Google presentó Gemini Omni 1.1 Flash, una nueva versión de su modelo de inteligencia artificial para la generación de vídeo que amplía la duración de las escenas y mejora el control sobre el resultado final.

La actualización permite crear secuencias de hasta 40 segundos mediante la extensión progresiva de fragmentos, incorporar fotogramas clave para definir el inicio y el final de una toma y escalar el contenido hasta resolución 4K.

La novedad apunta a uno de los principales problemas que enfrentan los modelos de vídeo generativo: mantener la coherencia visual cuando una escena se prolonga durante varios segundos.

Con Gemini Omni 1.1 Flash, Google amplía la cantidad de información que el sistema puede analizar del vídeo anterior, lo que debería permitir conservar con mayor precisión elementos como la iluminación, los movimientos, la física de la escena y la apariencia de los personajes.

Más memoria para mantener la coherencia de una escena

Uno de los cambios más importantes de Gemini Omni 1.1 Flash está relacionado con la memoria visual del modelo. Según la información disponible, la nueva versión puede tomar como referencia hasta los diez segundos previos del vídeo original, frente al aproximadamente un segundo que procesaba la versión anterior.

Esta diferencia resulta relevante al extender una escena. En los modelos de vídeo con IA, una continuación puede cambiar repentinamente la posición de un objeto, la dirección de la luz o incluso los rasgos de un personaje cuando el sistema no dispone de suficiente contexto sobre lo que ocurrió previamente.

Al analizar una ventana temporal más amplia, Gemini Omni 1.1 Flash puede utilizar más información para construir el siguiente fragmento. El objetivo es evitar que cada nueva sección del vídeo parezca una escena completamente independiente y conseguir transiciones más naturales.

Los vídeos se generan en bloques de diez segundos

Aunque el modelo puede alcanzar una duración total de hasta 40 segundos, no genera toda la secuencia en una sola operación. El sistema construye el vídeo en bloques de diez segundos que se van encadenando progresivamente.

Cada nuevo segmento utiliza como referencia el material anterior, lo que permite revisar el resultado antes de continuar con la generación. Este sistema también ofrece una ventaja para los creadores: si un fragmento presenta un error o no responde a lo esperado, es posible corregirlo antes de avanzar y evitar que el problema afecte a toda la secuencia.

La actualización mantiene, además, las funciones de edición conversacional. Esto significa que los usuarios pueden solicitar cambios sobre un vídeo ya generado mediante instrucciones en lenguaje natural, sin necesidad de comenzar nuevamente el proceso desde cero.

Control de movimiento mediante fotogramas clave

Otra de las funciones incorporadas es la posibilidad de utilizar imágenes como fotogramas iniciales y finales. El usuario puede definir cómo debe comenzar y terminar un plano y permitir que la inteligencia artificial genere el movimiento entre ambos puntos.

Esta herramienta puede utilizarse para crear movimientos de cámara, acercamientos, transiciones o secuencias en las que un elemento debe desplazarse de una posición determinada a otra. También abre la posibilidad de crear bucles de vídeo con mayor control sobre el punto de inicio y el final.

El uso de estos fotogramas clave busca acercar la generación por inteligencia artificial a algunos flujos de trabajo tradicionales de producción audiovisual, donde los creadores necesitan definir determinados puntos de referencia antes de construir la animación.

Vídeos en 4K, aunque mediante escalado

Gemini Omni 1.1 Flash mantiene el 720p como resolución principal para la generación de vídeo y también permite trabajar en 360p para realizar pruebas rápidas. Las opciones de 1080p y 4K se obtienen mediante un proceso de escalado posterior.

Esto significa que el modelo no crea originalmente todos los píxeles en 4K, sino que genera el material en una resolución base y posteriormente aumenta su tamaño. La diferencia es importante para entender que una mayor resolución no necesariamente implica el mismo nivel de detalle que un vídeo generado de forma nativa en 4K.

Google también plantea diferentes costos según la calidad elegida. El vídeo en 360p tiene un precio de 0,03 dólares por segundo y el de 720p asciende a 0,10 dólares por segundo. Para 1080p, la tarifa es de 0,15 dólares por segundo. El posible precio de 4K rondaría los 0,30 dólares por segundo, aunque esa cifra todavía no aparece confirmada de forma definitiva en la documentación disponible.

Disponible para desarrolladores y usuarios de Gemini

Gemini Omni 1.1 Flash ya está disponible a través de la API de Gemini, Google AI Studio y Gemini Enterprise Agent Platform. También llegará a Flow y a la aplicación de Gemini para los usuarios con suscripciones Google AI Plus, Pro y Ultra.

La tecnología también comenzará a integrarse en herramientas de terceros. Adobe incorporó Gemini Omni Flash a Firefly, mientras que Google lo está llevando a Vids, su plataforma para crear vídeos orientados al ámbito empresarial.

Con estas mejoras, Google busca ampliar las posibilidades de la producción audiovisual con inteligencia artificial. La mayor duración, el control mediante fotogramas y la posibilidad de escalar hasta 4K representan un paso para que estos modelos puedan utilizarse en proyectos más complejos, aunque todavía será necesario comprobar hasta qué punto mantienen la coherencia visual en secuencias cada vez más largas.