Gemini Omni: novo modelo de vídeo com IA da Google, demos e como usar

A Google apresentou o Gemini Omni no I/O, e a versão numa frase é simples: aceita quase qualquer entrada — imagens, áudio, vídeo, texto ou até um esboço — e transforma-a em vídeo de alta qualidade.

Isto soa ao discurso de qualquer modelo de vídeo dos últimos dois anos. Mas não é, e as demos explicam porquê. A Google publicou cinco posts seguidos; reunimos os clipes para que possa avaliá-los diretamente, em vez de ler o resumo de outro resumo.

Conheça o Gemini Omni

A revelação: um modelo, qualquer entrada, vídeo como saída.

Entende física, não apenas pixels

Esta é a parte que merece atenção. A maioria dos modelos de vídeo aprende como as cenas parecem. A afirmação da Google é que o Gemini Omni raciocina sobre como o mundo funciona, combinando intuição física com o conhecimento real do Gemini. Assim, um líquido vertido assenta, o peso cai onde deve e o resultado comporta-se, não apenas renderiza.

Qualquer entrada entra, vídeo sai

Pode fornecer imagens, áudio, vídeo e texto em conjunto. Ou entregar um desenho e deixar o modelo seguir a sua visão. O “omni” no nome é o ponto essencial: o lado da entrada está aberto, não preso a uma única caixa de prompt.

Editar agora é uma conversa

Para a maioria das pessoas, esta é a demo que fica. Edita o seu próprio material falando com ele: reenquadra a ação, muda o ponto de vista, torna a luz mais cinematográfica, tudo em vários turnos. Cada instrução apoia-se na anterior, por isso as personagens mantêm-se consistentes, a física aguenta e a cena recorda o que veio antes. A timeline cheia de keyframes torna-se uma conversa.

Onde e quando pode usar

A versão de lançamento chama-se Gemini Omni Flash, com rollout por etapas:

• Hoje: subscritores Google AI Plus, Pro e Ultra em todo o mundo, na app Gemini e no Flow by Google.

• Esta semana, grátis: YouTube Shorts e a app YouTube Create.

• Nas próximas semanas: programadores e clientes enterprise via API.

Os criadores experimentam primeiro; a API, a parte importante para quem quer construir sobre isto, chega um pouco depois. (Post de rollout da Google)

Leitura rápida

A aposta aqui é física mais raciocínio. Muitos modelos conseguem gerar um clipe bonito de cinco segundos. Bem menos conseguem manter uma personagem consistente enquanto renegocia o plano quatro vezes seguidas. Se essa consistência se mantiver fora do vídeo de lançamento, a mudança real é o fluxo de edição, não a geração.

Isto também aponta para onde vai o trabalho com agentes. A unidade interessante deixa de ser um prompt isolado e passa a ser uma sessão multi-turno que recorda estado, exatamente a forma de trabalho que as pessoas já executam no Kollab: dar contexto ao modelo, iterar por vários turnos e manter o thread coerente. Um modelo que faz isto nativamente para vídeo torna esses fluxos muito mais concretos.

FAQ

O que é o Gemini Omni?

O novo modelo de IA da Google que gera vídeo de alta qualidade a partir de qualquer entrada — imagens, áudio, vídeo, texto ou desenho — e edita vídeo existente por conversa. Foi anunciado no Google I/O.

O Gemini Omni é grátis?

A versão Gemini Omni Flash é grátis no YouTube Shorts e na app YouTube Create a partir desta semana. O acesso completo chega primeiro a subscritores Google AI Plus, Pro e Ultra na app Gemini e no Flow by Google.

Quando fica disponível a API do Gemini Omni?

A Google diz que o acesso API para programadores e empresas chega nas próximas semanas, depois do rollout para consumidores.

O que diferencia o Gemini Omni de outros modelos de vídeo?

Combina uma compreensão intuitiva da física com o raciocínio do mundo real do Gemini e suporta edição conversacional multi-turno, mantendo personagens e estado da cena consistentes entre instruções.

Fonte: posts oficiais de @Google no #GoogleIO — revelação, física, qualquer entrada, edição conversacional e rollout. Clipes incorporados para comentário e referência; todos os direitos pertencem à Google.