मूळ मल्टीमॉडल आउटपुट
एकच प्रॉम्प्ट जुळणारा मजकूर, कीफ्रेम आणि व्हिडिओ तयार करतो; पात्र, शैली आणि प्रकाश सर्व स्वरूपांमध्ये सलग राहतात.
Gemini Omni 1.1 Flash २७ ऑगस्ट २०२६ रोजी लाँच झाले — Google चे production-ready अपडेट, scene extensions ४० सेकंदांपर्यंत, first आणि last frame control, 360p draft mode, 4K upscaling आणि video references. Gemini ॲपमध्ये Veo च्या जागी; Google Flow, YouTube Shorts, Google Vids, Google AI Studio आणि Gemini Enterprise Agent Platform वर उपलब्ध.
खालील प्रत्येक क्लिप Google च्या अधिकृत Gemini Omni उत्पादन पृष्ठावरून थेट एम्बेड केले आहे: text-to-video, image-to-video, शैली हस्तांतरण, चॅट संपादन, video-to-video व AI अवतार.
सर्व डेमो व्हिडिओ © Google, येथे माहिती संकलनासाठी वापरले; storage.googleapis.com/gweb-gemini-cdn वरून थेट स्ट्रीम.
Gemini Omni चा मुख्य हीरो रील: संभाषणाद्वारे व्हिडिओ तयार करा, रीमिक्स करा व संपादित करा.
एका मजकूर प्रॉम्प्टमधून सुसंगत वातावरण व कॅमेरा भाषेसह मल्टी-शॉट क्लिप.
संदर्भ प्रतिमा अपलोड करा, Omni हालचाल चालवते, टाइमलाइन आपोआप भरते.
पार्श्वभूमी, पोशाख बदला किंवा शैली हस्तांतरित करा — तुमचा विषय त्याचे तपशील ठेवतो.
अस्तित्वातील फुटेज नवीन शैलीत — प्रकाश, लेन्स अगदी पदार्थही प्रॉम्प्टने पुनर्लेखित.
पात्रे बदला, प्रकाश समायोजित करा, शॉट्स स्थिर करा — फक्त चॅटद्वारे, पुनर्निर्मिती न करता.
एकदा AI अवतार सेट करा, मग प्रत्येक भविष्यातील व्हिडिओमध्ये फोटो अपलोड न करता दिसा.
Veo, Sora 2, Seedance 2.0 किंवा Kling सारख्या विशेष व्हिडिओ मॉडेल्सच्या उलट, Gemini Omni भाषा तर्क, प्रतिमा निर्मिती, व्हिडिओ निर्मिती व ऑडिओ संश्लेषण एकाच आर्किटेक्चरमध्ये ठेवते.
एकच प्रॉम्प्ट जुळणारा मजकूर, कीफ्रेम आणि व्हिडिओ तयार करतो; पात्र, शैली आणि प्रकाश सर्व स्वरूपांमध्ये सलग राहतात.
आता विशेष मॉडेल्सच्या साखळीची गरज नाही. मजकूर, प्रतिमा, व्हिडिओ व ऑडिओ समान वजने आणि लांब संदर्भ सामायिक करतात.
वातावरणीय आवाज, स्कोअर आणि संवाद एकाच फॉरवर्ड पासमध्ये चित्रासोबत संरेखित होतात — पहिल्या निर्यातीतच पावलांचे आवाज ठेक्यावर पडतात आणि ओठ बोलण्याशी जुळतात.
वस्तू बदला, प्रकाश बदला, कॅमेरा हालचाल नैसर्गिक भाषेत समायोजित करा — संपूर्ण पुन्हा-निर्मिती न करता, Nano Banana संपादन शैलीत.
विद्यमान क्लिप अपलोड करा आणि प्रॉम्प्टने तिची दिशा बदला. संदर्भ प्रतिमा, व्हिडिओ आणि ऑडिओ एका सूचनेत एकत्र केले जाऊ शकतात.
उत्पादन जाहिराती, Reels, संगीत व्हिडिओ आणि सिनेमॅटिक शॉर्ट्ससाठी अंगभूत टेम्पलेट प्रवेशाची अडचण कमी करतात, कॅमेरा भाषा सुसंगत ठेवतात.
खालील आकडे Google च्या २७ ऑगस्ट २०२६ production launch gemini-omni-1.1-flash अनुसरण करतात. Google AI Studio आणि Gemini Enterprise Agent Platform द्वारे उपलब्ध.
| घटक | ज्ञात संकेत |
|---|---|
| मॉडेल कुटुंब | Google Gemini Omni — 1.1 Flash production-ready रिलीज आहे |
| मॉडेल ID | gemini-omni-1.1-flash |
| क्लिप लांबी | प्रति निर्मिती १० सेकंद पर्यंत · scene extensions मध्ये ४० सेकंद पर्यंत (१०-सेकंद increments) |
| रिझोल्यूशन | 360p draft · 720p standard · 1080p · 4K upscale |
| आस्पेक्ट गुणोत्तर | 16:9, 9:16, 1:1 |
| ऑडिओ | आउटपुटवर मूळ सिंक ऑडिओ · API ऑडिओ संदर्भ अजून समर्थित नाहीत |
| इनपुट | मजकूर / प्रतिमा / व्हिडिओ (API ऑडिओ संदर्भ अजून समर्थित नाही) |
| प्रवेश | Gemini ॲप, Google Flow, YouTube Shorts/Create, Google Vids · डेव्हलपर Gemini API, Google AI Studio आणि Gemini Enterprise Agent Platform द्वारे |
| API किंमत | व्हिडिओ आउटपुट $0.10 प्रति सेकंद (Veo 3.1 Fast सारखेच) |
Google चा जनरेटिव्ह स्टॅक पूर्वी Veo (व्हिडिओ), Nano Banana / Imagen (प्रतिमा) आणि Gemini (मजकूर) मध्ये विभागलेला होता. Omni या सर्वांना एका आर्किटेक्चरमध्ये एकत्र करते.
पूर्वी
Veo 3.1
व्हिडिओ + मूळ ऑडिओ
Nano Banana / Imagen
प्रतिमा निर्मिती आणि संपादन
Gemini 2.5 / 3.x
तर्क · दीर्घ संदर्भ
आता · Omni
Gemini Omni
मजकूर · प्रतिमा · व्हिडिओ · ऑडिओ, एक मॉडेल, एक प्रॉम्प्ट
दीर्घ संदर्भ आणि सिंक ऑडिओसह एकत्रित मॉडेल म्हणजे टीम एक सुसंगत ब्रीफ लिहून पूर्ण कट घेऊन जाऊ शकते.
हीरो शॉट्स, पॅकेजिंग रिवील आणि लाइफस्टाइल कट, वातावरणीय ऑडिओसह तयार.
9:16 उभ्या क्लिप्स, माइक्रोफोन संवाद आणि बीट-सिंक हालचालींसह, स्क्रोल-थांबवणारे सोशल.
एक ट्रॅक संदर्भ द्या आणि Omni बीटवर दृश्ये कापते, शॉट्समध्ये पात्र सलग ठेवते.
अनेक १०-सेकंदाच्या omni-clips मल्टी-शॉट सिक्वेन्समध्ये जोडा, सतत प्रकाश व ऑडिओ बेडसह.
SaaS, फॅशन व DTC साइट्ससाठी लूप-योग्य 16:9 वातावरणीय क्लिप्स — ब्रँडेड व मूक-मित्रत्वाचे.
स्क्रिप्टचे लिप-सिंक संवाद आणि जुळणाऱ्या वातावरणीय आवाजासह सिक्वेन्समध्ये रूपांतर करा.
Artificial Analysis, Looksy AI, Oimi AI आणि अधिकृत कीनोटवरून संकलित — बेंचमार्क नाहीत, दिशा.
| मॉडेल | निर्माता | आर्किटेक्चर | मूळ ऑडिओ | क्लिप लांबी |
|---|---|---|---|---|
| Gemini Omni
Omni
| एकत्रित omni (व्हिडिओ + प्रतिमा + ऑडिओ) | एकाच पासमध्ये सिंक | 10s · ४०s पर्यंत | |
| Veo 3.1 | विशेष व्हिडिओ मॉडेल | होय | ~८s | |
| Seedance 2.0 | ByteDance | विशेष मल्टीमॉडल व्हिडिओ | होय | १५s पर्यंत / शॉट |
| Sora 2 | OpenAI | विशेष व्हिडिओ मॉडेल | होय | ~२०s |
| Kling V3.0 | Kuaishou | विशेष व्हिडिओ मॉडेल | मर्यादित | ~१०s |
Gemini Omni Flash, Google Flow च्या मोफत स्तरात, YouTube Shorts आणि YouTube Create अॅपमध्ये मोफत आहे. वेगळ्या Gemini अॅपसाठी Google AI Plus, Pro किंवा Ultra लागते. खालील अधिकृत प्रवेशद्वारे उघडा.
Google चे AI चित्रपटनिर्मिती स्टुडिओ. मोफत स्तरात वापर-मर्यादांसह Gemini Omni Flash समाविष्ट आहे; अधिक मर्यादा व प्रो साधनांसाठी Plus / Pro / Ultra घ्या.
उघडाShorts मध्येच Gemini Omni Flash क्लिप शून्य खर्चात तयार करा. Omni मोफत वापरून पाहण्याचा सर्वात स्वस्त अधिकृत मार्ग.
उघडाGemini Omni Flash आत बसवलेला मोबाईल एडिटर. AI सबस्क्रिप्शनची गरज नाही.
उघडाअधिकृत Gemini अॅपमध्ये Omni वापरा. Google AI Plus, Pro किंवा Ultra प्लॅन आवश्यक.
उघडासर्वात वेगवान मोफत मार्ग: YouTube Shorts किंवा YouTube Create अॅपमध्ये साइन इन करा, टेम्पलेट निवडा आणि Gemini अॅप प्रमाणेच मल्टी-शॉट प्रॉम्प्ट वापरा.
मोफत कोटा आणि किंमती प्रदेश व खात्यानुसार बदलतात. वरील अधिकृत प्रवेशद्वारांवर नेहमी तपासा.
सार्वजनिक अहवाल तारखेनुसार. २७ ऑगस्ट २०२६ Omni 1.1 Flash production launch पर्यंत अद्यतन.
X वापरकर्ता @Thomas16937378 यांना Gemini व्हिडिओ टॅबमध्ये "Start with an idea or try a template. Powered by Omni." दिसले.
TestingCatalog व Chetaslua यांनी "Meet our new video model" कार्ड, पूर्ण मॉडेल ID आणि १०-सेकंद क्लिप मर्यादा उघड केली.
"फळ्यावर त्रिकोणमिती सोडवणारे प्राध्यापक" क्लिपने मजकूर सुसंगती व भौतिक विश्वसनीयता दाखवली, Veo 3.1 शी तीव्र तुलना सुरू झाली.
Google ने I/O 2026 च्या मुख्य व्यासपीठावर Gemini Omni चे अनावरण केले, अधिकृत उत्पादन पृष्ठ व डेमो व्हिडिओ प्रकाशित केले, Gemini ॲपमध्ये Veo 3.1 बदलण्यास सुरुवात केली.
प्रक्षेपणात वैयक्तिक AI अवतार, video-to-video संपादन व चॅट-शैली मल्टी-टर्न संपादन समाविष्ट आहेत — भौगोलिक स्थिती व सदस्यता पातळीनुसार.
मॉडेल ID gemini-omni-flash-preview Google AI Studio, Gemini API आणि Gemini Enterprise Agent Platform वर $0.10 प्रति सेकंद व्हिडिओ आउटपुट — Veo 3.1 Fast सारखेच. संभाषणात्मक संपादन आणि मल्टीमॉडल संदर्भ (मजकूर, प्रतिमा, व्हिडिओ) समर्थित; API ऑडिओ संदर्भ अजून नाहीत.
Model ID gemini-omni-1.1-flash Google AI Studio आणि Gemini Enterprise Agent Platform द्वारे production-ready. नवीन क्षमता: scene extensions ४० सेकंदांपर्यंत, first आणि last frame specification, 360p draft mode (६०% वेगवान, १/३ खर्च), 4K upscaling, video references. Adobe Firefly, Figma Weave, Runway आणि इतरांनी एकत्र केले.
Google ने Ultra preview पेक्षा पुढे Gemini Omni Pro चा व्यापक rollout जाहीर केला, सध्याच्या video-first launch पेक्षा image आणि audio output modalities — पूर्ण "any input → any output" वचन.
Gemini Omni हे Google चे एकत्रित मल्टीमॉडल कुटुंब आहे. Production मॉडेल Gemini Omni 1.1 Flash (gemini-omni-1.1-flash) आहे, जे एकाच आर्किटेक्चरमध्ये मजकूर, प्रतिमा आणि व्हिडिओ इनपुटवरून मूळ सिंक ऑडिओसह व्हिडिओ तयार करते. scene extensions ४० सेकंदांपर्यंत, first/last frame control, 360p drafts आणि 4K upscaling सपोर्ट करते.
काही प्रमाणात. Gemini Omni Flash, Google Flow च्या मोफत स्तरात, YouTube Shorts आणि YouTube Create अॅपमध्ये मोफत आहे. वेगळ्या Gemini अॅपमध्ये Omni वापरण्यासाठी Google AI Plus, Pro किंवा Ultra चा पेड प्लॅन लागतो.
Google AI Plus दरमहा ~US$7.99 पासून सुरू होतो, AI Pro क्रिएटर्ससाठी सर्वात सामान्य टियर आहे, आणि AI Ultra दरमहा सुमारे US$100. AI Pro वर दोन Omni Flash जनरेशन्स दैनिक कोट्याचा सुमारे 86% खर्च करतात, त्यामुळे retries काळजीपूर्वक नियोजित करा. डेव्हलपर API स्वतंत्र किंमतीसह येईल.
आधीच उपलब्ध आहे. Google ने १९ मे २०२६ रोजी Google I/O 2026 च्या मुख्य व्यासपीठावर Gemini Omni जाहीर केले आणि अधिकृत उत्पादन पृष्ठ व डेमो व्हिडिओ प्रकाशित केले.
Gemini ॲपमध्ये Gemini Omni हा Veo चा उत्तराधिकारी आहे — Google ने स्पष्टपणे म्हटले आहे "Omni Gemini ॲपमध्ये Veo च्या जागी असेल". व्हिडिओ स्टॅक आता Gemini च्या मजकूर व प्रतिमा सोबत एकाच आर्किटेक्चरमध्ये आहे.
होय. वातावरणीय आवाज, स्कोअर व संवाद व्हिडिओसोबत त्याच पासमध्ये तयार होतात — म्हणूनच नाव "omni".
एकल क्लिप १० सेकंदांपर्यंत, scene extensions मध्ये एकूण ४० सेकंदांपर्यंत (१०-सेकंद increments). मूळ ऑडिओ, ५ फोटो संदर्भांपर्यंत, ३ सेकंद video references, multi-turn editing. 360p मध्ये draft करा किंवा 4K पर्यंत upscale करा.
Gemini Omni वापरण्यासाठी Google AI Plus, Pro किंवा Ultra योजना व १८+ वय आवश्यक. काही वैशिष्ट्ये (अवतार, video-to-video संपादन) काही देशांमध्ये मर्यादित असू शकतात.
हा तुमचा वैकल्पिक डिजिटल आवृत्ती आहे, एकदा सेट केल्यावर Gemini प्रत्येक वेळी फोटो अपलोड न करता तुमच्यासारखेच दिसणारे व ऐकू येणारे व्हिडिओ तयार करू शकतो — आणि तुमचा अवतार फक्त तुम्हीच वापरू शकता.
या पृष्ठावरील सर्व माहिती खालील सार्वजनिक स्रोतांवरून संकलित आहे. क्रॉस-रीडिंग शिफारस केली जाते.
Omni Flash लाँच, क्षमता, सरफेसेस आणि रोलआउट योजना तपशीलवार सांगणारी अधिकृत घोषणा पोस्ट.
Gemini Omni, नवीन $100 AI Ultra टियर आणि संलग्न लाँचेस यांचा समावेश असलेला पूर्ण I/O 2026 आढावा.
डेमो व्हिडिओ, क्षमता दौरा, समर्थित योजना व रोलआउट तपशीलांसह अधिकृत प्रक्षेपण पृष्ठ.
Omni Veo + Imagen स्टॅक एकत्र करून एका मॉडेलमध्ये कसा रूपांतरित करतो आणि आता vs. नंतर काय येते याबाबत स्वतंत्र विश्लेषकाचा आढावा.
लीक तपशील, UI स्ट्रिंग्स आणि प्रारंभिक डेमो विश्लेषण.
पूर्ण मॉडेल ID, ॲपमधील प्रॉम्प्ट्स व सामुदायिक प्रतिक्रिया.
स्पेसिफिकेशन, वापर आणि तुलनेचा नीटसा सारांश.
कुटुंब स्तरावरील मल्टीमॉडॅलिटी, दीर्घ संदर्भ व एजेंटिक दिशा.