Multimodal

Gemini Omni

de Google DeepMind

El primer modelo de IA any‑to‑any de Google.
Entra texto, imágenes, audio y video; sale un solo video.

Gemini Omni

Funciones clave

Same character reading a letter by a window, soft morning lightPrueba ahora

Especificaciones técnicas

Omni Flash

Primer modelo de la familia Gemini Omni de Google

Video

La salida de imagen y audio está en la hoja de ruta de Gemini Omni

Up to 10s

Los clips Flash se limitan a 10 segundos en el lanzamiento para ampliar el acceso

720p

Gemini Omni Flash genera video en 720p

Any mix

Texto, imagen, audio y video en un solo prompt

Native

Audio sincronizado generado con cada clip; voz mediante Avatars

SynthID

Marca de agua imperceptible de procedencia de IA en cada clip

Google DeepMind

Posicionado como sucesor de Veo para la creación de video any-to-any

Casos de uso

Storyboard con múltiples entradas

Entran una imagen de personaje, una foto de locación, una pista musical y un beat; el modelo arma la toma e itera.

Edición de video conversacional

Edita cualquier clip en lenguaje simple: cambia el vestuario, cambia un fondo o reajusta el tiempo de un beat. El resto se mantiene estable.

Video de marketing

Cortes publicitarios que respetan los colores de marca, la forma del producto y el texto en pantalla. Una foto, un brief, un spot terminado.

Explicativos educativos

Visualiza ciencia, historia e ingeniería con física integrada. La ciencia se mantiene fiel y el material, limpio.

Video con vocero

Un retrato más una referencia de voz da el mismo presentador en cámara en shorts, cursos y recorridos.

Shorts para redes

Los clips de 10 segundos caben en YouTube Shorts, Reels y TikTok. Genera variaciones y publica la que funciona.

Ejemplos de prompts

Noir cinematográfico

Noir cinematográfico

Detective en un callejón de Tokio bajo la lluvia, resplandor de lámparas de sodio, noir en tonos verde azulado y ámbar

Edit prompt
Lanzamiento de producto

Lanzamiento de producto

Tenis vanguardista suspendido en el aire sobre un pedestal de titanio, luz principal dura, ambiente de lanzamiento

Edit prompt
Explicativo de naturaleza

Explicativo de naturaleza

Gota congelada como una corona cristalina sobre una hoja con rocío, macro a contraluz al amanecer

Edit prompt
Vocero avatar

Vocero avatar

Presentador de estudio sereno mirando al lente, luz cálida de tres puntos, bokeh de 85mm

Edit prompt
Recorrido arquitectónico

Recorrido arquitectónico

Luz de hora dorada a través de una villa brutalista de concreto, sombras largas, polvo flotando

Edit prompt
Momento narrativo

Momento narrativo

Mujer junto a una ventana con gotas de lluvia leyendo una carta, la preocupación se relaja hacia el alivio

Edit prompt

Precios simples

Comienza gratis hoy, con la opción de mejorar tu plan o cancelar cuando quieras.

Basic

$9/ mes
facturado como $0 por año

900 mensual créditos

1 usuario

Todos los modelos

Workflows

Standard

$24/ mes
facturado como $0 por año

3200 mensual créditos

1 usuario

Todos los modelos

Workflows

Pro

$45/ mes
facturado como $0 por año

6200 compartidos mensual créditos

1 usuario

+ hasta 4 más con costo adicional

Todos los modelos

Workflows

Pro Max

$170/ mes
facturado como $0 por año

24000 compartidos mensual créditos

1 usuario

+ hasta 9 más con costo adicional

Todos los modelos

Workflows

Enterprise

Para límites más altos

Personalizado

términos de precios y facturación

High-volume credits
Límites de asientos personalizados
Todos los modelos
Workflows
Pricing Gradient

Free

Para experimentar

$0

gratis para siempre

Hasta 20 créditos
Solo 1 usuario
Modelos limitados
Workflows
Comparar detalles de los planes

Preguntas frecuentes

¿Qué es Gemini Omni?
Gemini Omni es el primer modelo multimodal any-to-any de Google, presentado en Google I/O 2026. La primera versión, Gemini Omni Flash, acepta texto, imágenes, audio y video como entrada y produce video como salida, con edición conversacional, consistencia de personajes y marca de agua SynthID en cada clip.
¿Gemini Omni es un modelo de imagen?
No. Gemini Omni genera video. El modelo acepta imágenes como entrada junto con texto, audio y video, pero el resultado generado es un clip de video. Google señaló que la salida de imagen y audio está en la hoja de ruta de Gemini Omni, pero no forma parte del lanzamiento inicial.
¿Cómo uso Gemini Omni en Morphic?
Abre Morphic, cambia la barra de prompt al modo Video y elige Gemini Omni en el selector de modelos. Adjunta cualquier combinación de referencias de texto, imagen, audio y video, y ejecuta el prompt. Para revisar el resultado, pídelo en el siguiente mensaje y la escena conserva el contexto anterior.
¿Cuánto duran los videos de Gemini Omni?
Los clips de Gemini Omni Flash están limitados a 10 segundos en el lanzamiento. Google describió el límite como una decisión de despliegue para ampliar el acceso durante el lanzamiento inicial, no como un límite fijo del modelo, así que en versiones futuras son posibles duraciones más largas de Gemini Omni.
¿Qué entradas acepta Gemini Omni?
Gemini Omni acepta texto, imágenes, audio y video en cualquier combinación dentro de un solo prompt. Las referencias de voz son la primera entrada de audio compatible; se planean entradas de audio más amplias y modalidades de salida adicionales.
¿Cómo se compara Gemini Omni con Veo 3.1?
Veo 3.1 es el modelo de video fotorrealista de Google DeepMind, con resolución 4K, audio nativo y clips de 8 segundos, afinado para un realismo con calidad de transmisión. Gemini Omni Flash es el modelo hermano any-to-any, con menor duración (hasta 10 segundos), enfocado en el razonamiento entre múltiples entradas, la edición conversacional y la consistencia de personajes a lo largo de las ediciones. Veo es el especialista en realismo; Gemini Omni es el director multimodal.
¿Cómo se compara Gemini Omni con Seedance 2.0?
Tanto Gemini Omni como Seedance 2.0 son modelos de video multimodales. Seedance 2.0 acepta hasta 12 recursos mixtos por generación, con síntesis de audio nativa y sincronización con el beat de la música, en 1080p y de 4 a 15 segundos. Gemini Omni Flash se enfoca en la edición conversacional turno por turno y en la física y el razonamiento sobre el mundo real de Google, actualmente limitado a 10 segundos.
¿Gemini Omni incluye marca de agua?
Sí. Cada video generado por Gemini Omni lleva la marca de agua imperceptible SynthID de Google para indicar su procedencia de IA. La marca de agua es invisible para quien la ve y resiste ediciones comunes como la recodificación y el cambio de tamaño.
¿Gemini Omni admite consistencia de personajes?
Sí. Los personajes que aparecen en una toma de Gemini Omni conservan su rostro, ropa y voz entre cortes y a lo largo de las ediciones siguientes en la misma conversación, sin volver a subir la referencia en cada turno.
¿Cuándo se lanzó Gemini Omni?
Google presentó Gemini Omni en Google I/O 2026 el 19 de mayo de 2026. Gemini Omni Flash es la primera versión de la familia, con la salida de imagen y audio descrita como una adición futura planeada.

Más sobre Gemini Omni

Gemini Omni Flash: guía completa, prompts y funciones

La guía completa de Gemini Omni Flash en Morphic: funciones, audio nativo, edición conversacional, consistencia de personajes y prompting con ejemplos.

Otros modelos

MAI-Image-2.5

Microsoft

El modelo de imagen más avanzado de Microsoft. Texto más nítido en la imagen, ilustración estilizada y tomas de producto y empaque con calidad comercial.

Seedance 2.0

ByteDance

El buque insignia de video multimodal de ByteDance. Combina imágenes, clips, audio y texto en un solo prompt para producir video hiperrealista con sonido sincronizado.

Hailuo 2.3

MiniMax

El último modelo de video cinematográfico de MiniMax. Mayor calidad, movimiento más coherente y mejor comprensión del prompt que Hailuo-02.

Wan 2.6

Alibaba

El modelo de video de código abierto de Alibaba. 1080p con calidad de producción y fidelidad al prompt en fotorrealismo, cine y anime.