Google · Gemini Omni 1.1 Flash
Crea y edita vídeos a partir de cualquier entrada
Omni Flash de Google es un único modelo para la generación, edición y ampliación de vídeo: entrada de texto, imágenes o un clip, y salida de vídeo con su propia voz, música y efectos de sonido. La versión 1.1 añade la ampliación de escenas a 40 segundos, el control del primer y último fotograma y una resolución de salida en 1080p y 4K.
Disponible en el estudio de vídeo, Canvas y el conector MCP
- 3s
- 10s
- 20s
- 30s
- 40s
Describe la escena, la cámara, la iluminación y la ambientación. El audio se genera a juego.
La imagen es la guía o el punto de partida; el prompt indica qué se mueve.
El modelo anima desde el primer fotograma hasta el último — órbitas, zooms, bucles continuos.
Los personajes y objetos de las fotos se mantienen coherentes a lo largo del clip.
Las ediciones conservan todo lo que no mencionaste; la extensión añade 10 s cada vez.
Lo que Google ha integrado en Omni
Tres aspectos que destacan en la ficha del modelo y en la publicación de lanzamiento, y por qué son importantes para un clip largo. Todas las afirmaciones de abajo son de Google; el renderizado que aparece más adelante es nuestro.
Diez segundos de memoria entre tramos
Omni 1.1 analiza hasta 10 segundos de contexto previo cuando amplía una escena; los modelos anteriores solo tomaban como referencia el último segundo. Por eso, una cadena de 40 segundos mantiene el mismo capitán, barco y etalonaje a lo largo de cuatro tramos.
Física y conocimiento del mundo
Google describe una comprensión intuitiva de la gravedad, la energía cinética y la dinámica de fluidos, combinada con los conocimientos de historia, ciencia y cultura de Gemini: agua que brota como agua y un galeón que se escora como un barco.
SynthID y C2PA en cada clip
Cada vídeo generado incluye la marca de agua SynthID invisible de Google y admite credenciales de contenido (C2PA), de modo que un clip destacado se puede publicar con su origen verificable, un requisito en cada vez más plataformas.
Fuentes: las publicaciones «Introducing Gemini Omni» y «Gemini Omni 1.1 Flash lets you build with more control» de Google, la ficha del modelo DeepMind y la página del modelo Gemini Enterprise Agent Platform.
Dos demostraciones, directamente del modelo
Ambos se generaron en Popcraft y se muestran tal cual se entregaron: sin edición ni música añadida. El tráiler es una única solicitud de 40 segundos a 1080p. El par de la derecha es un clip de 5 segundos y el mismo clip tras una extensión de escena a 25 segundos.
Cualquier duración de hasta 40 segundos. Popcraft lo encadena por ti.
La publicación de lanzamiento de Google lo denomina ampliación de escenas: los vídeos crecen «en incrementos de 10 segundos hasta una duración acumulada total de 40 segundos». En Popcraft no tienes que gestionar eso. Elige cualquier duración de 3 a 40 segundos en un solo deslizador y Popcraft encadena automáticamente el proceso de ampliación a partir de tu único prompt para luego entregarte un solo archivo, una sola historia y una sola banda sonora. Aquí tienes el tráiler en seis momentos diferentes.
1s
8s
15s
22s
29s
36sCualquier duración, encadenado automáticamente
Elige de 3 a 40 segundos y Popcraft ejecutará por ti la cadena de extensión de Google entre bastidores —sin tramos que planificar ni clips que unir— y pagas por los segundos entregados.
Resolución de producción
«Resultados pulidos de alta resolución en 1080p o 4K listos para producción profesional», en palabras de Google. En Popcraft, las cadenas en 4K duran hasta 30 segundos.
Primer y último fotograma
Novedad en la versión 1.1: especifica los fotogramas de inicio y fin de una toma y Omni genera vídeo continuo entre ellos — órbitas de cámara complejas, transiciones de zoom y bucles sin cortes.
Voz, música, efectos de sonido
Figura en la ficha del modelo como generado con la imagen. Indícalo en el prompt —una radio sonando, sin diálogo, solo ambiente— y lo cumplirá.
Añade tus propias imágenes o vídeos
El mismo modelo lee referencias, edita y extiende. La recomendación de Google es confiar en el prompting: indica qué debe mantenerse, qué debe cambiar y di «extender» cuando quieras decir extender.
Referencia de sujeto
Adjunta fotos de una persona, un producto o una ubicación y describe la escena. El modelo mantiene los personajes y objetos coherentes a lo largo del clip, incluso entre los tramos de uno largo.
Sin fase de entrenamiento ni archivo de personaje. Dos fotos del mismo sujeto desde ángulos distintos dan mejor resultado que una sola.
La mujer de las fotos de referencia camina hacia la cámara en una playa durante la hora dorada, con el viento en el pelo y olas detrás.
Edición de vídeo
Adjunta un clip y di qué debería cambiar. El propio consejo de Google: «Los prompts sencillos funcionan mejor para la edición de vídeo» — el modelo conserva los elementos que no hayas mencionado.
El resultado conserva la duración y el encuadre del origen, y se factura según esa duración.
Haz que nieve intensamente. Mantén todo lo demás igual.
Extensión de escena
Adjunta un clip y elige una duración total más larga. El original se conserva fotograma a fotograma, el nuevo metraje se añade en tramos de 10 segundos manteniendo el sonido y el modelo lee hasta 10 segundos del clip para dar continuidad.
Di «extend» (Popcraft lo añade por ti en el panel Ampliar vídeo si lo olvidas, ya que sin esa palabra el modelo trata la solicitud como una edición). La extensión solo se añade al final.
Extiende este vídeo: continúa con la misma escena exacta mientras el barco llega al muelle y la tripulación lanza las amarras a tierra.
Omni junto a Seedance 2.5 y Veo 3.1
Tres modelos que generan audio junto con la imagen. La ventaja de Omni es la extensión de escena hasta 40 segundos y el resultado en 4K desde un solo modelo; la de Seedance es la cantidad de referencias y la edición precisa por regiones; la de Veo es el control de fotogramas a 8 segundos. Elige según el trabajo.
| Capacidad | Gemini Omni 1.1 Flash | Seedance 2.5 | Veo 3.1 |
|---|---|---|---|
| Clip más largo de una solicitud | 40 s por extensión de escena (30 s a 4K) | 30 s | 8 s |
| Máxima resolución | 4K (3840×2160), hasta un nivel de borrador de 360p | 1080p | 1080p |
| Audio nativo | Voz, música, efectos de sonido | Sí | Sí |
| Imágenes de referencia | Hasta 10 | Hasta 30 (+10 de vídeo, +10 de audio) | Hasta 3 |
| Vídeos de referencia | Hasta 3 | Hasta 10 | 1 (extensión) |
| Edición de vídeo | Conversacional; mantiene lo que no mencionaste | Controlable, preciso por regiones | — |
| Extensión de vídeo | Incrementos de 10 s hasta 40 s, 10 s de contexto | Antes o después, hasta 30 s | +7 s por paso |
| Procedencia | SynthID + Credenciales de contenido C2PA | — | SynthID |
Las cifras de Omni proceden de la página del modelo de Google y de la publicación de lanzamiento; los límites de Popcraft son los que muestra el selector hoy en día. Los límites de los proveedores cambian; el selector siempre muestra lo que está disponible actualmente.
Donde compensa hacer una sola solicitud larga y detallada
Cualquier contenido que antes requería cinco clips y una unión.
Cabecera de la página de destino
Cualquier duración de 3 a 40 segundos (30 en 4K) con su propia partitura, en un solo archivo. Ajusta el deslizador a 24 y Popcraft encadenará automáticamente las extensiones por ti.
Tráilers y teasers
Un arco completo (introducción, revelación y clímax) en un solo renderizado continuo, con la música intensificándose de fondo.
Spots con un protagonista constante
Unas pocas fotos del producto o del presentador mantienen su aspecto idéntico en cada toma.
Transforma lo que has grabado
Cambio de clima, vestuario o momento del día en metraje real, sin alterar la duración ni la cámara.
Desglose visual de ideas
La publicación de lanzamiento de Google destaca esto: «vídeos explicativos atractivos a partir de prompts breves», con elementos visuales que desglosan ideas complejas.
Prompting para una cadena
La guía de Google solicita la descripción de la escena, el movimiento de cámara, la iluminación y la ambientación, y ofrece sintaxis de código de tiempo para los eventos. Todo lo demás procede del tráiler anterior: hizo lo que pedimos y reordenó lo que pedimos porque exigimos demasiado por tramo.
Una acción cada 10 segundos, con códigos de tiempo
Escribe los tiempos como una secuencia cronometrada: la propia guía de Google documenta la sintaxis [0-3s] … [3-6s] …. Cada tramo de 10 segundos tiene una tarea clara; el modelo planifica los tramos a partir del prompt, así que dale el plan.
Pon el aspecto (etalonaje, lente, ambiente) en una sola línea corta al final, no en un párrafo al principio. Para una toma continua sin interrupciones, indícalo así: «en una sola toma continua, sin cortes de escena».
Un galeón pirata en una tormenta al atardecer, bandera de calavera, velas negras desgarradas. Una sola toma continua, sin cortes de escena.\n[0-10s] El barco embiste las olas; la cámara se eleva hacia la cubierta.\n[10-20s] El capitán barbudo al timón grita una orden; la tripulación responde rugiendo.\n[20-30s] Abre un cofre de hierro en la proa; rebosa de arándanos rojos.\n[30-40s] Un barco rival dispara; los arándanos se esparcen a cámara lenta mientras él levanta su alfanje.\nAspecto: destellos anamórficos, gradación azul turquesa y ámbar, banda sonora orquestal, sin texto en pantalla.
Un párrafo denso para un tráiler
Esto es lo que enviamos realmente para el tráiler anterior: cinco momentos, la revelación del cofre, un barco rival y un final en un solo párrafo ininterrumpido. El modelo conservó el barco, al capitán y el etalonaje, y alteró el orden.
La pulverización de arándanos apareció a los 8 segundos; el cofre nunca se abrió con claridad. Los prompts densos no fallan, se comprimen.
Tráiler de superproducción de Hollywood, «Pirates of the Cranberries». Estética cinematográfica épica de imagen real: destellos de lente anamórfica, etalonaje profundo en turquesa y ámbar, niebla marina volumétrica, grano de película de 35 mm… [cinco tiempos, un párrafo, 240 palabras]
- Di «extend»
- Para una ampliación, la palabra clave actúa como conmutador. Popcraft la añade en el panel Ampliar vídeo si no está presente; desde la API o el MCP, debes escribirla tú mismo. La ampliación solo se añade al final: no se puede anteponer.
- Los fotogramas también necesitan palabras
- Dos imágenes se consideran referencias del sujeto a menos que digas «primer fotograma» y «último fotograma» y describas la transición.
- Dirige el sonido
- Guía de Google: «De forma predeterminada, el modelo intentará generar una pista de audio adecuada». Utiliza negaciones sencillas («sin diálogos», «sin efectos de sonido adicionales») o indica exactamente lo que quieres: una radio sonando, lluvia sobre canvas, un in crescendo de cuerdas.
- Mantén las ediciones sencillas
- De nuevo según la guía de Google: «Los prompts excesivamente descriptivos pueden provocar cambios no deseados». Describe el cambio, añade «mantén todo lo demás igual» y detente.
Lo que cuesta
Omni se factura por segundo entregado, según la resolución. Como Popcraft solo ofrece duraciones que el modelo puede alcanzar con exactitud, el precio que ves antes de generar es el precio que pagas.
Borradores y redes sociales. Un clip de 10 segundos equivale a 150 créditos; los 40 segundos completos son 600.
Calidad final. El tráiler de 40 segundos de arriba cuesta 920 créditos: una sola solicitud, sonido incluido.
Resolución nativa de 3840×2160 para ubicaciones destacadas. Limitado a 30 segundos; una cadena completa de 30 segundos en 4K cuesta 1.350 créditos.
Preguntas frecuentes
El modelo de vídeo de Google, descrito por DeepMind como «nuestro siguiente paso hacia modelos capaces de crear y editar cualquier cosa a partir de cualquier entrada, comenzando por el vídeo». Un solo modelo cubre texto a vídeo, imagen a vídeo, interpolación del primer y último fotograma, referencia de sujeto, edición de vídeo y extensión de escenas, y genera voz, música y efectos de sonido con cada clip. La versión 1.1, lanzada el 27 de agosto de 2026, añadió extensión, fotogramas clave y salida en 1080p/4K.
Cada pasada de generación dura hasta 10 segundos; la extensión de escenas amplía el vídeo en incrementos de 10 segundos hasta un total acumulado de 40 segundos. En Popcraft, solo tienes que elegir cualquier duración de 3 a 40 segundos con un control deslizante y Popcraft encadena automáticamente el proceso de extensión a partir de tu único prompt; el control deslizante solo ofrece las duraciones que el modelo puede ofrecer y pagas por los segundos que obtienes. En 4K, la cadena se detiene en 30 segundos, y los vídeos con primer y último fotograma se realizan en una sola pasada, por lo que duran entre 3 y 10 segundos.
Por defecto, sí: la guía de Google indica que el modelo «intentará generar una pista de audio adecuada», y la ficha del modelo incluye voz, música y efectos de sonido. Indícalo en el prompt, incluyendo «sin diálogo» o «sin música» cuando quieras silencio. También puedes reemplazar o superponer audio después en la línea de tiempo de Popcraft.
Adjunta un clip y elige la duración total que desees. El original se conserva fotograma a fotograma y se añaden tramos completos de 10 segundos al final, leyéndose hasta 10 segundos del clip para mantener la continuidad. Por lo tanto, un clip de 5 segundos pasa a durar 15, 25 o 35 segundos (nunca 20). Popcraft solo ofrece las duraciones que el modelo puede generar y cobra exactamente esas. La extensión solo se añade al final.
Sí. Adjunta el origen y describe el cambio. Google recomienda usar prompts de edición sencillos y añadir «mantén todo lo demás igual»; el modelo conserva los elementos que no menciones. El resultado mantiene la duración y el encuadre del original y se cobra por la duración del clip de origen. La edición del diálogo hablado no es compatible.
El renderizado en 4K se realiza a 3840×2160 y cuesta el triple por segundo que la tarifa de 720p, ya que utiliza el triple de capacidad de cómputo. Cada tramo en 4K tarda varios minutos en procesarse, por lo que la cadena se detiene a los 30 segundos. Cada duración y resolución muestra su precio en créditos antes de generar.
Porque cada tramo de 10 segundos es una extensión del anterior y el modelo planifica los tiempos por sí mismo. Dale una acción clara cada 10 segundos utilizando la sintaxis de código de tiempo de Google y evita el relleno con lenguaje cinematográfico. Los tráileres densos con cinco momentos se comprimen o se reordenan; tres momentos a lo largo de 30 segundos se mantienen.
Todos los vídeos de Omni llevan la marca de agua invisible SynthID de Google y admiten credenciales de contenido C2PA, las cuales verifican el origen sin afectar al aspecto del clip. Los planes de pago de Popcraft otorgan derechos comerciales sobre los vídeos que generas; las descargas del plan gratuito llevan una marca de agua visible de Popcraft, que se elimina con los planes de pago. Sigues siendo responsable de la imagen y del contenido de tus prompts y archivos multimedia de referencia.
¿Listo para una solicitud en lugar de cinco clips?
Empieza con 10 segundos a 720p, júzgalo y luego amplía la escena — o trae un clip que ya te guste y amplíalo.
Sigue explorando
Modelos relacionados
Seedance 2.5 genera hasta 30 segundos de vídeo en una sola tarea, con hasta 50 recursos de referencia, edición de vídeo controlable, extensión temporal de alta fidelidad, cualquier relación de aspecto de 0,4 a 2,5 y prompts nativos en más de 10 idiomas. Ya disponible en Popcraft.
MiniMax H3 genera vídeo 2K a 24 fps con banda sonora estéreo sincronizada: efectos, ambiente y diálogos en un solo proceso. Multitoma desde un solo prompt, 5 a 15 segundos, control de primer y último fotograma. Ya en Popcraft.
Genera video cinematográfico en 4K a partir de texto, imágenes o clips con Seedance 2.0 en Popcraft. Audio sincronizado nativo, secuencias multi-toma y detalle nítido hasta 4K (2160p).
Seedance 2.0 Mini es el nivel de vídeo más ligero de ByteDance: hasta un 50 % más económico que Seedance 2.0 estándar y aprox. 2 veces más rápido que Fast, con prompts de texto, imagen, vídeo y audio. Ya disponible en Popcraft.