Gemini Omni: il modello video di Google che crea e modifica i video

Che cos’è Gemini Omni

Gemini Omni è una famiglia di modelli di Google DeepMind che creano contenuti da qualsiasi input. Il video è arrivato per primo. Google ha mostrato il modello all’I/O di maggio 2026 e lo ha descritto così: «immagina Nano Banana, ma per il video» — puoi rifinire il risultato a ogni passo con frasi ordinarie.

Omni si appoggia a ciò che Gemini sa del mondo: fisica, storia, scienza e cultura. Per questo una scena come «costruzione di un acquedotto nel I secolo» o «come funziona una chiusa» esce con dettagli credibili, non solo bella.

Il 27 agosto 2026 è uscito Omni 1.1 Flash — una versione stabile con estensione delle scene, controllo del primo e dell’ultimo fotogramma, bozze in 360p e uscita fino al 4K. Nella documentazione della Gemini API, Google lo raccomanda come modello video predefinito, e Veo 3.1 per compiti specifici.

Cosa sa fare Gemini Omni

Conoscenza del mondo. Il modello inserisce dettagli storicamente e fisicamente credibili se chiedi una scena da un contesto reale.

Una scena da più riferimenti. La protagonista da una foto, il vestito da un’altra, il loft da una terza — Omni li riunisce in un clip e tiene l’aspetto.

Modifica di un clip finito. La differenza principale da Veo: carica un video e descrivi il cambiamento — meteo, vestiti, luce, oggetti, movimento di camera. Ogni modifica successiva si appoggia alla precedente.

Primo e ultimo fotogramma. Due immagini, e il modello costruisce il passaggio tra loro con l’audio.

Animare una foto. L’immagine diventa il primo fotogramma del clip: fumo, gocce, movimento di camera.

Estensione. Nell’API un clip si estende a passi di 10 secondi fino a 40 secondi, e il modello tiene conto di fino a 10 secondi del video precedente, non solo dell’ultimo fotogramma.

A cosa serve Gemini Omni

• Modificare clip già fatti: cambia meteo, ora del giorno o vestiti, oppure togli un oggetto, senza rigirare.
• Scene didattiche e storiche, dove conta il dettaglio credibile.
• Pubblicità da una foto di prodotto: lo scatto diventa un clip breve.
• Clip verticali brevi per i social, con audio.
• Iterazioni rapide: una bozza in 360p, il finale in 1080p o 4K.

Gemini Omni e le alternative

	Gemini Omni 1.1 Flash	Veo 3.1	Seedance 2.5
Sviluppatore	Google DeepMind	Google DeepMind	ByteDance Seed
Durata per generazione	3–10 s	4, 6, 8 s	fino a 30 s
Estensione	fino a 40 s	fino a 148 s (API, 720p)	2 volte
Risoluzione	fino a 4K (upscale)	fino a 4K	non pubblicata
Input	testo, immagini, video	testo, fino a 3 immagini	testo, 30 foto, 10 video, 10 audio
Modifica di un video finito	sì, con frasi	no	sì
Lingue del parlato	per intero — inglese	non pubblicate	non pubblicate
In AI2Face	sì	sì	sì

Omni è il più flessibile dei modelli di Google: modifica il video e accetta video in ingresso. Veo 3.1 vince sulla qualità di un clip di 8 secondi e su una modalità precisa dell’ultimo fotogramma. Seedance 2.5 fa i clip più lunghi in una generazione.

Come scrivere i prompt per Gemini Omni

• Per generare — la stessa formula di Veo: camera + soggetto + azione + ambiente + stile, e l’audio a parte.
• Per modificare — un cambiamento alla volta, e di’ cosa tenere: “Cambia il tempo in un giorno di sole. Conserva il movimento di camera, la composizione e il faro.”
• Per i riferimenti — di’ cosa prendere da ogni immagine: “la donna della prima immagine nel vestito della seconda, nel loft della terza”.
• Per le iterazioni — parti da 360p: secondo Google, una bozza si genera fino al 60% più in fretta e costa tre volte meno del 720p.
• Le battute sono più affidabili in inglese: Google non ha valutato ufficialmente le altre lingue.

Cambia il tempo in questo video in un giorno d'estate soleggiato e calmo: cielo azzurro limpido,
mare turchese calmo con piccole onde, sole forte sul faro bianco ed erba verde
sulla scogliera. Conserva lo stesso movimento di camera, la composizione e il faro. Audio: onde calme e gabbiani
al posto della tempesta

Come usare Gemini Omni in AI2Face

1. Apri il generatore, scegli il video e il modello Gemini Omni 1.1 Flash.
2. Scegli una modalità: da testo, da una foto, da riferimenti (fino a 6 immagini) o da primo e ultimo fotogramma.
3. Imposta la durata (4, 6, 8 o 10 secondi), il formato (16:9 o 9:16) e la risoluzione.
4. Avvia la generazione: il costo si vede prima.

La modifica di un video finito e l’estensione sono nel generatore di AI2Face. Un’immagine di Nano Banana 2 o di Seedream può entrare subito come primo fotogramma del clip. Omni è nel generatore di AI2Face, e il costo si vede prima di generare.

Limiti

• Lingue. L’inglese è supportato per intero; Google non ha valutato le altre lingue.
• Audio. Non puoi modificare la voce, e i riferimenti audio non sono ancora supportati nell’API.
• Estendere il parlato. Non puoi estendere un video caricato in cui una persona parla per aggiungere battute nuove.
• Movimento complesso e testo. Nella scheda del modello, Google indica come difficoltà la coerenza piena nelle modifiche, la dinamica complessa e il testo preciso nel fotogramma.
• Regioni. Conservare e modificare video non è disponibile nel SEE, in Svizzera e nel Regno Unito.
• Marcatura. Tutti i clip contengono SynthID; puoi controllare il marchio nell’app Gemini, in Chrome e nella Ricerca Google.

Conclusioni

Gemini Omni è il modello video di Google per tutti i giorni: flessibile sugli input, con audio e soprattutto con la modifica di un clip finito tramite frasi ordinarie. Usalo per clip da foto e riferimenti, scene didattiche e iterazioni rapide. Per la qualità massima di un clip di 8 secondi e un passaggio preciso all’ultimo fotogramma, scegli Veo 3.1; per le storie lunghe in una generazione, Seedance 2.5. In AI2Face, Omni è disponibile insieme ai modelli di immagini: un fotogramma del generatore diventa subito il primo fotogramma del video.