Google вывела из preview-статуса сразу два семейства моделей на одной неделе, и обе они ориентированы на работу с медиаконтентом, а не с текстом.

Gemini Omni Flash

gemini-omni-1.1-flash стала доступна всем 27 августа с тремя новыми возможностями: расширение видео, интерполяция между изображениями и управление разрешением вплоть до 4K. Preview-эндпоинт, который она заменяет, планируется отключить 30 сентября 2026 года, так что у тех, кто всё ещё его использует, есть чёткий срок.

Управление разрешением вплоть до 4K — это главное практическое новшество. Сгенерированное видео с разрешением ниже вещательного стандарта — это демо; видео с разрешением 4K — это то, что производственная команда может реально использовать без дополнительного апскейлинга.

Распознавание речи

Днём ранее, 26 августа, в общий доступ вышли сразу gemini-3.5-transcribe и gemini-3.5-transcribe-live. Они поддерживают более 85 языков с разделением по говорящим (diarization) и временными метками на уровне отдельных слов.

Именно эти две функции отличают игрушку для транскрибации от полноценного продукта. Diarization показывает, кто именно говорил; временные метки на уровне слов позволяют строить на их основе поиск, субтитры и монтаж. Live-вариант рассчитан на работу в реальном времени, где ключевым ограничением становится задержка, а не точность.

Почему это важно

Распознавание речи с diarization на более чем 85 языках, доступное как обычный API, оказывает прямое давление на рынок самостоятельных сервисов транскрибации. Инструменты в этой категории исторически конкурировали именно по этим двум функциям.

То же самое касается и генерации видео. Каждая возможность, которая переходит от узкоспециализированного поставщика к универсальному API от Google, OpenAI или Anthropic, сужает то, что специализированному сервису остаётся продавать — как правило, это рабочие процессы, интеграции и поддержка, а не сама базовая модель.

Что стоит проверить

Если вы используете preview-эндпоинт Omni Flash, перейдите на новую версию до 30 сентября. А если вы платите за сервис транскрибации, стоит прикинуть стоимость той же задачи через API — результат может и не в пользу перехода, но разрыв стал меньше, чем раньше.