Gemini Omni 1.1 Flash

En qué destaca Gemini Omni 1.1 Flash, y en qué no

Gemini Omni 1.1 Flash es la respuesta de Google a un problema con el que tropieza cualquier flujo de trabajo de vídeo: el modelo que genera un plano normalmente no puede arreglarlo después. Renderizas un clip, la chaqueta sale del color equivocado o la toma termina un segundo antes de tiempo, y vuelves a escribir prompts desde cero con otro modelo y otra estética. Omni reúne creación, edición y extensión en un solo modelo con un solo lenguaje visual, y genera el sonido en la misma pasada que la imagen. Google lo lanzó el 27 de agosto de 2026 y lo presenta como sustituto de la familia Veo 3.1.

La primera capacidad estrella son las referencias multimodales. Junto al prompt puedes añadir hasta 10 imágenes (un personaje desde varios ángulos, un producto, un lugar) y hasta tres clips de vídeo de 3 segundos cada uno. Las imágenes fijan la identidad: rostros, vestuario y etiquetas se mantienen estables a lo largo del plano. Los clips cortos aportan movimiento y encuadre: un travelling, un gesto con la mano, el ritmo de una caminata. En nuestras pruebas, dos fotos de producto más un clip de 2,5 segundos grabado en un parque dieron como resultado los dos productos rodando por ese mismo césped, con la misma luz.

La segunda es la edición con una frase. Sube un clip de hasta 10 segundos y describe el cambio: una sudadera amarilla se convierte en una chaqueta de cuero roja, una calle soleada pasa a estar bajo la lluvia, el día da paso al anochecer. La persona, el encuadre y el ritmo se mantienen, y el resultado conserva la duración y la orientación del original. La ampliación funciona igual desde el otro extremo: añade de 3 a 10 segundos a un clip para que una caminata continúe o una puerta por fin se abra, con sonido a juego.

La tercera es la escalera del borrador al acabado. 360p es un nivel de borrador rápido pensado para encontrar la composición. Cuando una versión funcione, vuelve a renderizarla para la entrega en 720p, el nivel nativo más alto, o en 1080p o 4K, escalados a partir de los fotogramas nativos.

Dónde flojea: los clips duran de 3 a 10 segundos y solo están disponibles en 16:9 o 9:16. Para tomas únicas más largas o encuadre cuadrado, Wan V3.0 llega a 30 segundos y ofrece 1:1 y 4:3. El audio siempre está activado: puedes orientarlo, no desactivarlo. Los filtros de seguridad de Google son estrictos y se rechazan fotos de algunas personas reconocibles, así que para insertar a una persona concreta en un clip existente MiniMax H3 es mejor herramienta. Para editar clips de más de 10 segundos, usa Seedance V2.5.

Un modelo mental razonable: haz de Gemini Omni 1.1 Flash tu opción por defecto para clips con sonido que quizá quieras retocar, porque el mismo modelo puede editar y extender lo que ha creado. Recurre a MiniMax H3 para sustituir a una persona en metraje existente, a Wan V3.0 para tomas largas o cuadradas y a Seedance V2.5 para secuencias multiplano.