Google está a punto de soltar Gemini Omni, su nuevo modelo de generación de vídeos. Todavía no lo ha anunciado oficialmente (la presentación esperada es en Google I/O, 19-20 de mayo), pero las filtraciones ya nos muestran qué se trae entre manos. Y sinceramente, tiene pinta de ser bastante increíble:

👉 Audio nativo en una pasada: Se acabó grabar vídeo y luego meter sonido por separado. Omni genera imagen y audio sincronizado todo junto.

👉 Edición conversacional: Le dices qué cambiar y listo: “cambia el coche rojo por uno negro”, “suaviza ese diálogo”. El modelo reescribe solo esa parte, fotograma a fotograma. Sin volver a generar todo.

👉Memoria larga: Omni mantiene todo un cortometraje en memoria de trabajo. Esto significa que los personajes mantienen su cara, su ropa, su estilo entre escenas.

👉 Texto que funciona: Omni genera texto legible en vídeos. Un profesor escribiendo ecuaciones en una pizarra, signos en una tienda, diálogos subtitulados. Funciona realmente bien. La mayoría de IA aún falla en esto.

No será solo un generador de vídeos especializados como el resto. Omni podría manejar imagen, vídeo y audio en una sola arquitectura.

Google tenía sus modelos divididos: Veo para vídeo, otros para imágenes, Gemini para texto. Con Omni, apuesta por la unificación. Un solo modelo para todo. Si funciona como esperan, es el cambio más importante que ha hecho Google en generación de contenido en años.

🔥 Esperemos que las filtraciones sean ciertas y que en mayo tengamos esta bomba disponible. Si funciona como promete, va a ser increíble para trabajar con vídeos.