Saída multimodal nativa
Um prompt único produz texto, keyframes e vídeo combinados, com personagens, estilo e iluminação consistentes entre formatos.
Vazando · Google I/O 2026 Gemini Omni
Gemini Omni
Um modelo para texto, imagem, vídeo e áudio
Aparecido em vários vazamentos no início de maio de 2026, o Gemini Omni é o próximo modelo multimodal unificado do Google: geração nativa de texto, imagem, vídeo e áudio sincronizado em um único sistema treinado em Gemini.
Modelo unificado Áudio sincronizado Edição no chat
Omni
Text
Image
Video
Audio
Números-chave
5–10s Duração do clipe
1080p Resolução máxima
16:9 · 9:16 · 1:1 Formatos
I/O 2026 Lançamento previsto
Recursos
Toda a pipeline criativa em um único modelo
Diferente de modelos especializados como Veo, Sora 2, Seedance 2.0 ou Kling, o Gemini Omni mantém raciocínio de linguagem, geração de imagem, geração de vídeo e síntese de áudio em uma só arquitetura.
Uma pilha Gemini unificada
Sem precisar encadear modelos especializados. Texto, imagem, vídeo e áudio compartilham os mesmos pesos e contexto longo.
Áudio nativo sincronizado
Som ambiente, trilha e diálogo são alinhados à imagem na mesma passada — passos no beat, lábios sincronizados na primeira exportação.
Edição direto no chat
Troque um objeto, mude a iluminação, ajuste a câmera em linguagem natural — sem regerar, no estilo Nano Banana.
Remix e direção
Suba um clipe e redirecione com prompts. Imagens, vídeos e áudios de referência combinam em uma única instrução.
Templates e estilos
Templates para anúncios, Reels, clipes musicais e curtas cinemáticos reduzem a barreira de entrada e mantêm linguagem de câmera consistente.
Especificações
O que dá para reconstruir antes do keynote
Os números abaixo agregam vazamentos no Reddit/X e reportagens da TestingCatalog, Programming Insider e OfficeChai.
| Dimensão | Sinais conhecidos |
|---|---|
| Família | Google Gemini — sucessor da marca Veo |
| ID do modelo | bard_eac_video_generation_omni / v3smm-lora-prod |
| Duração do clipe | 5 / 8 / 10 segundos por geração, encadeáveis no app |
| Resolução | 480p / 720p / 1080p |
| Formatos | 16:9, 9:16, 1:1 |
| Áudio | Sintetizado nativamente, sincronizado em uma passada |
| Entradas | Texto / imagem / vídeo / áudio de referência |
| Acesso | Staging no app Gemini, API esperada após o I/O |
| Cota | Reportes indicam que duas gerações Omni consomem ~86 % da cota diária do AI Pro |
Arquitetura
Três linhas de produto viram um Omni
A pilha generativa do Google se dividia em Veo (vídeo), Nano Banana / Imagen (imagem) e Gemini (texto). O Omni junta tudo em uma única arquitetura.
Antes
Veo 3.1
Vídeo + áudio nativo
Nano Banana / Imagen
Geração e edição de imagem
Gemini 2.5 / 3.x
Raciocínio · contexto longo
Agora · Omni
Gemini Omni
Texto · imagem · vídeo · áudio, um modelo, um prompt
Text Image Video Audio
Casos de uso
De um brief a conteúdo publicável
Modelo unificado + contexto longo + áudio sincronizado: dá para escrever um brief coerente e sair com um corte pronto.
01
Anúncios de produto
Hero shots, revelações de embalagem e cortes lifestyle com áudio ambiente já travado.
02
Reels & Shorts
Clipes 9:16 com diálogo on-mic e movimento sincronizado ao beat — ideal para social.
03
Clipes musicais
Referencie uma faixa e o Omni corta no beat mantendo personagem consistente entre cenas.
04
Curtas cinemáticos
Encadeie vários omni-clips de 10 s em sequências multi-shot com iluminação e leito sonoro contínuos.
05
Hero loops de landing
Loops 16:9 atmosféricos para SaaS, moda e DTC — com branding e leitura em mudo.
06
Explicativos e tutoriais
Transforme um script em sequência narrada com diálogo lip-sync e som ambiente combinando.
Comparar
Onde o Omni se encaixa na stack de vídeo de 2026
Agregado de Artificial Analysis, Looksy AI, Oimi AI e keynotes oficiais — para orientação, não como benchmark.
| Modelo | Fabricante | Arquitetura | Áudio nativo | Duração |
|---|---|---|---|---|
| Gemini Omni
Omni
| Omni unificado (vídeo + imagem + áudio) | Sincronizado em uma passada | 5 / 8 / 10s | |
| Veo 3.1 | Modelo de vídeo especializado | Sim | ~8s | |
| Seedance 2.0 | ByteDance | Vídeo multimodal especializado | Sim | até 15s / shot |
| Sora 2 | OpenAI | Modelo de vídeo especializado | Sim | ~20s |
| Kling V3.0 | Kuaishou | Modelo de vídeo especializado | Limitado | ~10s |
Linha do tempo
Do primeiro vazamento ao palco do I/O 2026
Ordenado por data pública de reporte, em evolução.
- 2026 · 05 · 02
Primeira string "Powered by Omni"
O usuário do X @Thomas16937378 detectou "Start with an idea or try a template. Powered by Omni." na aba de vídeo do Gemini.
- 2026 · 05 · 11
Card de preview completo no Gemini mobile
TestingCatalog e Chetaslua revelaram o card "Meet our new video model", o ID completo do modelo e o limite de 10 s.
- 2026 · 05 · 12 – 18
As demos viralizam
Um clipe de "professor resolvendo trigonometria no quadro" mostrou coerência textual e fidelidade física, disparando comparações com o Veo 3.1.
- 2026 · 05 · 19 – 20
Anúncio esperado no Google I/O 2026
Espera-se palco principal para o Omni, possivelmente com tier Flash / Pro, API e novos planos de assinatura.
FAQ
As dúvidas mais comuns sobre o Gemini Omni
O que é exatamente o Gemini Omni?
É o próximo modelo multimodal unificado do Google, que gera nativamente texto, imagem, vídeo e áudio sincronizado em uma só arquitetura — efetivamente unindo Veo, Imagen e Gemini.
Quando deve ser lançado?
Em meados de maio de 2026 ainda está em fase de vazamento. O reveal esperado é o keynote do Google I/O 2026 (19–20 de maio).
Como ele se relaciona ao Veo 3.1?
Os metadados indicam que o Omni herda engenharia do stack Veo, mas abandona a marca Veo e funde vídeo às camadas de texto e imagem do Gemini.
Ele realmente gera som?
Sim. Som ambiente, trilha e diálogo são produzidos na mesma passada do vídeo — é exatamente o porquê do nome "omni".
Qual o limite atual de duração do clipe?
O ID vazado aponta para 5, 8 ou 10 segundos por geração, com encadeamento no cliente.
Como será o preço?
Não confirmado. Um screenshot do Reddit mostra duas gerações Omni queimando ~86 % da cota diária do AI Pro, então um tier "Ultra / Pro Plus" é plausível.
Fontes
Reportes primários e links públicos
Todo o conteúdo é agregado das fontes públicas abaixo. Recomenda-se leitura cruzada.
programminginsider.com Ler fonte
TestingCatalog · Programming Insider
Detalhes do vazamento, strings de UI e análise das primeiras demos.
oimi.ai Ler fonte
Oimi AI · resumo Gemini Omni Leaked
Especulações sobre arquitetura e comparação com Seedance / Veo.
officechai.com Ler fonte
OfficeChai · Gemini Omni Spotted
ID completo do modelo, prompts in-app e reações da comunidade.
looksyai.in Ler fonte
Looksy AI · página Gemini Omni
Resumo organizado de specs, casos de uso e comparações.
storage.googleapis.com Ler fonte
Relatório técnico do Gemini 2.5
Multimodalidade da família, contexto longo e direção agêntica.