Multimodal

Gemini Omni

por Google DeepMind

O primeiro modelo any‑to‑any do Google.
Texto, imagens, áudio e vídeo entram, um único vídeo sai.

Gemini Omni

Principais recursos

Same character reading a letter by a window, soft morning lightTeste agora

Especificações técnicas

Omni Flash

Primeiro modelo da família Gemini Omni do Google

Video

Saída de imagem e áudio estão previstas no roteiro do Gemini Omni

Up to 10s

Clipes do Flash limitados a 10 segundos no lançamento, para ampliar o acesso

720p

O Gemini Omni Flash gera vídeo em 720p

Any mix

Texto, imagem, áudio e vídeo em um único prompt

Native

Áudio sincronizado gerado com cada clipe; voz via Avatars

SynthID

Marca d'água imperceptível de proveniência de IA em cada clipe

Google DeepMind

Posicionamento como sucessor do Veo para criação de vídeo any-to-any

Casos de uso

Storyboard multi-entrada

Uma foto de personagem, uma foto de locação, uma referência de música e uma ideia de cena entram; o modelo monta o plano e refina a partir daí.

Edição de vídeo conversacional

Edite qualquer clipe em linguagem natural: troque o figurino, mude o cenário ou reajuste o tempo de uma cena. O resto permanece estável.

Vídeo de marketing

Cortes de anúncio que respeitam as cores da marca, o formato do produto e o texto na tela. Uma foto, um briefing, um anúncio pronto.

Explicações educacionais

Visualize ciência, história e engenharia com física integrada. A ciência continua precisa, a imagem fica limpa.

Vídeo com apresentador

Um retrato mais uma referência de voz mantêm o mesmo apresentador em vídeos curtos, cursos e tutoriais.

Vídeos curtos para redes sociais

Clipes de 10 segundos encaixam no YouTube Shorts, Reels e TikTok. Gere variações e publique a que funcionar melhor.

Exemplos de prompts

Noir cinematográfico

Noir cinematográfico

Detetive em um beco chuvoso de Tóquio, luz de lâmpada de sódio, clima noir azul-petróleo e âmbar

Edit prompt
Lançamento de produto

Lançamento de produto

Tênis de vanguarda suspenso no ar sobre um pedestal de titânio, luz dura, clima de lançamento

Edit prompt
Explicação da natureza

Explicação da natureza

Gota congelada como uma coroa cristalina sobre uma folha orvalhada, macro contraluz ao amanhecer

Edit prompt
Apresentador avatar

Apresentador avatar

Apresentador de estúdio olhando para a câmera, luz de três pontos quente, bokeh de 85mm

Edit prompt
Passeio arquitetônico

Passeio arquitetônico

Luz dourada atravessando uma vila de concreto brutalista, sombras longas, poeira flutuante

Edit prompt
Momento de história

Momento de história

Mulher perto de uma janela com gotas de chuva lendo uma carta, a preocupação dando lugar ao alívio

Edit prompt

Visão geral

O Gemini Omni é o primeiro modelo multimodal any-to-any do Google, anunciado no Google I/O 2026, em 19 de maio de 2026. O primeiro lançamento, o Gemini Omni Flash, aceita texto, imagens, áudio e vídeo em um único prompt e gera um único vídeo, com edição conversacional, consistência de personagens, física precisa e marca d'água SynthID em cada clipe.

O que o Gemini Omni faz de diferente

Em vez de costurar as modalidades separadamente, o Gemini Omni raciocina sobre todas elas ao mesmo tempo. Um prompt com uma referência de retrato, uma foto de locação, uma amostra de voz e uma ideia de cena resulta em um único plano que reflete cada entrada de uma vez. Os prompts seguintes editam essa mesma cena, não uma nova, então personagens, iluminação e continuidade se mantêm entre os turnos.

O Gemini Omni no Morphic

No Morphic, o Gemini Omni fica no seletor de modelos de vídeo, ao lado do Veo 3.1, do Seedance 2.0, do Kling e do restante do catálogo de vídeo. Mude a barra de prompt para o modo Vídeo, escolha o Gemini Omni, anexe referências em qualquer combinação e continue editando a mesma cena com prompts seguintes.

Preços simples

Comece grátis hoje mesmo, com a opção de fazer upgrade ou cancelar quando quiser.

Basic

$9/ mês
cobrado como $0 por ano

1100 mensal créditos

1 apenas usuário

Todos os modelos

Workflows

Standard

$24/ mês
cobrado como $0 por ano

3625 mensal créditos

1 apenas usuário

Todos os modelos

Workflows

Pro

$45/ mês
cobrado como $0 por ano

6350 compartilhado mensal créditos

1 usuário

+ até 4 mais com custo adicional

Todos os modelos

Workflows

Pro Max

$170/ mês
cobrado como $0 por ano

24650 compartilhado mensal créditos

1 usuário

+ até 9 mais com custo adicional

Todos os modelos

Workflows

Enterprise

Para limites maiores

Personalizado

termos de preços e cobrança

Créditos de alto volume
Limites de vagas personalizados
Todos os modelos
Workflows
Pricing Gradient

Free

Para experimentar

$0

grátis para sempre

Até 20 créditos
apenas 1 usuário
Modelos limitados
Workflows
Comparar detalhes dos planos

Perguntas frequentes

O que é o Gemini Omni?
O Gemini Omni é o primeiro modelo multimodal any-to-any do Google, anunciado no Google I/O 2026. O primeiro lançamento, o Gemini Omni Flash, aceita texto, imagens, áudio e vídeo como entrada e gera vídeo como saída, com edição conversacional, consistência de personagens e marca d'água SynthID em cada clipe.
O Gemini Omni é um modelo de imagem?
Não. O Gemini Omni gera vídeo. O modelo aceita imagens como entrada, junto com texto, áudio e vídeo, mas a saída gerada é sempre um clipe de vídeo. O Google já afirmou que saídas de imagem e áudio estão no roteiro do Gemini Omni, mas não fazem parte do lançamento inicial.
Como uso o Gemini Omni no Morphic?
Abra o Morphic, mude a barra de prompt para o modo Vídeo e escolha o Gemini Omni no seletor de modelos. Anexe qualquer combinação de texto, imagem, áudio e referências de vídeo e rode o prompt. Para revisar o resultado, peça na mensagem seguinte, a cena mantém o contexto anterior.
Quanto duram os vídeos do Gemini Omni?
Os clipes do Gemini Omni Flash ficam limitados a 10 segundos no lançamento. O Google já disse que esse limite é uma decisão de implantação para ampliar o acesso durante o lançamento inicial, não um limite fixo do modelo, então durações maiores devem chegar em versões futuras do Gemini Omni.
Quais entradas o Gemini Omni aceita?
O Gemini Omni aceita texto, imagens, áudio e vídeo em qualquer combinação dentro de um único prompt. Referências de voz são a primeira entrada de áudio suportada; entradas de áudio mais amplas e novas modalidades de saída estão planejadas.
Como o Gemini Omni se compara ao Veo 3.1?
O Veo 3.1 é o modelo de vídeo fotorrealista do Google DeepMind, com resolução 4K, áudio nativo e clipes de 8 segundos, ajustado para realismo de qualidade de transmissão. O Gemini Omni Flash é o irmão any-to-any, com duração menor (até 10 segundos), focado em raciocínio multi-entrada, edição conversacional e consistência de personagens entre edições. O Veo é o especialista em realismo, o Gemini Omni é o diretor multimodal.
Como o Gemini Omni se compara ao Seedance 2.0?
O Gemini Omni e o Seedance 2.0 são modelos de vídeo multimodais. O Seedance 2.0 aceita até 12 ativos mistos por geração, com síntese de áudio nativo e sincronia com a batida da música, em 1080p, de 4 a 15 segundos. O Gemini Omni Flash foca em edição conversacional turno a turno e no raciocínio de física e realismo do Google, hoje limitado a 10 segundos.
O Gemini Omni inclui marca d'água?
Sim. Todo vídeo gerado pelo Gemini Omni carrega a marca d'água imperceptível SynthID do Google, para proveniência de IA. A marca é invisível para quem assiste e resiste a edições comuns, como recodificação e redimensionamento.
O Gemini Omni mantém a consistência de personagens?
Sim. Personagens apresentados em um plano do Gemini Omni mantêm o mesmo rosto, roupa e voz entre os cortes e nas edições seguintes da mesma conversa, sem precisar reenviar a referência a cada turno.
Quando o Gemini Omni foi lançado?
O Google anunciou o Gemini Omni no Google I/O 2026, em 19 de maio de 2026. O Gemini Omni Flash é o primeiro lançamento da família, com saídas de imagem e áudio descritas como adições futuras planejadas.

Mais sobre o Gemini Omni

Gemini Omni Flash: guia completo, prompts e recursos

O guia completo do Gemini Omni Flash no Morphic: recursos, áudio nativo, edição por conversa, consistência de personagem e prompts com exemplos.

Outros modelos

ChatGPT Images 2.5

OpenAI

Detalhe mais nítido e edição que não bagunça o resto do quadro. O modelo de imagem da OpenAI, de setembro de 2026.

Lyria 3.5

Google DeepMind

O melhor modelo de música do Google. Músicas inteiras, com voz e letra.

MiniMax H3 Max Turbo

fal.ai

O nível rápido do H3 da fal. O dobro da velocidade, quase igual.

Inworld TTS 2

Inworld

Noventa e cinco vozes, 100+ idiomas. A fala começa em menos de um segundo.