Gemini Omni: el nuevo modelo de video con IA de Google, demos y cómo usarlo
Gemini Omni es el nuevo modelo de Google que convierte cualquier entrada en video. Mira las demos oficiales, qué hace Gemini Omni Flash, si es gratis y cuándo llega la API.
Google acaba de presentar Gemini Omni en I/O, y la versión en una frase es sencilla: toma casi cualquier entrada que le des —imágenes, audio, video, texto o incluso un boceto— y la convierte en video de alta calidad.
Eso suena como el discurso de cualquier modelo de video de los últimos dos años. Pero no lo es, y las demos explican por qué. Google publicó cinco posts seguidos; reunimos los clips para que puedas juzgarlos directamente, no leer el resumen de otro resumen.
Conoce Gemini Omni
La presentación: un modelo, cualquier entrada, video como salida.
Entiende física, no solo píxeles
Esta es la parte que merece una pausa. La mayoría de los modelos de video aprende cómo se ven las escenas. La afirmación de Google es que Gemini Omni razona sobre cómo funciona el mundo: combina una intuición física con el conocimiento del mundo real de Gemini. Así, un líquido vertido se asienta, el peso cae donde debería y el resultado se comporta, no solo se renderiza.
Cualquier entrada entra, video sale
Puedes darle imágenes, audio, video y texto juntos. O entregarle un dibujo y dejar que siga tu visión. El “omni” del nombre es el punto real: el lado de entrada está abierto, no limitado a una sola caja de prompt.
Editar ahora es conversar
Para la mayoría, esta es la demo que aterriza. Editas tu propio metraje hablándole: reencuadra la acción, cambia el punto de vista, haz la luz más cinematográfica, todo en varios turnos. Cada instrucción se apoya en la anterior, así que los personajes se mantienen consistentes, la física aguanta y la escena recuerda lo que pasó antes. La línea de tiempo llena de keyframes se convierte en un ida y vuelta.
Dónde y cuándo puedes usarlo
El nivel de lanzamiento se llama Gemini Omni Flash, con un despliegue por etapas:
Desde hoy: suscriptores de Google AI Plus, Pro y Ultra en todo el mundo, en la app Gemini y Flow by Google.
Esta semana, gratis: YouTube Shorts y la app YouTube Create.
En las próximas semanas: desarrolladores y clientes enterprise vía API.
Los creadores lo prueban primero, y la API —lo importante si quieres construir encima— llega un poco después. (Post de rollout de Google)
Lectura rápida
La apuesta aquí es física más razonamiento. Muchos modelos pueden hacer un clip bonito de cinco segundos. Muchos menos mantienen un personaje consistente mientras renegocias el plano cuatro veces seguidas. Si esa consistencia se mantiene fuera del video de lanzamiento, el cambio real es el flujo de edición, no la generación.
También apunta hacia dónde va el trabajo con agentes. La unidad interesante deja de ser un prompt aislado y pasa a ser una sesión de varios turnos que recuerda estado: exactamente la forma de trabajo que la gente ya ejecuta dentro de Kollab, dando contexto al modelo, iterando durante varios turnos y manteniendo el hilo coherente. Un modelo que hace eso nativamente para video vuelve esos flujos mucho más concretos.
FAQ
¿Qué es Gemini Omni?
El nuevo modelo de IA de Google que genera video de alta calidad desde cualquier entrada —imágenes, audio, video, texto o un dibujo— y edita video existente mediante conversación. Fue anunciado en Google I/O.
¿Gemini Omni es gratis?
El nivel Gemini Omni Flash es gratis en YouTube Shorts y la app YouTube Create desde esta semana. El acceso completo llega primero a suscriptores de Google AI Plus, Pro y Ultra en la app Gemini y Flow by Google.
¿Cuándo estará disponible la API de Gemini Omni?
Google dice que el acceso API para desarrolladores y empresas llegará en las próximas semanas, después del rollout para consumidores.
¿Qué diferencia a Gemini Omni de otros modelos de video?
Combina una comprensión intuitiva de la física con el razonamiento del mundo real de Gemini, y admite edición conversacional de varios turnos donde personajes y estado de escena se mantienen consistentes entre instrucciones.
Fuente: publicaciones oficiales de @Google en #GoogleIO: presentación, física, cualquier entrada, edición conversacional y rollout. Clips incrustados para comentario y referencia; todos los derechos pertenecen a Google.
