Cos'è Gemini Omni? Una guida completa 2026 al prossimo modello IA unificato di Google

Una nuova categoria di prodotto, leakata prima del lancio

Per la maggior parte del 2024 e 2025, lo stack generativo di Google era essenzialmente tre prodotti diversi incollati insieme: Veo per video, Imagen (e poi Nano Banana) per immagini, e Gemini per testo e ragionamento. Questa divisione era un punto di forza quando ogni modello aveva bisogno di cicli di training dedicati, ma costringeva i creatori a concatenare strumenti manualmente e dava a Google una storia frammentata quando competeva con Sora di OpenAI e Seedance di ByteDance.

A inizio maggio 2026, una singola stringa di UI ha cambiato la conversazione. Un utente X ha notato la riga “Start with an idea or try a template. Powered by Omni.” all’interno della tab video di Gemini. In pochi giorni, TestingCatalog, Programming Insider e OfficeChai hanno confermato una preview card di follow-up su Gemini Mobile che recitava “Meet our new video model. Remix your videos, edit directly in chat, try a template, and more.” Quel modello si chiama Gemini Omni, e il nome stesso è tutto il pitch.

Cos’è realmente Gemini Omni

Gemini Omni è il presunto modello multimodale unificato di Google: un’unica architettura che genera testo, immagine, video e audio sincronizzato da un singolo prompt. Tre teorie sulla sua vera natura sono emerse nella copertura dei leak:

1. Un rebrand di Veo. Google potrebbe semplicemente ritirare il brand consumer Veo a favore di “Omni”, molto come la generazione di immagini è stata consolidata sotto Nano Banana.
2. Un nuovo modello video Gemini-nativo. Una versione di Gemini fine-tuned specificamente per il video, soppiantando la famiglia di modelli Veo affiancandosi alle varianti testo e immagine.
3. Un vero omni-modello. Un singolo sistema addestrato da Gemini che produce nativamente testo, immagini, video e audio dentro un singolo set di pesi e una singola finestra di contesto lunga.

L’ID modello leakato — bard_eac_video_generation_omni / v3smm-lora-prod — e la formulazione coerente attraverso i leak puntano alla porta #3. Ciò renderebbe Gemini Omni il primo omni-modello di primo livello con output video nativo da qualsiasi grande fornitore IA, e un passo significativo oltre quanto Sora 2, Seedance 2.0 o Kling V3.0 possono fare oggi.

I segnali che sembrano reali

Attraverso i report delle ultime tre settimane è emersa un’immagine coerente:

• Durata clip: 5 / 8 / 10 secondi per generazione. Il chaining multi-clip è gestito a livello client dentro l’app Gemini.
• Risoluzione: fino a 1080p, in proporzioni 16:9, 9:16 e 1:1.
• Audio nativo sincronizzato. Suono ambiente, colonna sonora e dialogo sono allineati con l’immagine nello stesso forward pass.
• Editing in chat. Scambiare un oggetto, cambiare l’illuminazione o regolare un movimento di camera con linguaggio naturale — senza rigenerazione completa.
• Remix e template. Carica una clip esistente e reindirizzala con prompt; appoggiati su template prefabbricati per spot, Reels, music video e short cinematografici.
• Segnale di prezzo. Uno screenshot Reddit ha mostrato due generazioni Omni che bruciavano ~86 % di una quota giornaliera AI Pro, suggerendo o un livello superiore (Ultra / Pro Plus) o billing API per generazione.

Le demo leakate che hanno alimentato gran parte del hype — inclusa una clip “professore che risolve trigonometria alla lavagna” con testo manoscritto leggibile — puntano a una aderenza al prompt e fedeltà fisica molto più strette di quanto Veo 3.1 attualmente fornisca.

Come Omni si inserisce nello stack di Google

Il modello mentale che meglio si adatta ai leak è questo:

Prima:   Gemini (testo)  +  Nano Banana / Imagen (immagine)  +  Veo 3.1 (video)
                ↓                       ↓                            ↓
                └────────────  chaining manuale  ─────────────────┘

Ora:     Gemini Omni
         ├── testo
         ├── immagine
         ├── video
         └── audio       (un modello · un prompt · una finestra di contesto)

Per gli sviluppatori, la conseguenza più importante è che Veo 3.1 non se ne va domani. Veo 3.1 ha già accesso API documentato in Gemini API e Vertex AI, con feature come guida tramite immagine di riferimento (fino a tre riferimenti), estensione di scena fino a un minuto, transizioni primo-e-ultimo frame, e audio conversazionale nativo. Omni eredita quell’ingegneria e aggiunge l’architettura unificata sopra. Finché Google non pubblica documentazione ufficiale Omni, Veo 3.1 rimane la baseline stabile per il lavoro in produzione.

Perché conta per i creatori

Un omni-modello unificato collassa quello che era una pipeline multi-app in un singolo brief. Concretamente:

• Un team prodotto può scrivere una descrizione — soggetto, mood, movimento di camera, illuminazione, dialogo, suono ambiente — e andarsene con un taglio finito invece di cucire tra Midjourney, Veo e uno strumento audio separato.
• La consistenza di personaggi e stile migliora drasticamente perché lo stesso modello produce ogni modalità.
• La struttura di costo potrebbe diventare più prevedibile: un modello da fatturare, un set di policy di sicurezza, un’interfaccia di editing.

Per agenzie e piccoli studi, la domanda pratica non è più “quale strumento è il migliore per ogni modalità”, ma “quanto velocemente possiamo ristrutturare la nostra pipeline intorno a un singolo modello multimodale?”

Cosa guardare a Google I/O 2026

Google I/O 2026 si svolge dal 19 al 20 maggio. Basato sui leak pre-keynote, la lista realistica di acquisti per il keynote include:

• Svelamento ufficiale di Gemini Omni, probabilmente con demo live e annuncio di tier (Flash vs Pro).
• Disponibilità API tramite Gemini API e AI Studio, possibilmente con un’interfaccia in stile agente simile a Deep Research.
• Uno svelamento Gemini 3.5 o 4.0, focalizzato su velocità e una nuova feature di memoria a lungo termine con nome in codice “Teamfood”.
• Nuovi modelli vocali Gemini Live (nomi in codice rumored “Capybara” e “Nitrogen”).
• Un potenziale update Veo 4 con integrazione YouTube, usato come storia video orientata agli sviluppatori accanto all’Omni orientato al consumatore.
• Ristrutturazione abbonamenti — tier Advance / Pro / Ultra più chiari per corrispondere al footprint compute più pesante di Omni.

Se anche solo la metà di questo atterra, Gemini Omni sarà il lancio di modello IA più consequente di metà 2026 — e il momento in cui Google passa da una federazione di modelli specializzati a un singolo stack multimodale unificato.

In sintesi

Gemini Omni non è ufficialmente annunciato, ma la scia di stringhe UI, ID di modello e preview card funzionanti punta a un lancio entro giorni. Se è davvero un vero omni-modello, la categoria video IA entra in una nuova fase: produzione single-prompt, single-modello, single-finestra-di-contesto di testo, immagine, video e audio. Per chiunque segua l’IA generativa nel 2026, questa è la release da tenere d’occhio.