// TOM'S HARDWARE ITALIA — INTELLIGENZA ARTIFICIALE
Google genera video AI fino a 40 secondi (con il 4K fasullo)
Google DeepMind ha annunciato il 27 agosto Gemini Omni 1.1 Flash, il nuovo modello di generazione video della famiglia Gemini. La novità enfatizzata dal comunicato è la "scene extension": il modello analizza 10 secondi di contesto video precedente, contro il singolo secondo della versione precedente, e usa quella finestra per aggiungere un blocco successivo da 10 secondi. Ripetendo il procedimento si arriva, secondo l'annuncio, a un totale dichiarato di 40 secondi.
Il comunicato non sottolinea che l'estensione funziona solo in coda al clip esistente. Si possono aggiungere blocchi finali, ma non si possono inserire scene intermedie né far pronunciare nuove battute a un personaggio che sta già parlando. È un'estrapolazione progressiva del finale, non una timeline editabile a piacimento.
Per un caso d'uso enterprise, la differenza conta. Un video prodotto e un video montato sono due cose diverse: il primo restituisce quello che il modello ha deciso di aggiungere in coda, il secondo permette di intervenire dove serve. Chi immagina di costruire uno spot con una scena centrale da rigirare scoprirà che questa funzione non lo consente.
Qui arriva il punto che vale l'intero comunicato. Google presenta risoluzioni fino al 4K tra le funzioni del modello, ma la risoluzione nativa resta 720p. Il 1080p e il 4K sono ottenuti con un passaggio di upscaling successivo alla generazione, non con un rendering diretto ad alta risoluzione.
La differenza pesa. Un video 4K generato senza passaggi intermedi porta con sé coerenza spaziale e dettagli che l'algoritmo calcola fin dall'inizio. Un upscaling parte da un fotogramma a bassa definizione e inventa i pixel mancanti, con i limiti che questo comporta su bordi, capelli, testo nelle scene.
Il comunicato ufficiale di Google non lo scrive in modo esplicito. Lo ha messo in luce una copertura tecnica indipendente, non il blog aziendale. Chi legge solo il post ufficiale rischia di scambiare per generazione nativa quello che è, di fatto, un filtro applicato dopo.
Google mescola upscaling e risoluzione nativa nella stessa lista di specifiche. Nessuno vieta a un vendor di offrire upscaling: è una tecnica legittima, usata da anni anche fuori dal video generativo. Mescolare le due voci senza separarle complica la scelta di chi deve costruire un prodotto su questo strumento.
Per un team che produce contenuti su scala, la scelta tra generazione nativa e upscaling incide anche sul budget di calcolo. Un passaggio di upscaling separato aggiunge un secondo carico computazionale dopo la generazione vera e propria, con un costo che il listino non sempre isola in modo trasparente. Confrontare due modelli video sulla base della sola risoluzione massima dichiarata, senza guardare come ci si arriva, porta a stime sbagliate.
C'è poi una modalità "draft" a 360p, pensata per iterare in fretta: fino al 60% più veloce e un terzo del costo rispetto al 720p. È l'unica parte dell'annuncio in cui la promessa coincide con quanto viene consegnato: meno risoluzione, meno costo, meno tempo, senza trucchi nel mezzo.
Tra le funzioni nuove ci sono la possibilità di specificare primo e ultimo fotogramma per governare transizioni e movimenti di camera, e l'uso di un video di riferimento fino a 3 secondi come input per mantenere coerenza visiva. Sono strumenti utili per chi lavora su asset ripetibili, non funzioni che Google ha inventato da zero: Runway e la stessa Sora offrivano già logiche simili di controllo per keyframe.