Gemini Omni

Google Gemini Omni es un modelo de generación y edición de video desarrollado por Google DeepMind, lanzado el 19 de mayo de 2026 en Google I/O. El primer modelo, Gemini Omni Flash, se lanzó el mismo día a través de la aplicación Gemini y Google Flow. Su característica principal es la entrada verdaderamente omnimodal: aliméntalo con un prompt de texto, una imagen, un clip existente, una pista de audio o cualquier combinación, y recibe a cambio un video generado o editado. Google DeepMind lo posicionó como "más que una actualización de Veo", lo que indica que Gemini Omni es un intento de integrar la creación cinematográfica iterativa y conversacional directamente en la línea de productos Gemini.

Sus capacidades principales incluyen la transferencia de estilo (de metraje realista a animación con plastilina, anime o arte lineal), reemplazo de fondos, eliminación de objetos, edición de múltiples turnos con personajes e iluminación consistentes, efectos basados en la física y generación de videos explicativos educativos. La renderización de texto es un punto fuerte confirmado: Gemini Omni renderizó con precisión sin(x) + cos(x) = 1 en una pizarra en movimiento durante pruebas independientes, donde Seedance 2.0 falló con el mismo prompt. Los clips están limitados a 10 segundos en el lanzamiento, lo que se confirmó como una decisión de implementación y no como una limitación del modelo. La edición de voz y habla (cambiar el diálogo en metraje existente) se retuvo deliberadamente a la espera de pruebas de seguridad.

Qué produce Gemini Omni en mayo de 2026

Gemini Omni Flash genera clips de video de hasta 10 segundos de duración. La resolución y la velocidad de fotogramas exacta no se han revelado públicamente. La generación y sincronización de audio son compatibles de forma nativa: puedes introducir una pista de audio de referencia y pedirle a Omni que sincronice eventos visuales con ella (luces que se encienden al caer el ritmo, una hoja que cruje cuando suena la nota de un arpa). El modelo admite la edición de múltiples turnos, lo que significa que cada prompt de seguimiento refina el último resultado en lugar de regenerarlo desde cero. Esta es la característica que más claramente falta en todos los modelos de la competencia en el momento del lanzamiento.

Las combinaciones de entrada compatibles incluyen solo texto, solo imagen, solo video, imagen más texto, video más texto, video más imagen de referencia, y video más audio más texto juntos. El eslogan de la página del producto lo resume directamente: "Crea cualquier cosa a partir de cualquier entrada". Las categorías de generación incluyen texto a video completo, transferencia de estilo de imagen a video, transformación de video a video (cambiando la estética mientras se conserva el movimiento), intercambio de objetos y personajes en metraje existente, edición de fondos y ajuste del ángulo de la cámara. Los ajustes preestablecidos de estilo demostrados en el lanzamiento son: animación con plastilina, arte lineal monocromático, anime, acuarela y ediciones de física fotorrealista. El modelo aplica un razonamiento físico del mundo real en lugar de una mezcla a nivel de píxeles, razón por la cual el cambio de arquitectura funciona para efectos como la ondulación fluida de un espejo o la activación audiovisual sincronizada.

Dónde se sitúa Gemini Omni frente a Veo 3 y Seedance 2.0

El competidor más claro dentro del propio catálogo de Google es Veo 3. Veo 3 es un modelo de video especializado y centrado en la generación que produce clips de hasta 8 segundos con síntesis de audio nativa (efectos de sonido, ambiente y música generados junto con el video en una sola pasada). Sus resultados se sitúan constantemente en la categoría "cinematográfica": metraje nítido y emocionalmente creíble que funciona para cortometrajes y contenido social de alta gama. Lo que Veo 3 no puede hacer es aceptar entradas de múltiples tipos simultáneamente o realizar ediciones de múltiples turnos en el chat. Le das un prompt, te devuelve un clip, y esa es la interacción. Gemini Omni es el intercambio opuesto: el flujo de edición conversacional y la entrada omnimodal son sus principales razones de ser, y sacrifica parte del pulido cinematográfico puro de Veo 3 para lograrlo. Para los cineastas que desean el mejor clip de ocho segundos posible, Veo 3 sigue siendo la mejor opción. Para los creadores que necesitan iterar una escena a través de diez ediciones sin volver a introducir todo el contexto en el prompt, Omni es estructuralmente más capaz.

El líder de referencia externo es Seedance 2.0 de ByteDance. Seedance renderiza telas, cabello, agua y movimiento humano con lo que los críticos llaman constantemente "peso cinematográfico", una credibilidad en la física del movimiento que los ojos entrenados notan de inmediato. En una prueba de comparación directa realizada por ReviewsTown (mayo de 2026), Seedance 2.0 superó a Omni en la física de los alimentos y la continuidad del movimiento humano. El creador de YouTube que cubrió el lanzamiento en I/O 2026 lo expresó claramente en su cobertura de primer vistazo:

"Esto no me impresiona demasiado. Ya tenemos otros modelos de video omnimodales capaces de hacer cosas similares, como Kling Free y Seedance 2.0. Y al menos por mis pruebas iniciales, Gemini Omni no parece ser tan bueno como Seedance 2.0 en términos de anatomía y escenas de alta acción. Al menos esa es mi impresión inicial". - Creador de YouTube (cobertura del lanzamiento en I/O 2026), YouTube, mayo de 2026

Seedance 2.0 también cuesta menos por clip: el acceso a la API de terceros cuesta aproximadamente entre $0.06 y $0.15 por segundo de video generado, frente al modelo de suscripción con límite de cuota de Omni. La clara ventaja de Omni sobre Seedance es la edición en el chat (Seedance 2.0 no tiene ninguna capacidad de edición iterativa) y la renderización de texto/ecuaciones dentro del video. Estas son ventajas documentables que no cierran la brecha de calidad cinematográfica, pero que forjan casos de uso reales. Los creadores que combinan Omni con Runway o Kling AI para tomas de movimiento más pesadas están encontrando una división del trabajo viable.

El costo real de generar con Gemini Omni

Gemini Omni es un producto FREEMIUM. El acceso gratuito solo existe en YouTube Shorts y en la aplicación YouTube Create, limitado a esas plataformas. Para acceder a través de la aplicación Gemini o Google Flow, se requiere una suscripción paga a Google AI. Los tres niveles que incluyen Gemini Omni son AI Plus a $7.99/mes, AI Pro a $19.99/mes y AI Ultra a partir de $99.99/mes (reducido del precio de entrada anterior de $249.99 en I/O 2026).

La realidad de uso es restrictiva. Pruebas independientes documentaron que dos generaciones de video consumen aproximadamente el 86 por ciento de la asignación diaria de AI Pro. Eso significa menos de tres clips de video por día en el plan de $19.99/mes antes de que se agote la cuota, y esa cuota se comparte con tareas de texto, código e imagen. Los créditos de Flow Omni están escalonados por plan: 200 créditos en AI Plus, 1,000 en AI Pro y entre 10,000 y 25,000 en AI Ultra. Google pasó de límites mensuales fijos de prompts a un modelo de uso basado en computación en I/O 2026, lo que causó frustración entre los suscriptores existentes de AI Pro que dependían del predecible paquete de 1,000 créditos mensuales que se eliminó como parte de la reestructuración del plan. En Reddit y las redes sociales hubo críticas de que el nuevo sistema hace que los límites sean "menos predecibles" para fines de presupuesto.

Para los creadores que ejecutan más de un puñado de clips por semana, AI Ultra a $99.99/mes es el nivel de producción realista. La API para desarrolladores no tiene precio en el lanzamiento ("llegará en unas semanas" según el anuncio de Google). En comparación con Pika o WAN, donde los créditos por generación son predecibles, la cuota basada en computación de Gemini Omni introduce incertidumbre en la planificación en todos los niveles por debajo de Ultra.

Dónde falla constantemente Gemini Omni

La brecha en anatomía y alta acción es la limitación más documentada. Múltiples críticos independientes, desde el creador de YouTube que cubrió el evento de lanzamiento hasta el artículo comparativo de iGeekPhone, confirman que el movimiento humano complejo (danza, deportes, secuencias de alta acción), la anatomía físicamente exigente (manos, bocas, física al comer) y las escenas que requieren peso y momento están por detrás de Seedance 2.0 y Kling V3.0 en el lanzamiento. En la prueba de comer pasta de ReviewsTown, la pasta aparecía y desaparecía de manera inconsistente en los fotogramas, mientras que Seedance mantenía la continuidad física. Kling V3.0 sigue siendo el líder de la categoría en movimiento humano, incluyendo gestos con las manos, danza y deportes.

El tono visual es otra queja recurrente. Múltiples críticos describen los resultados de Omni como "como un producto de Google: limpio, potente y ligeramente corporativo". El crítico de X/Twitter @shlomifruchter calificó los resultados como "demasiado pulidos/tipo plantilla", y @teortaxesTex (TextOrtaxes) describió el estilo visual como parecido a una "interfaz de videojuego de nivel B". Esta es una limitación creativa real: el modelo produce metraje técnicamente correcto que carece de la credibilidad emocional y la "sensación" cinematográfica que los resultados de Seedance 2.0 ofrecen en su mejor momento.

"Demasiado pulido/tipo plantilla" - @shlomifruchter, X/Twitter, mayo de 2026

Otros tres modos de fallo consistentes: (1) Los filtros de seguridad de contenido de Google bloquean los prompts que hacen referencia a figuras públicas reales por su nombre, lo que requiere soluciones alternativas que añaden fricción a los flujos de trabajo creativos. (2) La función de edición de voz y habla está ausente en la versión de lanzamiento, lo que limita la utilidad de Omni para el doblaje, la sincronización labial o el reemplazo de diálogos. (3) El límite de clips de 10 segundos es un tope estricto. En el lanzamiento, los creadores que trabajan en algo más largo que un clip social corto o una demostración de producto chocan contra ese muro de inmediato. La consistencia de los personajes en múltiples tomas, descrita por un análisis como "la herida abierta del video con IA", también afecta a Omni junto con todos los demás modelos de la categoría.

Cómo crear prompts en Gemini Omni para obtener los mejores resultados

La guía oficial de prompts de Google identifica cinco dimensiones para obtener resultados fiables: encuadre y movimiento de la toma, estilo visual, iluminación, ubicación y acción. El principio fundamental: "cuanto más detalle añadas, más control tendrás sobre el resultado final". El modelo utiliza el razonamiento de Gemini para completar un contexto realista, así que evita especificar en exceso elementos menores mientras eres preciso en esas cinco dimensiones.

Para el encuadre de la toma, utiliza terminología cinematográfica: tipos de toma ("estática", "fija", "plano secuencia"), movimientos ("acercamiento", "dolly zoom") y estilos de cámara ("cámara de cine", "estilo cámara web", "zoom natural de smartphone"). Para el estilo, nombra la estética directamente: "cinematográfico", "animación con plastilina", "anime", "acuarela". Para la iluminación, especifica la fuente y la calidad: "cálido sol de final de la tarde", "luces fluorescentes superiores nítidas". Para la acción, describe lo que está sucediendo fotograma a fotograma en lugar de insinuarlo. Para flujos de trabajo con múltiples entradas, incluye referencias visuales como guiones gráficos o imágenes de personajes para mantener la consistencia en las ediciones. Para la sincronización de audio, sé explícito sobre el activador: "las luces se encienden cuando cae la nota de bajo" supera a "las luces responden a la música". Para la edición de múltiples turnos, cada prompt de seguimiento refina el resultado existente sin requerir que se vuelva a introducir todo el contexto de la escena.

Mejores casos de uso frente a escenarios a evitar

Gemini Omni es la herramienta adecuada cuando el objetivo es la edición iterativa. Ningún otro modelo de primer nivel te permite cambiar un fondo, eliminar un objeto e intercambiar un personaje a lo largo de múltiples turnos manteniendo la consistencia visual. El contenido educativo encaja perfectamente: la animación con plastilina del plegamiento de proteínas, las ecuaciones en pizarra y los videos explicativos de alfabeto a objeto funcionaron bien en las primeras pruebas. La transferencia de estilo para creadores sociales (de metraje realista a estética ilustrada o animada) es otro caso de uso genuino. Los usuarios del ecosistema de Google obtienen integración con Flow, YouTube y Workspace que herramientas como Luma AI, Hailuo o Pixverse no pueden replicar.

Evita Gemini Omni para metraje de alta acción, movimiento humano complejo o escenas exigentes en anatomía. Sora y Seedance 2.0 son más fuertes para trabajos de calidad publicitaria o cortometrajes. Evítalo para flujos de trabajo de alto volumen donde importan los costos predecibles por clip; Kling o Seedance a través de API son más rentables por debajo del nivel Ultra. Evítalo si se necesita edición de voz/habla en producción (esa función aún no está activa) y para cualquier clip de más de 10 segundos. Vale la pena probar el nivel AI Plus a $7.99/mes para explorar, pero el volumen de producción en Pro requiere aceptar que la generación de video consume la mayor parte de tu cuota diaria. Gemini Omni obtiene un 4.5: el flujo de trabajo es genuinamente novedoso y único, pero las restricciones de cuota, la brecha cinematográfica frente a Seedance 2.0 y la ausencia de la función de edición de voz lo alejan del nivel más alto.