt
O guia do Google e os nossos próprios testes concordam em algumas regras:
Escreva como uma cena só: movimento de câmera, lugar, quem faz o quê e, por fim, uma linha “Sound:”. O prompt da vila na neblina é um bom modelo.
Marque os tempos em vídeos mais longos: “[0-5s] … [5-10s] … [10-15s] …”, com uma ação principal por intervalo.
Diga o que não pode mudar. O guia do Google usa “keep everything else the same” para edições; em Imagem e Referências para vídeo, diga isso sobre o rosto, a roupa ou o produto.
Escreva as restrições no prompt (“no text”, “no music”): a API do Google não tem um campo separado de prompt negativo.
Escreva o prompt em inglês, o único idioma que o Google avaliou, e coloque as falas entre aspas.
Vá com calma na velocidade: movimentos lentos e suaves funcionam melhor do que corridas, esportes ou física complexa.
Quando o resultado sai errado
Os problemas comuns com Gemini Omni 1.2 Flash, por que acontecem e o que mudar.
A foto foi recusada
Por quê: O Google não aceita fotos enviadas de certas pessoas reconhecíveis, nem de menores de idade no Espaço Econômico Europeu, na Suíça e no Reino Unido, e os filtros dele variam conforme a região.
Solução: Use um personagem criado com IA ou ilustrado, ou descreva a pessoa num prompt de Texto para vídeo. Os créditos da geração recusada voltam automaticamente.
Um vídeo com quadro final não passa de 10 segundos
Por quê: O Google limita os vídeos com quadro inicial e final a 3 a 10 segundos.
Solução: Escolha 10 segundos ou menos, ou tire o quadro final para chegar a 15.
Ação rápida ou física parecem erradas
Por quê: O Google aponta ação rápida de esportes e física complexa como pontos fracos.
Solução: Deixe a ação mais lenta (“slowly”, “in slow motion”), mantenha um movimento principal por intervalo de tempo e gere de novo.
Palavras na tela saem com erros
Por quê: Texto exato continua sendo um desafio, segundo o model card do Google.
Solução: Use textos curtos ou coloque o texto num editor. Para números que precisam sair exatos, envie-os numa imagem de referência: foi assim que nosso exemplo do terraço manteve o “2027”.
Falas em outro idioma soam estranhas
Por quê: O Google avalia só o inglês; outros idiomas, como o português, não foram testados.
Solução: Escreva as falas em inglês para um resultado mais estável, ou acrescente depois uma narração no seu idioma.
Aparecem música ou texto que você não pediu
Por quê: A API do Google não aceita prompt negativo, então o modelo preenche as lacunas sozinho.
Solução: Escreva as restrições no próprio prompt (“no music”, “no text”) e diga exatamente quais sons você quer.
A geração falhou ou demorou demais
Por quê: O modelo retornou um erro ou levou tempo demais.
Solução: Nada é cobrado: os créditos voltam automaticamente para o seu saldo. Tente de novo ou use um vídeo mais curto.
Gemini Omni 1.2 Flash vs Gemini Omni 1.1 Flash
O Gemini Omni 1.2 Flash substituiu o 1.1 em 5 de novembro de 2026. O Google mantém o 1.1 por quatro semanas de transição e, a partir de 3 de dezembro de 2026, encaminha os pedidos dele para o 1.2, cobrados pelos valores do 1.2. A zzo.ai roda só a versão mais nova.
Vídeos de até 15 segundos numa só tomada, o destaque do post de lançamento do Google.
Um preço por segundo na API do Google 30% abaixo do 1.1.
Falas, sincronia labial e cenas com várias pessoas falando melhores, segundo o Google.
As mesmas proporções (16:9, 9:16) e resoluções: 360p e 720p nativos, 1080p e 4K ampliados.
Edição, extensão de vídeo e edições em várias etapas na API do próprio Google; por enquanto, a zzo.ai oferece Texto, Imagem e Referências para vídeo.
Texto para vídeo, Imagem para vídeo, Referências para vídeo
Texto para vídeo, Imagem para vídeo, Referências para vídeo
Texto para vídeo, Imagem para vídeo
Duração do vídeo
3–15s
4–15s
5–30s
Resolução
360p, 720p, 1080p, 4K
480p, 720p, 1080p
720p, 1080p
Áudio
Sempre ativado
Opcional (com ou sem)
Sempre ativado
Proporções
16:9, 9:16
16:9, 9:16, 1:1, 4:3, 3:4, 21:9
16:9, 9:16, 1:1, 21:9
Uso comercial
Permitido, conforme nossos termos
Permitido, conforme nossos termos
Permitido, conforme nossos termos
Gerações que falharam
Créditos devolvidos automaticamente
Créditos devolvidos automaticamente
Créditos devolvidos automaticamente
A partir de
20 (US$ 0,20)
115 (US$ 1,15)
160 (US$ 1,60)
Perguntas frequentes
Quanto custa o Gemini Omni 1.2 Flash?
Na zzo.ai, um vídeo de 5 segundos em 720p com som, feito com o Gemini Omni 1.2 Flash, custa 85 créditos (US$ 0,85). Sem assinatura: você compra créditos uma vez e eles não expiram. Dependendo da resolução e da duração, uma geração custa de 20 a 740 créditos (US$ 0,20 a US$ 7,40 no preço padrão). A partir de US$ 0,18 com o pacote de US$ 199,99. Se a geração falhar, os créditos voltam automaticamente.
Preciso de assinatura para usar o Gemini Omni 1.2 Flash?
Não. A zzo.ai não tem assinatura: você compra um pacote de créditos uma vez e usa no Gemini Omni 1.2 Flash ou em qualquer outro modelo. Os créditos não expiram.
Qual a duração e a resolução dos vídeos do Gemini Omni 1.2 Flash?
Na zzo.ai, o Gemini Omni 1.2 Flash faz vídeos de 3 a 15 segundos em 360p, 720p, 1080p, 4K, nas proporções 16:9, 9:16.
Quanto custa um vídeo de 10 segundos com o Gemini Omni 1.2 Flash?
Um vídeo de 10 segundos em 720p com som custa 165 créditos: US$ 1,65 no preço padrão ou US$ 1,50 com o pacote de US$ 199,99. Não há assinatura.
O Gemini Omni 1.2 Flash faz vídeo em 4K?
Sim. Em 4K, 5 segundos custam 250 créditos (US$ 2,50 no preço padrão). Ajuste o prompt primeiro em resolução menor e depois gere em 4K: cada geração é uma versão nova, não uma ampliação da anterior.
Posso usar o Gemini Omni 1.2 Flash por API ou no Claude?
Sim. Crie uma chave de API em Configurações e use o Gemini Omni 1.2 Flash no Claude, no Cursor ou no seu próprio código pelo servidor MCP da zzo.ai. O saldo é o mesmo, com os mesmos preços do site.
O que é o Gemini Omni 1.2 Flash?
É o modelo de vídeo do Google DeepMind, lançado e disponível para todos em 5 de novembro de 2026. Ele cria vídeos de 3 a 15 segundos com som a partir de texto, de uma foto ou de imagens de referência, em 720p, com 1080p e 4K ampliados. Ele substitui o Gemini Omni 1.1 Flash.
Dá para usar o Gemini Omni sem pagar?
Na zzo.ai, não: a zzo.ai não é gratuita. Cada vídeo é pago com créditos, e o botão mostra o preço antes de você gerar. O Google inclui um uso limitado em alguns apps próprios, como vídeos de 15 segundos no Google Vids, com as regras do próprio Google.
O que define o preço de um vídeo?
A duração e a resolução: você paga por segundo, o som está sempre incluído, 360p é a opção de menor preço e 4K a de maior. A tabela de preços desta página e o botão Gerar mostram o valor exato antes de você gerar. Não há assinatura, e seus créditos não expiram. A zzo.ai cobra em dólar americano (US$). Se o seu cartão for brasileiro, o banco converte o valor para reais e pode cobrar IOF sobre compras internacionais. Impostos, quando houver, são calculados na página de pagamento e aparecem antes de você pagar.
Como usar o Gemini Omni Flash?
Escolha Texto para vídeo, Imagem para vídeo ou Referências para vídeo, escreva o prompt, escolha a duração, a resolução e a proporção e clique em Gerar. Para várias etapas, marque os tempos: “[0-5s] …, [5-10s] …”. Descreva no prompt os sons que você quer ouvir.
Gemini Omni Flash ou Veo 3.1?
O Veo 3.1 faz vídeos de até 8 segundos; o Omni 1.2 Flash faz até 15, e o Google agora oferece o Omni no Flow, no Google Vids e no app do Gemini. A zzo.ai não oferece o Veo 3.1.
Gemini Omni Flash ou Seedance 2.5?
O Seedance 2.5 gera 1080p nativo, oferece seis proporções e deixa você desligar o som. O Omni 1.2 Flash custa bem menos por segundo em 720p, vai até 15 segundos com o som sempre ligado e acrescenta um rascunho em 360p e o 4K ampliado. Ainda não fizemos testes com o mesmo prompt nos dois.
O que mudou em relação ao Gemini Omni 1.1 Flash?
Vídeos de até 15 segundos, falas e sincronia labial melhores e, segundo o Google, um preço na API do Google 30% abaixo do 1.1. A partir de 3 de dezembro de 2026, o Google passa a encaminhar os pedidos do 1.1 para o 1.2. A zzo.ai roda o 1.2.
Quanto tempo leva uma geração?
Nos nossos quatro testes (11 de novembro de 2026), de 45 segundos a cerca de 2 minutos, conforme a duração e a resolução.
O 4K é 4K nativo?
Não. O Google gera em 360p ou 720p e amplia (upscale) a tomada em 720p para 1080p ou 4K. Uma geração em 4K é uma tomada nova, não a ampliação de um rascunho que você fez antes.
Posso usar uma foto minha ou de outra pessoa real?
Ela pode ser recusada: o Google não aceita fotos enviadas de certas pessoas reconhecíveis, nem de menores de idade no Espaço Econômico Europeu, na Suíça e no Reino Unido. Se uma geração for recusada, os créditos voltam automaticamente para o seu saldo. Pessoas criadas com IA funcionaram nos nossos testes, e você só pode enviar a foto de alguém com a permissão dessa pessoa.
Ele edita ou estende um vídeo que eu já tenho?
Aqui, ainda não. A API do próprio Google consegue editar um vídeo por instrução e estendê-lo; por enquanto, a zzo.ai oferece Texto, Imagem e Referências para vídeo.
Posso usar os vídeos comercialmente?
Sim. Os vídeos que você gera na zzo.ai são seus para usar, inclusive em trabalhos comerciais, desde que o conteúdo não viole nossos termos nem os direitos de outras pessoas.
E se a geração falhar?
Nada é cobrado: se o modelo retornar um erro, demorar demais ou recusar o pedido, os créditos voltam automaticamente para o seu saldo.
