Gemini Omni Flash

Você pode partir de texto, uma imagem, áudio ou uma referência de vídeo curta, e combiná-los. O Google chama isso de modelo de vídeo multimodal capaz de gerar a partir de qualquer entrada. Isso importa mais quando você já tem um visual que quer preservar. Enviar uma imagem mantém o modelo mais perto da sua intenção do que descrevê-la em palavras conseguiria.

Em vez de refazer um clipe cada vez que você quer um ajuste, você descreve a mudança e o modelo a aplica mantendo o resto da cena firme. Essa edição de vídeo conversacional transforma uma troca, um movimento de câmera ou uma mudança de clima em uma frase, em vez de um prompt novo. É o recurso com maior chance de economizar seu tempo em um projeto real.

Os clipes saem com o som já embutido, então você não precisa colocar o áudio em uma etapa separada para cada rascunho. Em peças sociais curtas, isso tira uma boa parte da pós-produção. A qualidade varia conforme o prompt. Ainda assim convém revisar o resultado antes de publicar. Precisa de um apresentador falante sem gravá-lo? O modelo pode criar avatares com IA opcionais que você coloca em uma cena. Sem escalação de elenco.

As gerações vão até cerca de 10 segundos. É um ajuste deliberado para Shorts, anúncios e teasers. Isso mantém a saída rápida. Contar algo mais longo significa gerar vários segmentos e juntá-los. É aí que a consistência dos personagens começa a falhar. Rápido. Nem sempre limpo.

Cada clipe carrega uma marca d'água digital SynthID que você pode conferir pelo app Gemini, pelo Chrome ou pela Pesquisa Google. É uma forma prática de provar que um vídeo é feito por IA. Digamos que é um empurrão discreto rumo à transparência quando você publica em plataformas que se importam com isso.

O modelo aparece no app Gemini, no Google Flow e nas ferramentas YouTube Shorts e YouTube Create. Essa difusão significa que você o alcança de onde já trabalha. Também significa que você não vai encontrá-lo como um download separado que possa instalar em qualquer lugar.