Gemini Omni Flash रिव्यू: Google के Veo 3.1 की जगह लेने वाले मॉडल को जनरेट, एडिट और एक्सटेंड पर परखा

Veo 3.1 की विदाई तय है। Google के Gemini API के डिप्रिकेशन नोट्स इस पर साफ़ हैं: Veo 3.1, Veo 3.1 Fast और Veo 3.1 Lite के प्रीव्यू सबसे जल्दी 22 अक्टूबर 2026 को बंद हो सकते हैं, और तीनों के लिए सिर्फ़ एक ही विकल्प बताया गया है। वह है Gemini Omni 1.1 Flash।

Google ने इसे 27 अगस्त को जारी किया। पिछले दो हफ़्तों में हमने Gemini Omni Flash को ZOOOP पर जोड़ा और इसका हर मोड चलाकर देखा। हमें जो दिखा, अच्छा और बुरा दोनों, वह यहाँ है।

छोटे में बात

• Gemini Omni Flash जनरेट करना, एडिट करना और एक्सटेंड करना, तीनों एक ही मॉडल में ले आता है। क्लिप ग़लत निकले तो किसी दूसरे मॉडल पर शुरू से नहीं करना पड़ता। एक वाक्य में बता दीजिए कि क्या ठीक करना है, या आख़िर में कुछ सेकंड जोड़ दीजिए।
• हर क्लिप में आवाज़ होती है। डायलॉग, क़दमों की आहट और माहौल की आवाज़ें तस्वीर के साथ ही आती हैं। दिक़्क़त यह है कि आप इसे बंद नहीं कर सकते, बस दिशा दे सकते हैं।
• क्लिप 3 से 10 सेकंड की होती हैं, और सिर्फ़ 16:9 या 9:16 में। लंबे टेक या चौकोर फ़्रेमिंग के लिए कोई दूसरा मॉडल चाहिए।
• 360p वाला ड्राफ़्ट टियर बढ़िया है, लेकिन 720p पर दोबारा रेंडर करने से आपको एक नई क्लिप मिलती है, ड्राफ़्ट की ज़्यादा साफ़ कॉपी नहीं। बहुत से लोग उल्टा मान लेंगे। नीचे आमने-सामने की तुलना है।

Gemini Omni 1.1 Flash क्या है, और Veo 3.1 क्यों रिटायर हो रहा है

Veo, Google की लंबे समय से चल रही वीडियो सीरीज़ है, और Veo 3.1 इसका आख़िरी फ़्लैगशिप था। Gemini Omni अलग रास्ता अपनाता है। यह एक मल्टीमॉडल मॉडल है: टेक्स्ट, इमेज और छोटी वीडियो क्लिप, सब इनपुट के तौर पर गिने जाते हैं, और आउटपुट होता है आवाज़ वाला वीडियो।

क्रिएटर्स के लिए असली बदलाव यह है कि अब एक ही मॉडल पाँच काम करता है: टेक्स्ट से वीडियो, इमेज से वीडियो (चाहें तो आख़िरी फ़्रेम के साथ), रेफ़रेंस से वीडियो, मौजूदा क्लिप को एडिट करना, और क्लिप को आगे बढ़ाना। पहले इन कामों के लिए कई एआई वीडियो मॉडल के बीच आना-जाना पड़ता था। Gemini Omni Flash ये सब संभाल लेता है।

क्या Veo 4 आएगा?

बहुत से लोग Veo 4 सर्च कर रहे हैं। इस लेख के प्रकाशन तक (11 अक्टूबर 2026) हमें Google के सार्वजनिक दस्तावेज़ों में Veo 4 का न कोई मॉडल ID मिला, न लॉन्च की घोषणा। Veo 3.1 फ़ैमिली के उत्तराधिकारी के तौर पर Google जिसका नाम लेता है, वह है Gemini Omni 1.1 Flash।

तो व्यावहारिक सलाह यह है: अगर आप Veo 4 का इंतज़ार कर रहे थे, तो अभी Gemini Omni Flash से शुरुआत कर सकते हैं। अगर Google बाद में कोई नया मॉडल लाता भी है, तो आपके ज़्यादातर प्रॉम्प्ट और काम करने का तरीक़ा साथ चले जाएँगे।

पाँच मोड, आज़माकर देखे

टेक्स्ट से वीडियो: कट ख़ुद लगाता है

हमने माँगा "a golden retriever puppy chases falling autumn leaves in a sunlit park, slow motion, warm cinematic light, ambient birdsong", 10 सेकंड लंबा। नतीजे ने हमें चौंका दिया: Gemini Omni Flash ने उन 10 सेकंड के अंदर ख़ुद ही चार शॉट के बीच कट किए (एक वाइड, एक क्लोज़-अप, पीछा, और भागता हुआ पिल्ला), जैसे किसी ने एडिट किया हो।

शॉर्ट-फ़ॉर्म काम के लिए यह काम की चीज़ है, क्योंकि एक जनरेशन ही अपने-आप में एक छोटा सीक्वेंस बन जाती है। अगर आपको बिना कट वाला एक लगातार टेक चाहिए, तो प्रॉम्प्ट में साफ़ तौर पर "one continuous shot" लिखकर देखिए।

पहला और आख़िरी फ़्रेम: बीच का हिस्सा यह भर देता है

पहले और आख़िरी फ़्रेम से वीडियो में हमने एक स्लेटी रोबोट और वही रोबोट नारंगी रंग में दिया, साथ में एक लाइन का प्रॉम्प्ट: रोबोट ख़ुद को झटकता है और उसका खोल धीरे-धीरे नारंगी हो जाता है। तीन सेकंड, वर्टिकल। रंग का बदलना स्मूथ था, और रोबोट का आकार, उसकी आँखें और बगल का गुब्बारा, सब जस के तस रहे।

रेफ़रेंस से वीडियो: इमेज पहचान तय करती हैं, क्लिप हरकत लाती हैं

यह Gemini Omni का सबसे दिलचस्प हिस्सा है। प्रॉम्प्ट के साथ आप 10 तक रेफ़रेंस इमेज और ज़्यादा से ज़्यादा तीन वीडियो क्लिप जोड़ सकते हैं, हर क्लिप 3 सेकंड से लंबी नहीं। हमने रोबोट की दो फ़ोटो और पार्क की 2.5 सेकंड की एक क्लिप दी:

बदले में मिले दोनों रोबोट, उसी लॉन पर साथ-साथ लुढ़कते हुए, वही रोशनी और पेड़ों की वही परछाइयाँ जो रेफ़रेंस क्लिप में थीं:

रेफ़रेंस क्लिप के अंदर की आवाज़ नज़रअंदाज़ कर दी जाती है। क्लिप सिर्फ़ हरकत और लुक देती हैं।

एक वाक्य में एडिट: नई जैकेट, वही इंसान

वीडियो एडिट में हमने 8 सेकंड की एक क्लिप अपलोड की, जिसमें पीली हुडी पहने एक आदमी पार्क में खड़ा है। प्रॉम्प्ट: पीली हुडी को लाल लेदर जैकेट में बदल दो, बाक़ी सब वैसा ही रखो।

चेहरा, बाल, पोज़, बैकग्राउंड और टाइमिंग, सब अपनी जगह रहे। बदली तो सिर्फ़ जैकेट। पहले ऐसे एडिट का मतलब होता था दोबारा शूट।

एक्सटेंड: आख़िर में कुछ सेकंड और

उसी क्लिप पर हमने वीडियो एक्सटेंड से 3 सेकंड जोड़े: वह मुस्कुराता है, कैमरे की ओर हाथ हिलाता है, फिर दाईं ओर फ़्रेम से बाहर चला जाता है।

तीनों हरकतें हुईं, हालाँकि हाथ हिलाना बहुत छोटा रहा। तीन सेकंड में तीन हरकतें ठूँसना ज़्यादा है, इसलिए जिस हिस्से में बहुत कुछ होना हो, उसे कुछ सेकंड ज़्यादा दीजिए।

360p ड्राफ़्ट से 4K तक, और एक ग़लतफ़हमी

Gemini Omni Flash चार रेज़ोल्यूशन देता है: 360p, 720p, 1080p और 4K। Google ने 360p को ड्राफ़्ट टियर के तौर पर बनाया है: तेज़ और कम लागत वाला, कंपोज़िशन ढूँढने के लिए एकदम सही। 1080p और 4K नेटिव फ़्रेम से अपस्केल किए जाते हैं।

एक बात साफ़-साफ़ कहनी ज़रूरी है: वही प्रॉम्प्ट 720p पर दोबारा चलाने से आपको एक नई क्लिप मिलती है, आपके 360p ड्राफ़्ट का बड़ा किया हुआ वर्ज़न नहीं। यह रहा लाते आर्ट वाला वही प्रॉम्प्ट, बाईं ओर 360p, दाईं ओर 720p:

कंपोज़िशन और एक्शन क़रीब-क़रीब एक जैसे हैं, लेकिन कप, हाथ और कैमरा एंगल, सब बदल गए। इसलिए 360p का सही इस्तेमाल है प्रॉम्प्ट परखना: वह शब्द-चयन ढूँढिए जो शॉट को सही दिशा में ले जाए, फिर ऊँचे रेज़ोल्यूशन पर जनरेट कीजिए। किसी एक ड्राफ़्ट को चुनकर यह उम्मीद मत कीजिए कि HD वर्ज़न फ़्रेम-दर-फ़्रेम उससे मेल खाएगा।

क्या टूटा, और सीमाएँ

शुरू करने से पहले कुछ बातें जान लेना अच्छा है:

• आवाज़ बंद नहीं की जा सकती। अगर आपको सिर्फ़ माहौल की आवाज़ चाहिए, तो प्रॉम्प्ट में "no dialogue" या "no music" लिखिए, या बाद में क्लिप को म्यूट कर दीजिए।
• सिर्फ़ 16:9 और 9:16। हमने ग़ैर-मानक अनुपात वाली एक वर्टिकल क्लिप एडिट की, और आउटपुट मानक 9:16 में लौटा, किनारों से थोड़ा कटकर।
• हर क्लिप 10 सेकंड तक। एडिट और एक्सटेंड के लिए सोर्स क्लिप भी 10 सेकंड या उससे छोटी होनी चाहिए।
• सख़्त सेफ़्टी फ़िल्टर। कुछ जाने-पहचाने लोगों की फ़ोटो ठुकरा दी जाती हैं, इसलिए किसी ख़ास इंसान को मौजूदा फ़ुटेज में डालने के लिए यह मॉडल ठीक नहीं है।
• अंग्रेज़ी प्रॉम्प्ट सबसे भरोसेमंद हैं। Google अंग्रेज़ी को पूरी तरह समर्थित बताता है; दूसरी भाषाओं का औपचारिक मूल्यांकन नहीं हुआ है।

Veo 3.1 से स्विच करना

ज़्यादातर आदतें सीधे साथ आ जाती हैं:

नया हिस्सा है एडिटिंग। Veo में कोई क्लिप पसंद न आए तो शुरू से करना पड़ता था; अब आप उसे ठीक कर सकते हैं।

कब कोई दूसरा मॉडल चुनें

Gemini Omni Flash ऑल-राउंडर है, हर चीज़ में सबसे अच्छा नहीं:

• किसी ख़ास इंसान को मौजूदा क्लिप में डालने के लिए MiniMax H3 इस्तेमाल कीजिए।
• 10 सेकंड से लंबे टेक के लिए, या 1:1 और 4:3 फ़्रेमिंग के लिए, Wan V3.0 लीजिए, जो 30 सेकंड तक जाता है।
• मल्टी-शॉट सीक्वेंस के लिए, या 10 सेकंड से लंबी क्लिप के एडिट के लिए, Seedance V2.5 लीजिए।
• किसी डांस को हरकत-दर-हरकत किसी किरदार पर उतारना हो, तो Kling V3 का मोशन कंट्रोल…

ये सभी एक ही एआई वीडियो जनरेटर पेज पर हैं और एक ही क्रेडिट बैलेंस इस्तेमाल करते हैं, इसलिए स्विच करना बस एक क्लिक है।

आख़िरी बात

दो हफ़्तों के बाद Gemini Omni 1.1 Flash की जो बात हमारे साथ रह गई, वह है कि इसमें झंझट कितनी कम है: आप मॉडल छोड़े बिना एक क्लिप को पहले ड्राफ़्ट से तैयार होने तक ले जा सकते हैं। 360p पर दिशा परखिए, जो पसंद न आए उसे एक वाक्य के एडिट से ठीक कीजिए, और शॉट जल्दी ख़त्म हो जाए तो उसे एक्सटेंड कर दीजिए। Veo 3.1 के नियमित यूज़र्स के लिए स्विच करने में बहुत कम मेहनत लगती है, और बदले में पूरा एडिटिंग टूलकिट मिलता है।

स्पेसिफ़िकेशन और ज़्यादा उदाहरणों के लिए Gemini Omni 1.1 Flash मॉडल पेज देखिए। कई एआई वीडियो क्लिप को जोड़कर एक पूरा काम बनाना हो, तो उन्हें जनरेटिव कैनवस पर क्रम से लगाइए।