Google ha empezado a desplegar Gemini Omni Flash, el modelo multimodal con generación de vídeo que anunció en su evento I/O del 19 de mayo. Esta semana llega a la API y se coloca primero en el Text-to-Video Arena de LMArena con 1527 puntos, por delante de Seedance 2.0 y del propio Veo 3.1 que la misma Google había lanzado hace meses. También lidera el Image-to-Video Arena.
Qué hace, en concreto
Acepta texto, imagen, audio y vídeo como inputs, y los combina razonando sobre el conjunto en vez de concatenar. La diferencia técnica importa: Omni no genera vídeo desde un prompt y luego pega audio, lo construye consciente de cómo encajan las modalidades. Genera clips de 3 a 10 segundos en 720p nativo, formato landscape (16:9) o portrait (9:16) según pidas.
Todo el output viene con marca SynthID embebida automáticamente, el sistema de watermarking invisible de Google para detectar contenido generado por IA. Para marcas y agencias que necesiten trazabilidad legal sobre material generado, esta capa simplifica la conversación con compliance.
La capacidad que cambia el juego: edición sobre vídeo existente
Hasta ahora, generar un vídeo nuevo desde texto era razonablemente accesible. Lo que seguía siendo cuello de botella era modificar un vídeo concreto: cambiar el fondo de un plano sin tocar al sujeto, mover un objeto dentro de la escena, regenerar una sección de 3 segundos manteniendo continuidad con el resto. Omni Flash cierra esa brecha en su release.
Por arquitectura 'Flash', el modelo apunta a coste-latencia razonables. En la práctica esto significa que sirve para iteración rápida, no solo para una generación única y cuidada. Encaja bien con flujos de creadores y marketing donde se necesita probar 8 versiones del mismo plano y elegir.
Por qué importa para una empresa española
Si tu marca produce vídeo para redes sociales, ads o contenido orgánico, hay dos cambios concretos:
El primero, coste por iteración. Si antes regenerar un vídeo de 8 segundos para probar 5 variantes te costaba el tiempo de 5 generaciones completas, ahora la edición selectiva baja eso significativamente. La curva de coste por iteración baja un orden de magnitud cuando el editor permite tocar solo el tramo que falla.
El segundo, acceso. Google ha integrado el modelo en YouTube Shorts Remix y YouTube Create gratis para usuarios mayores de 18 a nivel global. Para creadores que ya operan dentro de YouTube, esto es generación de vídeo IA en el flow nativo del feed, sin pasar por herramientas externas. La fricción para experimentar desaparece.
Cómo entra en producción sensata
- Empezar por un piso bajo: 1-2 piezas de prueba antes de comprometer presupuesto. Los benchmarks de Arena son útiles pero el output que importa es el que funciona para tu marca concreta, con tu lighting, tu producto y tu tono.
- Si ya operas con Veo 3.1 en pipeline de producción, evaluar Omni Flash en paralelo durante 2 semanas con prompts idénticos. La transición tiene sentido si la tasa de aceptación de primera generación sube por encima del 30%.
- Para edición sobre material existente, abrir un test específico con piezas reales del backlog que no pudisteis regenerar enteras. Ahí está el caso de uso donde Omni Flash justifica el cambio.
Limitaciones a tener en cuenta
Aunque la API soporta edición de audio, esa funcionalidad está retenida en las interfaces de consumidor por el momento. Si tu flujo necesita generar voiceover sincronizada con vídeo, conviene confirmar con la documentación oficial qué partes del audio están disponibles en la suscripción que uses.
El límite de 10 segundos por clip sigue siendo restrictivo para piezas largas. Para vídeos de 30-60 segundos de marca o producto, hay que generar varios clips y coser en post, lo que reabre el viejo problema de continuidad visual entre tomas. Omni Flash mitiga el problema cuando los clips comparten una imagen de referencia, pero no lo elimina.