Google apresenta Gemini Omni Flash — modelo para criar vídeos a partir de texto e imagens

Google apresentou Gemini Omni Flash — novo modelo de inteligência artificial que cria vídeos de alta qualidade a partir de uma combinação de texto, imagens, áudio e outros vídeos simultaneamente. Este é o primeiro grande passo em direção à geração completa de vídeos, onde a IA se torna um diretor digital, roteirista e editor em uma só pessoa.

Física e lógica em uma só janela

Gemini Omni Flash processa vários tipos de dados de entrada em paralelo e os transforma em conteúdo de vídeo. O modelo se destaca particularmente pela simulação precisa de física: simula corretamente gravidade, energia cinética, dinâmica de fluidos e interação de objetos em espaço tridimensional. Isso significa que os movimentos parecem naturais — objetos caem corretamente, líquidos fluem logicamente, tecido se dobra realisticamente, cabelos ondulam ao vento.

Anteriormente, esses detalhes exigiam trabalho manual de artistas 3D e especialistas em simulação. Agora a IA consegue fazer isso em tempo real, processando sua ideia instantaneamente. Para produção de vídeo, isso significa que diretores podem experimentar ideias muito mais rapidamente.

O principal diferencial — o modelo raciocina sobre o que deve acontecer a seguir. Não apenas gera uma sequência mecânica de quadros, como faziam os primeiros geradores de vídeo. Em vez disso, Omni entende o contexto e o conhecimento de mundo incorporado do Google: onde está cada um, o que logicamente acontecerá em uma cena específica, como os personagens devem se mover uns em relação aos outros e ao ambiente.

Edição através da conversa

O segundo recurso revolucionário é a edição de vídeo através de linguagem natural. Você não abre a edição final, não procura o clipe necessário na biblioteca, não aplica efeitos manualmente. Você simplesmente escreve: "adicione mais pessoas ao fundo", "mude a cor do vestido do personagem de azul para vermelho", "torne a cena mais ensolarada e alegre".

O modelo entende essas solicitações e edita o vídeo sem exportação intermediária, reconversão e reimportação. Toda a dinâmica, consistência de personagens e iluminação é preservada — apenas o necessário é alterado. Isso economiza horas de trabalho rotineiro.

Todos os vídeos são automaticamente marcados com uma marca d'água SynthID oculta — uma assinatura invisível ao olho humano, mas legível para máquinas. Isso é crítico para verificação: é possível provar inequivocamente que o vídeo foi criado por IA e não foi filmado em câmera. Assim, a desinformação é prevenida e deepfakes são expostos à primeira vista.

Onde foi lançado e próximas etapas

• app Gemini — aplicativo web e mobile
• Google Flow — assistente digital pessoal
• YouTube Shorts — gratuito para todos os usuários
• Assinaturas Google AI Plus, Pro e Ultra

Desenvolvedores e empresas terão acesso via API posteriormente. Google observa que ainda está trabalhando na implantação segura de recursos de edição de áudio e síntese de voz. Aqui é necessária cautela extra — a voz é um atributo mais sensível da personalidade.

O que isso significa

Conteúdo de vídeo se torna tão rápido de criar quanto texto ou e-mail. Anteriormente, para vídeo profissional, eram necessários conhecimentos especializados em edição de vídeo, software caro como Adobe Premiere e horas de trabalho rotineiro em interfaces. Agora a ideia criativa se transforma em um prompt de texto e um lindo vídeo está pronto em minutos. Isso acelerará drasticamente a criação de conteúdo para marketing, educação, entretenimento e comunicação interna de empresas. Pequenos negócios poderão competir com grandes em qualidade de material de vídeo. Provavelmente, em breve haverá padrões para marcação obrigatória de conteúdo de vídeo, e quem se adaptar primeiro ao trabalho com geração de vídeo obterá vantagem competitiva.