Gemini Omni: o modelo de vídeo do Google que cria e edita vídeo

O que é Gemini Omni

Gemini Omni é uma família de modelos do Google DeepMind que criam conteúdo a partir de qualquer entrada. O vídeo veio primeiro. O Google mostrou o modelo no I/O de maio de 2026 e o descreveu assim: “imagine o Nano Banana, mas para vídeo” — você pode refinar o resultado em qualquer passo com frases comuns.

O Omni se apoia no que o Gemini sabe do mundo: física, história, ciência e cultura. Por isso uma cena como “construção de um aqueduto no século I” ou “como funciona uma eclusa” sai com detalhes plausíveis, não só bonita.

Em 27 de agosto de 2026 saiu o Omni 1.1 Flash — uma versão estável com extensão de cenas, controle do primeiro e do último quadro, rascunhos em 360p e saída até 4K. Na documentação da Gemini API, o Google o recomenda como modelo de vídeo padrão, e o Veo 3.1 para tarefas específicas.

O que o Gemini Omni faz

Conhecimento do mundo. O modelo completa detalhes histórica e fisicamente plausíveis quando você pede uma cena de um contexto real.

Uma cena a partir de várias referências. A personagem de uma foto, o vestido de outra, o loft de uma terceira — o Omni junta tudo num clipe e mantém a aparência.

Edição de um clipe pronto. A diferença principal em relação ao Veo: envie um vídeo e descreva a mudança — clima, roupa, luz, objetos, movimento de câmera. Cada edição seguinte se apoia na anterior.

Primeiro e último quadro. Duas imagens, e o modelo constrói a transição entre elas com som.

Animar uma foto. A imagem vira o primeiro quadro do clipe: fumaça, gotas, movimento de câmera.

Extensão. Na API o clipe se estende em passos de 10 segundos até 40 segundos, e o modelo leva em conta até 10 segundos do vídeo anterior, não só o último quadro.

Para que tarefas o Gemini Omni serve

• Editar clipes prontos: mude o clima, a hora do dia ou a roupa, ou tire um objeto, sem refilmar.
• Cenas educativas e históricas, em que o detalhe plausível importa.
• Anúncio a partir de uma foto de produto: o objeto vira um clipe curto.
• Clipes verticais curtos para redes, com som.
• Iterações rápidas: um rascunho em 360p, o final em 1080p ou 4K.

Gemini Omni e alternativas

	Gemini Omni 1.1 Flash	Veo 3.1	Seedance 2.5
Desenvolvedor	Google DeepMind	Google DeepMind	ByteDance Seed
Duração por geração	3–10 s	4, 6, 8 s	até 30 s
Extensão	até 40 s	até 148 s (API, 720p)	2 vezes
Resolução	até 4K (upscale)	até 4K	não divulgada
Entradas	texto, imagens, vídeo	texto, até 3 imagens	texto, 30 fotos, 10 vídeos, 10 áudios
Edição de vídeo pronto	sim, com frases	não	sim
Idiomas da fala	por completo — inglês	não publicados	não publicados
No AI2Face	sim	sim	sim

O Omni é o mais flexível dos modelos do Google: edita vídeo e aceita vídeo na entrada. O Veo 3.1 ganha na qualidade de um clipe de 8 segundos e num modo preciso de último quadro. O Seedance 2.5 faz os clipes mais longos numa geração.

Como escrever prompts para o Gemini Omni

• Para gerar — a mesma fórmula do Veo: câmera + sujeito + ação + cenário + estilo, e o som à parte.
• Para editar — uma mudança de cada vez, e diga o que manter: “Mude o tempo para um dia de sol. Mantenha o movimento de câmera, a composição e o farol.”
• Para referências — diga o que tirar de cada imagem: “a mulher da primeira imagem no vestido da segunda, no loft da terceira”.
• Para iterar — comece em 360p: segundo o Google, um rascunho é gerado até 60% mais rápido e custa três vezes menos que 720p.
• Escreva as falas em inglês quando puder: o Google não avaliou oficialmente os outros idiomas.

Mude o tempo neste vídeo para um dia de verão ensolarado e calmo: céu azul limpo,
mar turquesa calmo com ondas pequenas, sol forte no farol branco e grama verde
no penhasco. Mantenha o mesmo movimento de câmera, a composição e o farol. Som: ondas calmas e gaivotas
no lugar da tempestade

Como usar o Gemini Omni no AI2Face

1. Abra o gerador, escolha vídeo e o modelo Gemini Omni 1.1 Flash.
2. Escolha um modo: por texto, por foto, por referências (até 6 imagens) ou por primeiro e último quadro.
3. Defina a duração (4, 6, 8 ou 10 segundos), o formato (16:9 ou 9:16) e a resolução.
4. Comece a geração — o custo aparece antes.

A edição de um vídeo pronto e a extensão estão no gerador do AI2Face. Uma imagem do Nano Banana 2 ou do Seedream pode entrar direto como primeiro quadro do clipe. O Omni está no gerador do AI2Face, e o custo aparece antes de você gerar.

Limitações

• Idiomas. O inglês tem suporte completo; o Google não avaliou os outros idiomas.
• Som. Você não pode editar a voz, e referências de áudio ainda não são aceitas na API.
• Estender fala. Você não pode estender um vídeo enviado em que uma pessoa fala para acrescentar falas novas.
• Movimento complexo e texto. No cartão do modelo, o Google aponta como dificuldades a coerência total nas edições, a dinâmica complexa e o texto preciso no quadro.
• Regiões. Armazenar e editar vídeo não está disponível no EEE, na Suíça e no Reino Unido.
• Marcação. Todo clipe contém SynthID; você pode conferir a marca no app Gemini, no Chrome e na Busca Google.

Conclusões

Gemini Omni é o modelo de vídeo do Google para o dia a dia: flexível nas entradas, com som e, principalmente, com a edição de um clipe pronto por frases comuns. Use-o para clipes a partir de fotos e referências, cenas educativas e iterações rápidas. Para a qualidade máxima de um clipe de 8 segundos e uma passagem precisa até o último quadro, escolha Veo 3.1; para histórias longas numa geração, Seedance 2.5. No AI2Face, o Omni está junto dos modelos de imagem: um quadro do gerador vira na hora o primeiro quadro do vídeo.