Gemini Omni
Google DeepMind · Vídeo
O Gemini Omni é a família de modelos multimodais nativos do Google DeepMind, feita para aceitar quase qualquer entrada e transformá-la em quase qualquer saída. O primeiro lançamento, o Gemini Omni Flash, foca em vídeo: você gera um clipe a partir de um texto, insere imagens ou áudio de referência e depois edita o resultado descrevendo a mudança que quer. O alvo são criadores e desenvolvedores que preferem um único modelo para gerar e revisar em vez de costurar várias ferramentas.
Sobre Gemini Omni
O que é o Gemini Omni
O Gemini Omni é o modelo de IA multimodal mais recente do Google DeepMind, anunciado no Google I/O em 20 de maio de 2026. Onde os modelos de vídeo anteriores pegavam um texto e produziam um clipe, o Omni é pensado como um sistema any-to-any: entram texto, imagem, áudio e vídeo, e sai um resultado coerente. O primeiro modelo da família, o Gemini Omni Flash, chegou ao app do Gemini, ao Google Flow e ao YouTube, com acesso à API prometido para depois.
A proposta é a edição conversacional. Em vez de repetir a geração até acertar por sorte, você descreve uma mudança ("deixe o violino invisível", "mude o ângulo da câmera para por cima do ombro") e o modelo aplica, mantendo o resto da cena estável. O DeepMind afirma que o Omni deu um salto na compreensão do mundo, então a física e o comportamento dos objetos gerados se sustentam melhor do que antes.
A geração de vídeo com IA é o recurso que traz as pessoas. O preço do Gemini Omni é o que decide se elas ficam.
A principal limitação é o escopo. Hoje, na prática, o Omni é um modelo de vídeo. O rótulo any-to-any aponta para geração futura de imagem e áudio, mas isso é um roteiro, não um recurso já entregue. O DeepMind também marca tudo o que produz com SynthID e metadados C2PA, o que importa se você planeja usar a saída comercialmente.
Como começar
- Abra o app do Gemini, o Google Flow ou o YouTube e procure as ferramentas de vídeo com tecnologia Omni.
- Escreva um texto descrevendo o clipe que quer, ou envie imagens, áudio ou vídeo de referência como guia.
- Gere a primeira versão e revise.
- Descreva as edições em linguagem natural, como mudar um fundo ou um objeto, e deixe o Omni regenerar essa parte.
- Exporte ou compartilhe o clipe. Conte com as marcas SynthID e C2PA viajando junto do arquivo.
Informações do produto
Uma visão rápida dos preços, das plataformas compatíveis e do desempenho de Gemini Omni.
Ideal para
Os usuários, tarefas e cenários em que esta ferramenta se encaixa melhor.
Usuários
- Criadores de vídeo
- Marketing e equipes de redes
- Equipes de produto e design
- Desenvolvedores
Tarefas
- Texto para vídeo
- Edição de vídeo conversacional
- Imagem para vídeo
- Referência para vídeo
Cenários
- Produzir um lote de clipes curtos para redes a partir de um conceito, onde o custo em créditos por geração é o teto prático.
- Iterar sobre um storyboard antes de se comprometer com uma gravação completa.
- Adicionar elementos gerados por IA a filmagens reais, como colocar um sujeito em um ambiente novo.
Principais recursos
Entrada multimodal any-to-any
O Omni aceita texto, imagens, áudio e vídeo como entradas, e produz vídeo na saída. Na prática, você pode entregar uma foto e uma frase, ou um clipe mais uma referência falada, e ele trabalha com tudo junto. O DeepMind apresenta isso como a base da família, com outros tipos de saída prometidos adiante.
Edição de vídeo conversacional
O recurso de destaque é editar descrevendo. Você diz ao Omni o que mudar, e ele aplica a edição mantendo a cena ao redor coerente. Entre os exemplos na página do DeepMind estão deixar um objeto invisível, mover um músico para outro cenário e mudar o ângulo da câmera. É a diferença entre repetir e dirigir.
Física sólida e compreensão do mundo
O DeepMind afirma um salto na compreensão do mundo, e seus exemplos se apoiam na continuidade física: uma bolinha rolando por um trilho, uma luz acendendo no ritmo da música, uma mão interagindo com um brinquedo. Física melhor significa menos artefatos de objetos derretendo, aqueles que tornavam os modelos de vídeo anteriores inúteis para algo além da novidade.
Personagens e vozes consistentes
O suporte de referência para vídeo deixa você inserir referências de imagem e áudio para que um personagem mantenha a mesma aparência e a mesma voz ao longo de um clipe. O DeepMind relata resultados líderes em Preferência geral e Aderência da fala no seu teste interno de referência para vídeo, com avaliadores humanos sobre 468 exemplos.
Resultados de benchmark documentados
O DeepMind publicou dados comparativos em vez de afirmações vagas. No MovieGenBench, um benchmark da Meta, o Omni teve o melhor desempenho em Preferência geral e Seguimento de instruções sobre 1.003 textos. No benchmark de imagem para vídeo VBench, o Omni Flash empatou com Grok-Imagine-Video e Kling, à frente de outros modelos. Todos os números vêm das próprias avaliações do DeepMind.
Procedência de conteúdo integrada
Tudo o que é criado ou editado com o Omni no app do Gemini, no Google Flow ou no YouTube carrega uma marca d'água imperceptível SynthID e metadados C2PA. A marca sobrevive à maioria das edições, o que ajuda plataformas e espectadores a distinguir vídeo gerado por IA de filmagens de câmera.
Acesso baseado em créditos
A geração funciona com créditos, não com uso ilimitado. Segundo relatos de primeira mão, um único vídeo custa cerca de 15 a 40 créditos e uma rodada de edições uns 40, com o plano Google AI Pro de $20 por mês que inclui 1.000 créditos. Testes pesados esgotam essa cota rápido. Até onde 1.000 créditos realmente vão? Não tanto quanto você esperaria.
Prós e contras
Prós
- Um único modelo cobre geração e edição, então você não fica pulando entre ferramentas separadas a cada etapa.
- As edições conversacionais reduzem o tentativa e erro de repetir o vídeo até ficar bom.
- A física melhorada e a compreensão do mundo reduzem aquele visual flutuante de objetos derretendo.
- O conteúdo é marcado com SynthID e C2PA, o que apoia uma divulgação responsável.
- Disponível desde o primeiro dia no app do Gemini, no Google Flow e no YouTube.
Contras
- Na prática é um modelo de vídeo, então a promessa any-to-any olha sobretudo para o futuro.
- Os custos em créditos se acumulam: um único clipe ou edição pode consumir uma fatia relevante da cota mensal.
- Ainda não há API pública, o que trava os desenvolvedores que querem construir sobre ele.
- A saída ainda é vídeo com IA, então aparecem artefatos e falhas de continuidade, como notaram as primeiras análises.
Perguntas frequentes
O Gemini Omni é feito para criar e editar vídeo. Você descreve um clipe em texto, adiciona opcionalmente referências de imagem ou áudio, e ele gera o vídeo. Depois você pode revisá-lo descrevendo mudanças em linguagem natural.
Conteúdo relacionado
Explore ferramentas, skills e artigos relacionados a Gemini Omni.
Alternativas a Gemini Omni
ngram 2.0
ngram · Vídeo · Marketingngram 2.0 é um gerador de vídeo com IA para equipes. Ele transforma um pedido, uma gravação de tela ou a URL de um produto em vídeo explicativo, demo ou vídeo com avatar de IA, e cada cena continua editável.
OpenScreen 2
OpenScreen (open-source project) · Vídeo · ProdutividadeOpenScreen 2 é um gravador de tela e editor de vídeos de demonstração gratuito e de código aberto para Windows, macOS e Linux, com zoom automático, molduras, legendas locais e edição por agentes.
Skreno
Skreno · Vídeo · ProdutividadeO Skreno é um gravador de tela no navegador que captura uma aba, uma janela ou o monitor inteiro e anexa transcrições com IA, resumos e logs de console a um único link.