Salida multimodal nativa
Un único prompt produce texto, fotogramas clave y vídeo que coinciden, con personajes, estilo e iluminación coherentes entre formatos.
En fugas · Google I/O 2026 Gemini Omni
Gemini Omni
Un solo modelo para texto, imagen, vídeo y audio
Aparecido en múltiples filtraciones a principios de mayo de 2026, Gemini Omni es el próximo modelo multimodal unificado de Google: generación nativa de texto, imagen, vídeo y audio sincronizado dentro de un único sistema entrenado en Gemini.
Modelo unificado Audio sincronizado Edición en chat
Omni
Text
Image
Video
Audio
Cifras clave
5–10s Duración del clip
1080p Resolución máx.
16:9 · 9:16 · 1:1 Formatos
I/O 2026 Presentación prevista
Capacidades
Toda la cadena creativa en un solo modelo
A diferencia de modelos especializados como Veo, Sora 2, Seedance 2.0 o Kling, Gemini Omni mantiene razonamiento de lenguaje, generación de imagen, generación de vídeo y síntesis de audio bajo una sola arquitectura.
Una pila Gemini unificada
Se acabó encadenar modelos especializados. Texto, imagen, vídeo y audio comparten los mismos pesos y el mismo contexto extenso.
Audio nativo sincronizado
Sonido ambiente, banda sonora y diálogo se alinean con la imagen en la misma pasada — pasos en el beat, labios sincronizados desde la primera exportación.
Edición directa en el chat
Cambia un objeto, modifica la iluminación o ajusta un movimiento de cámara en lenguaje natural — sin regenerar, siguiendo el guion de Nano Banana.
Remezcla y dirige
Sube un clip existente y redirígelo con prompts. Imágenes, vídeos y audios de referencia se combinan en una sola instrucción.
Plantillas y estilos
Plantillas integradas para anuncios, Reels, videoclips y cortos cinematográficos reducen la barrera y mantienen un lenguaje de cámara coherente.
Especificaciones
Lo que se sabe antes del keynote
Las cifras se agregan de filtraciones en Reddit/X y reportes de TestingCatalog, Programming Insider y OfficeChai.
| Dimensión | Información conocida |
|---|---|
| Familia | Google Gemini — sucesor de la línea Veo |
| ID del modelo | bard_eac_video_generation_omni / v3smm-lora-prod |
| Duración del clip | 5 / 8 / 10 segundos por generación, encadenable en la app |
| Resolución | 480p / 720p / 1080p |
| Formatos | 16:9, 9:16, 1:1 |
| Audio | Sintetizado de forma nativa, sincronizado en una sola pasada |
| Entradas | Texto / imagen / vídeo / audio de referencia |
| Acceso | Despliegue en la app Gemini, API esperada tras el I/O |
| Cuota | Informes indican que dos generaciones consumen ~86 % de la cuota diaria de AI Pro |
Arquitectura
Tres líneas de producto fusionadas en un Omni
La pila generativa de Google solía estar dividida en Veo (vídeo), Nano Banana / Imagen (imagen) y Gemini (texto). Omni las unifica en una sola arquitectura.
Antes
Veo 3.1
Vídeo + audio nativo
Nano Banana / Imagen
Generación y edición de imagen
Gemini 2.5 / 3.x
Razonamiento · contexto largo
Ahora · Omni
Gemini Omni
Texto · imagen · vídeo · audio, un modelo, un prompt
Text Image Video Audio
Casos de uso
De un brief a contenido publicable
Un modelo unificado con contexto largo y audio sincronizado permite escribir un brief coherente y obtener un corte final.
01
Anuncios de producto
Planos hero, revelaciones de packaging y cortes lifestyle con sonido ambiente ya bloqueado.
02
Reels y Shorts
Clips 9:16 con diálogo on-mic y movimiento sincronizado al ritmo, ideales para social.
03
Videoclips
Referencia una pista y Omni corta visuales al ritmo, con personajes consistentes entre planos.
04
Cortos cinematográficos
Encadena varios omni-clips de 10 s en secuencias multi-plano con iluminación y audio continuos.
05
Hero loops de landing
Clips 16:9 atmosféricos en bucle para SaaS, moda y DTC — branded y legibles en mute.
06
Explicativos y tutoriales
Convierte un guion en una secuencia narrada con diálogo sincronizado y sonido ambiente acorde.
Comparar
Dónde encaja Omni en el ecosistema de vídeo 2026
Agregado de Artificial Analysis, Looksy AI, Oimi AI y keynotes oficiales — orientativo, no benchmarks.
| Modelo | Fabricante | Arquitectura | Audio nativo | Duración |
|---|---|---|---|---|
| Gemini Omni
Omni
| Omni unificado (vídeo + imagen + audio) | Sincronizado en una pasada | 5 / 8 / 10s | |
| Veo 3.1 | Modelo de vídeo especializado | Sí | ~8s | |
| Seedance 2.0 | ByteDance | Vídeo multimodal especializado | Sí | hasta 15s / plano |
| Sora 2 | OpenAI | Modelo de vídeo especializado | Sí | ~20s |
| Kling V3.0 | Kuaishou | Modelo de vídeo especializado | Limitado | ~10s |
Cronología
De la primera filtración al escenario de I/O 2026
Ordenado por fecha de reporte público, en evolución.
- 2026 · 05 · 02
Primer string "Powered by Omni"
El usuario de X @Thomas16937378 detectó "Start with an idea or try a template. Powered by Omni." en la pestaña de vídeo de Gemini.
- 2026 · 05 · 11
Tarjeta de preview en Gemini móvil
TestingCatalog y Chetaslua revelaron la tarjeta "Meet our new video model", el ID completo y el límite de 10 segundos.
- 2026 · 05 · 12 – 18
Las demos se viralizan
Un clip de "profesor resolviendo trigonometría en una pizarra" mostró coherencia textual y fidelidad física, disparando comparativas con Veo 3.1.
- 2026 · 05 · 19 – 20
Anuncio previsto en Google I/O 2026
Se espera espacio en el keynote para Omni, posiblemente junto a niveles Flash / Pro, una API y nuevas suscripciones.
Preguntas frecuentes
Lo que más se pregunta sobre Gemini Omni
¿Qué es exactamente Gemini Omni?
Es el próximo modelo multimodal unificado de Google que genera de forma nativa texto, imagen, vídeo y audio sincronizado dentro de una sola arquitectura — efectivamente fusionando Veo, Imagen y Gemini.
¿Cuándo se lanzará?
A mediados de mayo de 2026 sigue en fase de filtración. El reveal esperado es el keynote de Google I/O 2026 (19–20 de mayo).
¿Cómo se relaciona con Veo 3.1?
Los metadatos indican que Omni hereda ingeniería del stack Veo, pero abandona la marca y funde el vídeo en las capas de texto e imagen de Gemini.
¿Genera sonido directamente?
Sí. Sonido ambiente, banda sonora y diálogo se producen en la misma pasada que el vídeo — esa es la razón del nombre "omni".
¿Cuál es el límite de duración?
El ID filtrado indica 5, 8 o 10 segundos por generación, encadenables a nivel cliente.
¿Cómo será el precio?
Sin confirmar. Una captura de Reddit muestra que dos generaciones gastan ~86 % de la cuota diaria de AI Pro, por lo que un nivel "Ultra / Pro Plus" es plausible.
Fuentes
Reportes primarios y enlaces públicos
Todo el contenido se agrega desde las fuentes públicas siguientes. Se recomienda cruzar lecturas.
programminginsider.com Leer fuente
TestingCatalog · Programming Insider
Detalles de la filtración, strings de UI y análisis de demos.
oimi.ai Leer fuente
Oimi AI · resumen de Gemini Omni Leaked
Especulación sobre arquitectura y comparativa con Seedance / Veo.
officechai.com Leer fuente
OfficeChai · Gemini Omni Spotted
ID completo del modelo, prompts in-app y reacciones de la comunidad.
looksyai.in Leer fuente
Looksy AI · página de Gemini Omni
Resumen ordenado de specs, casos de uso y comparativas.
storage.googleapis.com Leer fuente
Informe técnico de Gemini 2.5
Multimodalidad familiar, contexto largo y dirección agéntica.