Gemini Omni Flash 1.1: generador de videos con IA

Sí. Escribe la toma en la barra de prompt de arriba y genera: todo corre en el navegador, desde cualquier laptop, incluidas las que no traen GPU, y no hay nada que instalar. En Morphic, Gemini Omni convive con Veo 3.1, Seedance 2.5, Kling y el resto del catálogo de video, así que un mismo brief puede pasar por varios modelos y volver lado a lado en el Canvas.

Es la segunda versión del modelo de video multimodal de Google DeepMind, publicada a fines de agosto de 2026. Genera clips de 3 a 10 segundos con audio nativo a partir de texto, imágenes y referencias en video, y después sigue trabajando sobre ellos: los prompts siguientes editan la misma toma, y las extensiones la hacen crecer hasta 40 segundos. La versión 1.1 sumó la escalera de resolución hasta 4K, referencias en video que sí funcionan e interpolación del primer al último cuadro.

La generación es una conversación, no un render de un solo tiro. Después de la primera toma dices qué cambiar, en lenguaje común, y el modelo lo aplica mientras el resto del cuadro sigue como se filmó: rostros, vestuario y voces se sostienen en cada turno. Un generador común te obliga a volver a tirar el clip entero y cruzar los dedos; este te deja quedarte con la toma y corregir el detalle.

Sí, el sonido se genera en la misma pasada que la imagen: diálogo con sincronía labial, efectos, ambiente y música al ritmo de la acción. Escribe el audio dentro del brief igual que escribes lo visual, porque un prompt que no dice nada del sonido recibe una pista que el modelo elige por su cuenta. Hasta el silencio es algo que se pide.

Una generación corre de 3 a 10 segundos. De ahí en adelante, la extensión continúa el clip de diez en diez segundos hasta 40 en total, y lee el último tramo de imagen para que el movimiento, los personajes y el audio sigan continuos en cada unión. Así una toma corta se vuelve una escena completa, sin pegar clips a mano.

Cuatro opciones, en 16:9 o 9:16: 360p para bocetos baratos, 720p nativo, y 1080p o 4K como upscale de esa toma. El método que rinde es iterar en resolución baja hasta que la escena quede, y recién ahí pedir una vez la resolución de entrega, en lugar de pagar 4K en cada intento.

Sí. Anima una sola imagen fija, dale un primer y un último cuadro para que interpole entre los dos, o adjunta hasta diez imágenes de referencia y tres clips cortos que fijen un personaje, un producto, una locación o un estilo. La misma imagen usada como primer y último cuadro vuelve como un loop sin costura.

Sí. Las cuatro resoluciones salen en 16:9 o en 9:16, así que el vertical no es un recorte posterior: la toma se genera así desde el principio, con su audio adentro. Y como la escena queda viva en la conversación, ajustas el encuadre o el vestuario por prompt, y una extensión lleva esos diez segundos a cuarenta cuando el corte pide más aire.