Gemini Omni 1.1 Flash

No que o Gemini Omni 1.1 Flash é bom, e onde não é

O Gemini Omni 1.1 Flash é a resposta do Google a um problema que todo fluxo de trabalho de vídeo enfrenta: o modelo que gera um plano normalmente não consegue corrigi-lo depois. Você renderiza um clipe, a jaqueta sai na cor errada ou a tomada termina um segundo antes da hora, e lá está você escrevendo prompts do zero de novo, com outro modelo e outro visual. O Omni reúne criação, edição e extensão em um só modelo com uma só linguagem visual, e gera o som na mesma passada que a imagem. O Google lançou o modelo em 27 de agosto de 2026 e o apresenta como substituto da família Veo 3.1.

O primeiro recurso de destaque são as referências multimodais. Junto com o prompt, você pode adicionar até 10 imagens (um personagem de vários ângulos, um produto, uma locação) e até três clipes de vídeo de 3 segundos cada. As imagens travam a identidade: rostos, figurinos e rótulos se mantêm estáveis ao longo do plano. Os clipes curtos trazem movimento e enquadramento: um travelling, um gesto com a mão, o ritmo de uma caminhada. Nos nossos testes, duas fotos de produto mais um clipe de 2,5 segundos gravado em um parque resultaram nos dois produtos rolando por aquele mesmo gramado, com a mesma luz.

O segundo é a edição com uma frase. Envie um clipe de até 10 segundos e descreva a mudança: um moletom amarelo vira uma jaqueta de couro vermelha, uma rua ensolarada fica debaixo de chuva, o dia vira entardecer. A pessoa, o enquadramento e o ritmo continuam os mesmos, e o resultado mantém a duração e a orientação do original. Estender funciona do mesmo jeito pela outra ponta: acrescenta de 3 a 10 segundos a um clipe para que uma caminhada continue ou uma porta finalmente se abra, com som combinando.

O terceiro é a escada do rascunho à finalização. 360p é um nível de rascunho rápido, feito para encontrar a composição. Quando uma versão funcionar, renderize de novo para a entrega em 720p, o nível nativo mais alto, ou em 1080p ou 4K, ampliados a partir dos quadros nativos.

Onde é mais fraco: os clipes têm de 3 a 10 segundos e só saem em 16:9 ou 9:16. Para tomadas únicas mais longas ou enquadramento quadrado, o Wan V3.0 chega a 30 segundos e oferece 1:1 e 4:3. O áudio está sempre ligado: dá para direcioná-lo, não desativá-lo. Os filtros de segurança do Google são rigorosos, e fotos de algumas pessoas reconhecíveis são recusadas; por isso, para colocar uma pessoa específica em um clipe existente, o MiniMax H3 é a ferramenta mais adequada. Para editar clipes com mais de 10 segundos, use o Seedance V2.5.

Um modelo mental razoável: deixe o Gemini Omni 1.1 Flash como padrão para clipes com som que você talvez queira revisar, porque o mesmo modelo consegue editar e estender o que criou. Recorra ao MiniMax H3 para trocar uma pessoa em um vídeo existente, ao Wan V3.0 para tomadas longas ou quadradas e ao Seedance V2.5 para sequências com vários planos.