Gemini Omni

¿Qué es Gemini Omni?

Gemini Omni es un modelo de Gemini para crear y editar video mediante prompts en lenguaje natural. La página lo presenta como un sistema que puede tomar una referencia de video, imagen, texto o audio como entrada y producir una única salida cohesiva, con énfasis en la edición iterativa y la coherencia a lo largo de varios turnos.

Se presenta como un modelo donde el razonamiento y la comprensión del mundo de Gemini se combinan con la creación. Según la página, está diseñado para admitir ediciones que se construyen sobre instrucciones anteriores, cambian el aspecto o la acción de una escena y aplican conocimiento del mundo real al generar o transformar contenido.

Funciones clave

• Edición de video en varios turnos: Los usuarios pueden refinar un video mediante una conversación paso a paso, con cada edición construida sobre la anterior para mantener la escena coherente.
• Transformación con lenguaje natural: Los prompts pueden cambiar la estética, la acción o el efecto en un video existente sin edición manual de la línea de tiempo.
• Flujo de trabajo de referencia a salida: El modelo puede usar como entrada imágenes, texto, video o audio como referencias y convertirlas en una sola salida.
• Generación consciente del conocimiento del mundo: La página dice que Gemini Omni combina la comprensión de la física con los conocimientos de Gemini sobre historia, ciencia y cultura para ofrecer resultados más significativos.
• Disponible en Gemini y Google Flow: La página indica repetidamente que se puede probar en Gemini o en Google Flow.

Cómo usar Gemini Omni

Empieza proporcionando un video u otra referencia, como una imagen, un prompt de texto o audio. Luego describe en lenguaje sencillo el cambio que quieres y sigue afinándolo con prompts de seguimiento si hace falta. La página también enlaza a orientación sobre prompts para los usuarios que quieran ayuda al formular sus solicitudes.

Casos de uso

• Edición de escenas por conversación: Ajusta un video existente por etapas, por ejemplo, cambiando un objeto, efecto o acción mientras el resto de la escena se mantiene coherente.
• Transformación de estilo: Convierte el tratamiento visual de un video en otro aspecto, como line art u otra estética ilustrada.
• Diseño de efectos: Añade o modifica un efecto visual específico a partir de un prompt, como una ondulación reflectante o una transformación de material.
• Creación basada en referencias: Combina distintos materiales de origen, como texto, audio y elementos visuales, en un único resultado generado coherente.
• Narrativa conceptual: Usa la base de conocimiento del mundo del modelo para crear videos que no solo sean fotorrealistas, sino que también estén alineados con una idea narrativa o factual.

Preguntas frecuentes

¿Qué tipos de entradas admite Gemini Omni? La página dice que puede funcionar con video y también con referencias de imagen, texto, video o audio.

¿Se pueden hacer ediciones en varios pasos? Sí. La página enfatiza una conversación natural y paso a paso en la que cada edición se construye sobre la anterior.

¿Gemini Omni solo genera videos nuevos? No. La página destaca tanto la creación de video como la edición de video existente mediante prompts.

¿Dónde se puede probar? La página señala Gemini y Google Flow.

Alternativas

• Editores de video tradicionales sin IA: Son mejores para un control preciso de la línea de tiempo, recortes, compositing y edición manual a nivel de fotograma.
• Otros modelos generativos de video: Herramientas similares pueden centrarse más en la generación de texto a video y menos en la edición iterativa basada en conversación.
• Modelos de generación de imágenes con funciones de edición: Se acercan más a flujos de trabajo de imágenes fijas y no están diseñados para la continuidad de video a lo largo de varios turnos.
• Asistentes de IA de uso general con herramientas de medios: Pueden ayudar con prompts o planificación, pero no están especializados en la transformación y coherencia de video de la forma en que se presenta aquí Gemini Omni.