Une vidéo de 15 secondes coûte environ 1,05 dollar en 720p avec Gemini Omni 1.2 Flash, contre environ 1 dollar pour une vidéo de 10 secondes avec la version précédente. Le modèle de Google génère des clips de 3 à 15 secondes, accepte les retouches par conversation et applique un filigrane invisible SynthID à chaque résultat.
Ce guide vous accompagne depuis la préparation du compte jusqu’à l’export d’un clip utilisable. Vous apprendrez à rédiger un prompt précis, à régler la durée et la définition, à corriger une scène sans tout recommencer et à contrôler les limites du modèle.
Étape 1 : Choisir l’interface adaptée à votre usage
Le modèle est accessible aux développeurs via Gemini API et Google AI Studio. Google le propose aussi dans plusieurs produits de création et de productivité, notamment Flow, Google Vids, Gemini pour les entreprises, l’application Gemini pour certains abonnés et Google Ads. Pour un premier essai sans écrire de code, Google AI Studio est l’option la plus simple.
Ouvrez Google AI Studio dans un navigateur récent, puis connectez-vous avec un compte Google. Sélectionnez l’espace de création vidéo et choisissez le modèle Gemini Omni 1.2 Flash dans la liste des modèles disponibles.
L’interface exacte peut varier selon le pays, le type de compte et le produit utilisé. Les réglages essentiels restent les mêmes : un prompt textuel, une durée comprise entre 3 et 15 secondes et une résolution de sortie.
Prérequis :
- Un compte Google.
- Un navigateur récent.
- Un accès à Google AI Studio, à Gemini API ou à un produit Google intégrant le modèle.
- Un moyen de paiement si la plateforme demande une facturation API.
À retenir : Pour découvrir le fonctionnement, commencez par Google AI Studio. L’API devient utile lorsque vous devez automatiser ou produire plusieurs variantes.
Étape 2 : Préparer un prompt vidéo précis
Un bon prompt décrit le sujet, l’action, le lieu, le mouvement de caméra, la lumière, le style et le format attendu. Évitez les formulations vagues comme « une belle vidéo d’un produit ». Elles laissent trop de décisions au modèle et rendent les retouches moins prévisibles.
Utilisez cette structure :
Sujet + action + décor + caméra + lumière + style + contraintes
Copiez-collez par exemple ce prompt :
Vidéo publicitaire de 15 secondes montrant une tasse en céramique blanche posée sur une table en bois clair. De la vapeur monte doucement du café. La caméra avance lentement vers la tasse, avec un léger mouvement latéral. Lumière naturelle du matin, arrière-plan flou, rendu réaliste, composition premium, aucun texte à l’écran, format vertical 9:16.
Le prompt contient plusieurs indications concrètes : un objet identifiable, une action limitée, un mouvement de caméra simple et des contraintes visuelles. Cette précision réduit le risque d’obtenir une scène chargée ou difficile à corriger.
Pour une vidéo destinée à une publication horizontale, remplacez la dernière instruction par : format horizontal 16:9. Pour un contenu carré, utilisez : format carré 1:1.
Astuce : Décrivez une seule action principale dans le premier essai. Un personnage qui marche, ouvre une porte, prend un objet et se retourne dans la même séquence donne davantage d’occasions au modèle de perdre la cohérence visuelle.
Attention : Les mouvements complexes restent une limite reconnue du modèle. Préférez un déplacement de caméra lent et une action clairement séquencée plutôt qu’une chorégraphie rapide.
Étape 3 : Régler la durée et la résolution
Dans les paramètres de génération, sélectionnez une durée comprise entre 3 et 15 secondes. Gemini Omni 1.2 Flash permet de choisir la longueur du clip à la seconde près dans cette plage. Pour un premier test, sélectionnez 5 secondes afin de valider le style avant de produire une version plus longue.
Choisissez ensuite la définition. Le modèle prend notamment en charge le 360p et le 720p. Le tarif annoncé pour une vidéo 720p est de 0,07 dollar par seconde, soit environ 1,05 dollar pour 15 secondes au même niveau de calcul.
| Durée | Coût API 720p à 0,07 $/s | Usage conseillé |
|---|---|---|
| 3 secondes | 0,21 $ | Test rapide d’une idée |
| 5 secondes | 0,35 $ | Validation d’un sujet ou d’un mouvement |
| 10 secondes | 0,70 $ | Démonstration courte |
| 15 secondes | 1,05 $ | Clip complet ou publicité courte |
Le tarif 720p représente une baisse de 30 % par rapport à Gemini Omni 1.1 Flash. La résolution supérieure peut entraîner un coût plus important selon l’interface ou le service utilisé.
Pour le premier rendu, sélectionnez 720p si le clip doit servir à une présentation, à une publicité ou à une publication en ligne. Le 360p convient surtout à la vérification du cadrage, du rythme et de la cohérence générale.
Astuce : Testez d’abord le prompt en 5 secondes, puis relancez la version retenue en 15 secondes. Cette méthode évite de consommer plusieurs générations longues avant d’avoir validé l’idée.
Étape 4 : Générer le premier clip
Collez le prompt dans le champ de saisie, choisissez Gemini Omni 1.2 Flash, réglez la durée sur 5 ou 15 secondes, puis sélectionnez 720p si cette définition est proposée. Lancez la génération avec le bouton de création vidéo.
Examinez le résultat sur cinq points :
- Le sujet principal reste-t-il reconnaissable du début à la fin ?
- Le mouvement demandé correspond-il au prompt ?
- Le cadrage respecte-t-il le format souhaité ?
- Les mains, les objets et les visages restent-ils cohérents ?
- L’arrière-plan évolue-t-il de manière naturelle ?
Si le résultat est exploitable, exportez-le ou conservez-le comme version de référence. S’il présente un défaut limité, n’effacez pas immédiatement la conversation : l’édition conversationnelle permet de demander une correction à partir du clip existant.
Pour une scène avec un personnage, utilisez un prompt qui limite les changements d’apparence :
Une femme portant une veste jaune marche lentement dans une rue pavée après la pluie. Conserver exactement la même apparence, la même veste et la même coiffure pendant toute la vidéo. Caméra à hauteur des yeux, travelling latéral lent, lumière douce de fin de journée, style cinématographique réaliste, format horizontal 16:9.
Pour un produit, indiquez les éléments qui ne doivent pas changer :
Conserver exactement la forme, le logo, la couleur et les proportions du flacon pendant toute la vidéo. Le flacon tourne lentement sur un socle noir, éclairage studio, fond gris uniforme, caméra fixe, rendu publicitaire réaliste, aucun texte ajouté.
Attention : Une description trop longue ne garantit pas un meilleur résultat. Les éléments les plus importants doivent apparaître clairement et ne pas se contredire.
Étape 5 : Corriger le clip avec l’édition conversationnelle
L’édition conversationnelle permet de demander des modifications successives en langage naturel. Au lieu de repartir de zéro, écrivez une nouvelle instruction dans la même conversation en faisant référence au clip déjà généré.
Après un premier rendu, essayez :
Conserve la même scène, le même sujet et le même mouvement de caméra, mais remplace l’arrière-plan par une plage au coucher du soleil.
Pour modifier la lumière :
Garde le cadrage et l’action identiques. Remplace la lumière de midi par une lumière douce de fin de journée, avec des ombres longues et naturelles.
Pour changer l’angle :
Conserve le sujet et le décor. Passe à un plan rapproché au niveau du produit, sans modifier sa forme ni ses couleurs.
Pour adapter une variante à un autre canal :
Conserve la scène et l’action. Adapte le cadrage au format vertical 9:16 en gardant le sujet principal entièrement visible.
La fonctionnalité prend en charge des retouches telles que le remplacement d’un produit ou d’un arrière-plan, la modification de la lumière, de la météo ou du ratio d’image. Les retouches peuvent être appliquées à des clips allant jusqu’à 15 secondes.
Formuler une retouche sans dégrader la scène
Une demande efficace sépare ce qui doit changer de ce qui doit rester identique. Utilisez une formule en deux parties :
Modifie X. Conserve Y, Z et W exactement comme dans la version précédente.
Exemple :
Modifie uniquement la couleur de la veste, qui doit devenir bleue. Conserve le visage, la coiffure, la position du personnage, le décor, la lumière et le mouvement de caméra.
Cette méthode limite les changements involontaires. Elle est particulièrement utile pour les vidéos de produits, dans lesquelles le logo, la géométrie et la couleur doivent rester stables.
Astuce : Demandez une seule modification importante par tour. Si vous changez simultanément l’arrière-plan, le personnage, la caméra et le format, il devient plus difficile d’identifier l’origine d’un défaut.
À retenir : L’édition conversationnelle sert surtout à affiner un clip déjà satisfaisant. Elle ne remplace pas une préparation précise du prompt initial.
Étape 6 : Produire une variante de 15 secondes
Lorsque le cadrage et le style sont validés, réglez la durée sur 15 secondes et relancez la génération avec le prompt final. Une vidéo plus longue offre davantage d’espace pour installer une action, mais elle augmente aussi la durée pendant laquelle le modèle doit préserver la cohérence visuelle.
Pour un clip publicitaire simple, utilisez ce prompt :
Vidéo publicitaire de 15 secondes pour une bouteille d’eau réutilisable en acier noir. De 0 à 5 secondes, la bouteille est posée sur une table en pierre claire. De 5 à 10 secondes, une main la saisit lentement. De 10 à 15 secondes, la bouteille est placée dans un sac de sport. Caméra fluide, lumière naturelle, style réaliste, conserver exactement la forme et la couleur de la bouteille, aucun texte à l’écran, format vertical 9:16.
Une structure temporelle explicite aide à répartir l’action. Elle ne garantit pas que chaque transition sera parfaite, mais elle donne au modèle une progression claire.
Pour une démonstration produit plus sobre :
Clip de 15 secondes montrant une paire de chaussures de course sur fond gris clair. Les chaussures tournent lentement sur elles-mêmes pendant toute la vidéo. Caméra fixe, éclairage studio homogène, semelles et lacets cohérents, aucun changement de couleur, aucun texte, format carré 1:1.
Contrôlez la version longue avant de la publier. Vérifiez notamment le début et la fin du clip, car les incohérences peuvent apparaître après plusieurs secondes même si les premières images sont réussies.
Étape 7 : Utiliser l’API pour automatiser la génération
L’API convient aux équipes qui veulent intégrer la génération vidéo dans une application, produire des variantes en série ou enregistrer automatiquement les paramètres de chaque rendu. Google AI Studio peut servir à créer ou gérer une clé API lorsque cette option est disponible pour votre compte.
Le modèle est exposé par Gemini API. Les fournisseurs de documentation tiers indiquent également un point d’accès vidéo utilisant un identifiant de modèle dédié, mais le nom exact de la méthode et les paramètres peuvent dépendre de l’interface d’accès choisie.
Le principe d’une requête reste le suivant : envoyer un prompt, choisir la durée, sélectionner la résolution, attendre la génération, puis récupérer le fichier vidéo. Avant de mettre un appel en production, vérifiez la documentation officielle de l’API affichée dans votre console, notamment les limites de débit, l’authentification et le format de réponse.
Un exemple de structure de configuration peut ressembler à ceci :
{ "model": "gemini-omni-1.2-flash", "prompt": "Vidéo réaliste de 5 secondes montrant une tasse blanche sur une table en bois, vapeur douce, caméra en approche lente, format vertical 9:16.", "duration_seconds": 5, "resolution": "720p" }
Cet extrait illustre les informations à transmettre. Il ne remplace pas la syntaxe exacte de l’API utilisée dans votre environnement.
Attention : Le coût final dépend du nombre de générations et de la durée demandée. Une retouche qui déclenche une nouvelle génération peut augmenter la consommation. Conservez un journal des prompts, des durées et des résultats pour suivre votre budget.
Étape 8 : Vérifier le résultat avant publication
Un clip généré par IA doit être contrôlé avant d’être montré à un client ou publié. La vérification ne porte pas uniquement sur l’esthétique : elle concerne aussi le message, les objets représentés et la cohérence de l’action.
Utilisez cette checklist :
- Le produit conserve-t-il ses dimensions et ses couleurs ?
- Les textes, logos et symboles sont-ils exacts ?
- Les mains et les doigts restent-ils naturels ?
- Les mouvements respectent-ils la physique de la scène ?
- Le sujet reste-t-il visible dans le format choisi ?
- La dernière image constitue-t-elle une fin exploitable ?
- Le clip contient-il un filigrane ou des informations de provenance attendus par le service ?
Google indique que les vidéos générées comportent un filigrane invisible SynthID. Cette technologie sert à signaler l’origine générée par IA du contenu sans ajouter nécessairement un marquage visible à l’image.
Le modèle affiche aussi des limites sur certains mouvements. Une scène comportant des interactions rapides, des objets déformables ou de nombreux changements de position mérite donc une vérification image par image avant diffusion commerciale.
Astuce : Pour un usage professionnel, conservez le prompt final, la date de génération, la résolution et le fichier original. Ces informations facilitent les corrections et la création de variantes cohérentes.
Étape 9 : Construire un résultat montrable
Pour obtenir un résultat concret, créez trois versions d’un même concept : une version de test de 5 secondes, une version finale de 15 secondes et une variante destinée à un autre format. Utilisez la même description de sujet et ne modifiez que la durée ou le cadrage lorsque c’est nécessaire.
Exemple de production :
- Version test : 5 secondes en 360p pour vérifier le mouvement.
- Version finale : 15 secondes en 720p pour une présentation ou une publicité.
- Variante sociale : 15 secondes en 720p au format vertical 9:16.
Un scénario simple permet de comparer les résultats : un produit posé sur une table, une caméra qui avance lentement, une lumière stable et une action unique. Après validation, l’édition conversationnelle peut modifier l’arrière-plan ou l’éclairage sans refaire entièrement le brief.
Le résultat attendu est un clip de 15 secondes prêt à être montré, accompagné de ses variantes et de son prompt final. Pour une première démonstration, privilégiez une scène courte, lisible et peu chargée plutôt qu’une séquence spectaculaire.
Notre avis : Gemini Omni 1.2 Flash vaut-il un premier test ?
Gemini Omni 1.2 Flash est un outil pertinent pour débuter la génération vidéo lorsque la priorité est de produire rapidement des clips courts et de les corriger par étapes. La durée maximale de 15 secondes, le tarif 720p de 0,07 dollar par seconde et l’édition conversationnelle forment un ensemble cohérent pour les prototypes, les variantes publicitaires et les démonstrations de produits.
Le meilleur workflow consiste à tester en 5 secondes, corriger le cadrage et le mouvement, puis produire la version 15 secondes en 720p. Les scènes simples donneront généralement un résultat plus contrôlable que les actions rapides ou les interactions complexes.
Dans les six prochains mois, l’intérêt du modèle dépendra surtout de la stabilité de ses retouches, de la disponibilité réelle des interfaces et de la capacité à préserver les détails d’un produit sur plusieurs variantes. Pour commencer, un clip publicitaire de 15 secondes, décliné en horizontal, carré et vertical, constitue le test le plus parlant : quel format obtiendra la meilleure cohérence sans multiplier les générations ?