Gemini Omni Flash: el modelo de video de Google que editas hablándole
El modelo any-to-any de Google que genera video en 720p con audio sincronizado, y te permite editarlo hablándole a lo largo de varios turnos.
Gemini Omni Flash: el modelo de video de Google que editas hablándole
Gemini Omni Flash es el primer modelo de generación de video multimodal any-to-any de Google DeepMind: no es una interfaz de voz, no es una mejora de chatbot y, enfáticamente, no es lo mismo que la arquitectura "omni" de OpenAI. Antes de seguir, aclaremos esa confusión, porque define todo el modo en que deberías pensar sobre este modelo.
Cuando OpenAI lanzó GPT-4o, lo llamó "omni" para señalar entrada de voz + visión en tiempo real dentro de un solo modelo. El uso que Google hace de "Omni" significa algo estructuralmente distinto: describe una nueva familia de modelos diseñada para aceptar cualquier modalidad de entrada (texto, imágenes, audio, video) y generar cualquier modalidad de salida en una sola pasada hacia adelante — empezando por el video, con la generación de imágenes y audio como salidas que llegarán más adelante en la hoja de ruta. El Omni de Google es una arquitectura generativa. El "omni" de OpenAI era una historia de percepción. No son el mismo concepto.
Ese encuadre importa porque el verdadero superpoder de Gemini Omni Flash no es la interacción por voz, sino la edición de video conversacional y con estado a lo largo de múltiples turnos. Puedes generar un clip, decirle que cambie la iluminación, pedirle que extienda la escena, cambiar el atuendo de un personaje y ajustar el ángulo de cámara — todo en una sesión continua donde el modelo recuerda lo que construyó. Esa capacidad, sumada al audio sincronizado integrado y a la generación de AI Avatars, lo convierte en algo genuinamente nuevo en el panorama de la generación de video.
Qué significa "Omni" en realidad en Google
Google DeepMind anunció la familia Omni en Google I/O el 19 de mayo de 2026, con disponibilidad general para desarrolladores/API a partir del 30 de junio de 2026. La arquitectura Omni se construye sobre el principio de que un único modelo debería procesar todas las modalidades de forma nativa — no mediante modelos especialistas encadenados con adaptadores acoplados, sino en un único espacio de representación unificado.
En el lanzamiento, el lado de "cualquier salida" de esa ecuación empieza específicamente con el video. El modelo genera clips MP4 en 720p, 24fps, en relaciones de aspecto 16:9, 9:16 o 1:1, con una duración de entre 4 y 10 segundos — con audio sincronizado generado en la misma pasada. La salida de imágenes y la salida de audio independiente están en la hoja de ruta, pero aún no están disponibles.
"Flash" es el nivel de velocidad y costo, consistente con la nomenclatura de Google en toda la familia Gemini. Está planificado un Gemini Omni Pro, que presumiblemente avanzará hacia terrenos de mayor resolución y mayor duración. Por ahora, Omni Flash es el modelo disponible a través de la Gemini API (identificador de modelo en vista previa pública: gemini-omni-flash-preview), Google AI Studio, Flow, YouTube, la app de Gemini y — para quienes quieran ejecutarlo junto a más de 150 modelos multimedia sin tocar Google Cloud IAM — Happycapy.
Modalidades de entrada: qué funciona ahora y qué no
La documentación oficial describe un esquema de entrada rico, y vale la pena ser preciso aquí porque algunas entradas las acepta la API pero no son funcionales en el lanzamiento:
Funciona en el lanzamiento:
- Prompts de texto (soporte completo)
- Imágenes — hasta 7 imágenes de referencia para consistencia de personaje/producto o transferencia de estilo
- Audio como referencia de voz para AI Avatars (replicación de rostro/voz)
Aceptado por el esquema, pero NO funciona en el lanzamiento:
- Referencias de video como entrada
- Entrada de audio genérica (casos de uso que no sean Avatar)
Esta es una salvedad importante. La "edición de video de referencia-a-video" suena como un caso de uso central, y el esquema técnicamente lo acepta — pero si envías una referencia de video esperando que el modelo la reestilice o la extienda, obtendrás resultados impredecibles. El camino confiable hoy es: usar imágenes de referencia para la consistencia visual, usar texto para la dirección de escena y usar el flujo de edición multiturno para iterar. La entrada de video es una limitación conocida que presumiblemente se cerrará a medida que Omni madure.
La característica definitoria: edición conversacional multiturno
Todos los demás modelos de generación de video — Veo 3.1, Seedance 2.0, Sora 2 (antes de su discontinuación para consumidores), Runway, Kling — operan con un modelo de un-prompt-por-clip. Escribes un prompt, obtienes un clip. No te gusta, escribes un prompt nuevo, obtienes un clip nuevo. La iteración es una serie de eventos de generación desconectados.
Gemini Omni Flash rompe ese modelo. Usando el parámetro previous_interaction_id en la Gemini API, mantiene contexto con estado a lo largo de los turnos. Generas un clip, el modelo lo retiene en memoria y las instrucciones posteriores lo modifican — no desde cero, sino como ediciones sobre el resultado existente.
En la práctica, un flujo de trabajo se ve así:
- "Genera un clip de 6 segundos de una mujer en una cafetería leyendo una carta, luz cálida de la mañana, poca profundidad de campo."
- "Cambia la cafetería por una terraza en la azotea con el horizonte de la ciudad."
- "Ahora aleja un poco la cámara y agrega ruido ambiental de calle."
- "La chaqueta de la mujer debería ser azul marino oscuro, no gris."
Cada turno conserva lo que vino antes y aplica el cambio. Esto es, funcionalmente, lo que se siente al trabajar con un editor de video humano — salvo que cada ida y vuelta cuesta aproximadamente entre $0.10 y $1.00 según la duración del clip, y responde en segundos.
La salvedad honesta: la deriva aparece alrededor del turno 4–5. El modelo mantiene la coherencia de forma confiable durante aproximadamente cuatro turnos de edición; para el quinto turno, la consistencia de personaje, la continuidad de iluminación y las relaciones espaciales empiezan a romperse. Para secuencias complejas, el patrón que ha surgido entre profesionales es: generar una base de alta fidelidad en Seedance 2.0 o Veo 3.1, y luego llevarla a una sesión de edición de Omni Flash para refinarla — tratando a Omni Flash como una herramienta de acabado de precisión en lugar del motor generativo principal. Volveremos a esto.
Diagrama: cómo funciona la edición multiturno con estado en Gemini Omni Flash. Cada turno emite una instrucción; el modelo hila el contexto a través de previous_interaction_id para aplicar ediciones puntuales sin regenerar desde cero.
Audio: el otro diferenciador que la mayoría está pasando por alto
Todo video generado por Gemini Omni Flash incluye audio sincronizado, renderizado en la misma pasada de inferencia. Esto no es un paso de posprocesamiento ni un modelo de audio aparte que se cose a un clip mudo — el modelo genera video y sonido juntos, usando simulación de sonido modelada con física.
Qué significa esto en la práctica: si tu prompt describe olas rompiendo en una orilla, obtienes sonido de olas. Una escena de cafetería genera murmullo ambiental y ruido de máquina de café. Un personaje que habla genera diálogo con sincronización labial. La sincronización es ajustada — cómodamente por debajo de un segundo — y para clips de menos de seis o siete segundos, la calidad se sostiene. Más allá de eso, la deriva de la sincronización labial se vuelve perceptible, lo que refuerza el punto óptimo de 4–10 segundos para el que el modelo está actualmente optimizado.
Para los creadores de contenido que venían cosiendo video + audio de stock + posprocesamiento en tres herramientas distintas, obtener todo eso en una sola llamada de generación es genuinamente valioso. No siempre es perfecto — pero es un punto de partida sólido que elimina una capa entera de sobrecarga de producción.
AI Avatars: el caso de uso durmiente
Gemini Omni Flash incluye una capacidad distintiva llamada AI Avatars: dada una imagen de referencia de un rostro y una muestra de voz (para clonación de voz), genera un video fotorrealista de ese avatar hablando. Este es el único caso de uso donde el audio-como-entrada realmente funciona en el lanzamiento — específicamente como referencia de voz para el Avatar.
Para los equipos de marketing, los productores de e-learning y las comunicaciones con clientes a escala, la función de Avatar es accionable de inmediato. Genera un video de un vocero de marca, localízalo intercambiando el clon de voz + el prompt de texto, y vuelve a ejecutarlo en treinta segundos. Adobe Firefly, Invideo y WPP están entre los primeros adoptantes empresariales que citan específicamente a los Avatars como una integración de flujo de trabajo primaria.
Hay salvaguardas importantes: la política de contenido bloquea nombres reales y semejanzas de personas que no dan su consentimiento, simulaciones de envejecimiento, escenas de pelea y cualquier cosa que razonablemente pudiera constituir un deepfake de una persona real. La edición de habla — modificar retroactivamente lo que alguien parece decir — se retiene por completo, como una decisión deliberada de prevención de deepfakes. Cada salida lleva una marca de agua SynthID que no se puede desactivar (imperceptible para los espectadores humanos, legible por máquina) más Content Credentials de C2PA. Este es un stack de procedencia más completo que el de cualquier otro modelo de video que se esté lanzando actualmente.
Benchmarks: lo que Google afirma vs. lo verificado de forma independiente
Las evaluaciones internas de Google con evaluadores humanos afirman que Omni Flash ocupa el puesto n.º 1 en:
- Preferencia de edición de video y seguimiento de instrucciones
- Calidad de texto-a-video (MovieGenBench)
- Consistencia de referencia-a-video
- Imagen-a-video (empatado en el n.º 1, VBench I2V)
Son cifras convincentes, pero la lectura honesta es que todas son evaluaciones internas de Google. No se han publicado benchmarks independientes cara a cara al momento de escribir esto. En particular, Omni Flash aún no se ha enviado a la Artificial Analysis Video Arena, donde Seedance 2.0 lidera actualmente en movimiento humano realista y física. Hasta que ese envío ocurra y lleguen resultados de terceros, los benchmarks deben tratarse como indicativos y no como definitivos.
El consenso entre los primeros evaluadores profesionales coincide con lo que cabría esperar: fuerte precisión semántica, sincronización de audio sólida, edición conversacional genuinamente novedosa — pero con debilidades visibles en la física del movimiento (sensación "flotante", simulación de peso insuficiente), consistencia de rostro que se rompe en los giros de cabeza, fallas en texto no latino (los caracteres hiragana y los caracteres chinos de muchos trazos fueron especialmente poco confiables en las pruebas prácticas) y el techo de cuatro turnos de edición mencionado antes.
Gemini Omni Flash vs. la competencia
Aquí va una comparación honesta entre los modelos que probablemente estés evaluando junto a Omni Flash:
| Gemini Omni Flash | Veo 3.1 | Seedance 2.0 | Sora 2 | |
|---|---|---|---|---|
| Resolución máxima | 720p | Hasta 4K | Hasta 1080p | N/D (descontinuado) |
| Edición multiturno | Sí (con estado, ~4 turnos) | No | No | No |
| Generación de audio | Sí (en la pasada, modelada con física) | Sí | No | No |
| AI Avatars | Sí | No | No | No |
| Costo aprox./segundo | ~$0.10 | ~$0.40–$0.75 | Variable | N/D (cierre de API en sep. 2026) |
| Mejor en | Flujo de trabajo/edición, Avatars, audio | Calidad cinematográfica, formato largo | Movimiento humano realista, física | N/D |
| Debilidades | Techo de 720p, física del movimiento, deriva a los 4 turnos | Sin edición con estado, más caro | Sin edición conversacional, sin audio | Descontinuado |
vs. Veo 3.1: Veo es la opción correcta cuando la calidad cinematográfica es el entregable principal y no planeas iterar de forma conversacional. Directores de fotografía y producción comercial de alta gama deberían empezar ahí. Omni Flash gana cuando necesitas velocidad de iteración, audio integrado o la capacidad de Avatar — y cuando 720p es aceptable para el caso de uso (que, para YouTube Shorts, contenido social y demos de producto, normalmente lo es).
vs. Seedance 2.0: Seedance lidera actualmente en las puntuaciones de tableros independientes en cuanto a realismo del movimiento humano. Si estás generando material de personas en movimiento — caminando, bailando, movimiento atlético — la simulación de física de Seedance todavía tiene ventaja. El flujo de trabajo emergente: genera tu clip base en Seedance y luego refínalo de forma conversacional en Omni Flash. Obtienes la calidad de movimiento de un modelo especialista más la flexibilidad de edición de la interfaz multiturno de Omni.
vs. Sora 2: Menos relevante ahora. La app de Sora para consumidores de OpenAI se descontinuó en abril de 2026, y el cierre de la API está programado para septiembre de 2026. Sora no es una opción viable a largo plazo.
Esta comparación también pone en contexto el precio de Omni Flash. A aproximadamente $0.10 por segundo ($1.50/M de tokens de entrada, $17.50/M de tokens de salida de video), un clip de 10 segundos cuesta alrededor de $1.00. Eso es entre 4 y 7 veces más barato que Veo 3.1. La edición multiturno sí implica ejecutar varias pasadas de generación, así que una sesión de edición de cuatro turnos sobre un clip de 10 segundos podría costar $4.00 — aún razonable para producción profesional, pero conviene tenerlo en cuenta en las estimaciones de volumen.
Dónde encaja realmente Omni Flash en un flujo de producción real
El error a evitar es tratar a Omni Flash como un reemplazo de todos los modelos de video que usas. No es la opción de mayor fidelidad en el lanzamiento, y no fue diseñado para serlo. La tesis de diseño es: editar video debería sentirse como hablar con un colaborador, no como abrir un ticket nuevo cada vez que quieres un cambio.
Los flujos de trabajo donde gana de manera clara, hoy:
1. Contenido social a volumen. 720p está bien para TikTok, YouTube Shorts, Instagram Reels. La función de Avatar más la edición conversacional te permiten producir una serie de video de formato corto localizada más rápido que cualquier otro stack. Genera → refina hablando → publica.
2. Video de demo de producto. Imágenes de referencia de un producto + dirección de texto + refinamiento conversacional = un flujo de trabajo convincente para equipos de e-commerce y SaaS. No se necesita una producción de audio aparte.
3. Prototipado y storyboarding. El bajo costo y la iteración rápida hacen que Omni Flash sea ideal para visualizar conceptos antes de comprometerse con una generación costosa de alta resolución. Úsalo como una capa de previsualización.
4. Refinamiento sobre salidas de especialistas. Genera tu base de alta calidad en Veo 3.1 o Seedance 2.0. Impórtala como referencia (cuando llegue la entrada de video) o describe lo que tienes, y luego usa la capa conversacional de Omni Flash para ajustar detalles. Este es el patrón hacia el que están convergiendo los primeros adoptantes empresariales.
Los flujos de trabajo donde deberías recurrir primero a un especialista:
- Contenido cinematográfico en 4K → Veo 3.1
- Movimiento humano realista / deportivo → Seedance 2.0
- Formato largo (>10s) con personajes consistentes → Veo 3.1 o esperar a Omni Pro
Ejecutar Gemini Omni Flash en Happycapy (sin la configuración de Google Cloud)
Poner en marcha Gemini Omni Flash directamente a través de la Gemini API requiere un proyecto de Google Cloud, el aprovisionamiento de una clave de API, entender el identificador del modelo en vista previa pública y, por lo general, algo de iteración sobre el esquema de la API. Esa es una inversión razonable para un equipo de ingeniería que construye un flujo de trabajo dedicado — pero es fricción si quieres probar el modelo rápido o ejecutarlo junto a otros generadores de video para comparar.
Happycapy aloja Gemini Omni Flash como uno de más de 150 modelos — incluyendo Veo 3.1, Seedance 2.0, modelos de generación de imágenes como Seedream 4.5 y otros — en un sandbox en la nube basado en el navegador. No se requiere una cuenta de Google Cloud. No hay una clave de API distinta por proveedor. Puedes ejecutar una generación de Gemini Omni Flash, compararla con una salida de Seedance 2.0 sobre el mismo prompt y construir un flujo de trabajo multimodelo que use cada modelo donde es más fuerte — todo en una sola interfaz.
Para los equipos que exploran flujos de trabajo de IA agéntica en torno a la producción de video, la posibilidad de encadenar llamadas a modelos — generar en Seedance, refinar en Omni Flash, sintetizar un informe o un pie de foto en un modelo de lenguaje — sin unir integraciones de API separadas es un ahorro de tiempo considerable.
Empieza gratis en happycapy.ai
El veredicto honesto
Gemini Omni Flash no es el modelo de video de aspecto más nítido que puedes ejecutar hoy. Si estás comparando la calidad de fotograma en bruto a resolución equivalente, Seedance 2.0 gana en física del movimiento y Veo 3.1 gana en pulido cinematográfico. Esa es una limitación real, y el techo de 720p, la deriva de edición a los cuatro turnos y las fallas en texto no latino son puntos de fricción genuinos para algunos flujos de trabajo.
Pero esas comparaciones pasan por alto lo que Omni Flash realmente intenta hacer. El modelo está apostando a que la fluidez del flujo de trabajo importa más que las ganancias marginales de fidelidad — y esa apuesta se sostiene más veces que no en entornos de producción reales. La posibilidad de decir "oscurece el fondo", obtener un resultado, decir "ahora lleva la gradación de color hacia tonos más cálidos" y obtener otro resultado — en una sesión continua, a $0.10/segundo — es una relación fundamentalmente distinta con la generación de video que cualquier otra cosa disponible actualmente.
La familia Omni es claramente una apuesta arquitectónica de varios años en Google DeepMind. Omni Pro viene en camino. La entrada de video (actualmente aceptada pero no funcional) se cerrará. La resolución escalará. El modelo de edición conversacional ganará más turnos antes de la deriva. Lo que estás evaluando hoy es el primer modelo de una familia — uno que ya se gana su lugar en un stack multimodelo, aunque todavía no reemplace a los especialistas.
Para los profesionales: ejecútalo en paralelo, no de forma aislada. Úsalo donde sus ventajas de flujo de trabajo son reales, y usa especialistas donde la fidelidad es primordial. El stack es Seedance 2.0 + Veo 3.1 para la calidad de generación, y Omni Flash para el refinamiento conversacional y los Avatars. Esa combinación es más fuerte que cualquier modelo individual hoy.
Para una mirada más profunda a cómo la arquitectura multimodal de Google se compara con modelos de generación de imágenes como GPT Image 2, o para contexto sobre cómo lucen las integraciones de servidores MCP en un pipeline de producción de video, vale la pena leer esos recursos.
Accede a Gemini Omni Flash junto a la biblioteca completa de modelos — sin configuración de Google Cloud, sin claves de API por proveedor:
Empieza gratis en happycapy.ai
Preguntas frecuentes
¿Qué es Gemini Omni Flash?
Gemini Omni Flash es el primer modelo de la nueva familia de modelos "Omni" de Google DeepMind, diseñada para aceptar cualquier modalidad de entrada (texto, imágenes, audio, video) y generar cualquier modalidad de salida en un solo modelo. En el lanzamiento, produce video con audio sincronizado. Su característica definitoria es la edición conversacional multiturno: puedes generar un clip de video y luego refinarlo a lo largo de múltiples turnos de instrucciones en lenguaje natural, con el modelo manteniendo contexto con estado entre cada edición. Quedó disponible a través de la Gemini API el 30 de junio de 2026.
¿En qué se diferencia Gemini Omni Flash del "omni" de GPT-4o?
La nomenclatura es confusa, pero las arquitecturas son fundamentalmente distintas. Cuando OpenAI llamó "omni" a GPT-4o, quería decir que podía percibir múltiples modalidades simultáneamente (voz + visión) como entrada. El "Omni" de Google se refiere a una arquitectura generativa: un único modelo que tanto percibe como genera a través de modalidades. Gemini Omni Flash no solo procesa entradas multimodales — genera salidas multimodales (video y audio juntos). La familia Omni de Google es un sistema multimodal generativo; la marca "omni" de OpenAI se trataba de la entrada perceptual.
Gemini Omni Flash vs Veo 3 — ¿cuál es mejor?
Están optimizados para cosas distintas. Veo 3.1 produce salidas de mayor resolución y más cinematográficas (hasta 4K frente a los 720p de Omni Flash) y es la mejor opción para producción de video pulida y de alta fidelidad. Gemini Omni Flash gana en flujo de trabajo: es el único modelo de video con edición multiturno con estado, incluye generación de AI Avatars, produce audio en la misma pasada de inferencia y cuesta aproximadamente entre 4 y 7 veces menos por segundo que Veo 3.1. Para contenido social, demos de producto y prototipado iterativo, Omni Flash es la mejor herramienta. Para salidas cinematográficas o de calidad de transmisión, Veo 3.1 es la opción correcta.
¿Gemini Omni Flash es gratis?
No a través de la API. El precio de la API es de $1.50/M de tokens de entrada y $17.50/M de tokens de salida de video — aproximadamente $0.10 por segundo de video en 720p, o alrededor de $1.00 por un clip de 10 segundos. No hay un nivel gratuito de API. Sin embargo, Gemini Omni Flash está disponible sin costo para usuarios elegibles en YouTube Shorts y YouTube Create (mayores de 18 años), y a través de las suscripciones de consumidor Google AI Plus, Pro y Ultra. El acceso empresarial está disponible a través de la Gemini Enterprise Agent Platform.
¿Qué resolución genera Gemini Omni Flash?
720p en el lanzamiento, a 24fps. Las relaciones de aspecto admitidas son 16:9, 9:16 y 1:1. La duración del clip es de 4 a 10 segundos. Resoluciones más altas (1080p y superiores) están en la hoja de ruta, probablemente ligadas al próximo nivel Gemini Omni Pro, pero no están disponibles en el lanzamiento.
¿Cuál es el precio de Gemini Omni Flash?
Tokens de entrada: $1.50 por millón. Tokens de salida de video: $17.50 por millón. En términos prácticos, esto equivale a aproximadamente $0.10 por segundo de video en 720p generado, o alrededor de $1.00 por un clip completo de 10 segundos. Las sesiones de edición multiturno implican varias llamadas de generación, así que una sesión de refinamiento de cuatro turnos sobre un clip de 10 segundos costaría aproximadamente $4.00. Los detalles completos de precios están publicados en ai.google.dev/gemini-api/docs/pricing.
¿Cuál es la diferencia entre Gemini Omni y Gemini Flash?
Gemini Flash es una línea de modelos de lenguaje de texto y visión rápidos y eficientes en costo — el nivel Flash dentro de la familia Gemini estándar. Gemini Omni es una familia de modelos separada y nueva, construida sobre una arquitectura distinta diseñada para la generación multimodal any-to-any, empezando por la salida de video. "Gemini Omni Flash" combina la arquitectura Omni con el nivel de velocidad/costo Flash, posicionándolo como el punto de entrada accesible a la familia Omni. Estas son líneas de modelos arquitectónicamente distintas, no el mismo modelo en diferentes tamaños. Un Gemini Omni Pro (mayor fidelidad, probablemente mayor resolución) está en la hoja de ruta, por separado de los modelos de texto Gemini Flash.
Fuentes
- Blog de Google: anuncio de Gemini Omni
- Google AI Developers: documentación de la API de Gemini Omni
- Google DeepMind: página del modelo Gemini Omni
- Precios de la Gemini API
- Blog de Google: Gemini Omni Flash / Nano / Banana 2 Lite
Diagrama: la arquitectura de Gemini Omni Flash de un vistazo — procesamiento de entrada unificado a través de texto, imágenes y referencia de audio, con salida sincronizada de video+audio a 720p, 24fps, en formatos 16:9 / 9:16 / 1:1, de 4 a 10 segundos por clip.
