Gemini Omni Flash: generación de video conversacional

Gemini Omni Flash es el modelo de generación y edición de video conversacional de Google DeepMind, parte de la familia Gemini Omni presentada por primera vez en Google I/O 2026. Combina el razonamiento multimodal de Gemini con la creación nativa de video: describes lo que quieres en lenguaje natural, adjuntas imágenes o videos de referencia y el modelo genera un clip con audio sincronizado. La versión actual, Gemini Omni Flash 1.1, alcanzó la disponibilidad general el 27 de agosto de 2026 y añade interpolación de fotogramas clave, opciones de salida en 360p/4K y extensión de escena.

​

En qué destaca Gemini Omni Flash 1.1

• Edición de video conversacional: Refina y edita videos con lenguaje natural: cambia personajes, reilumina escenas, altera ángulos, agrega o elimina objetos manteniendo las pistas de audio y video originales
• Entrada multimodal: Combina texto, imágenes (hasta 14) y videos (hasta 3, de 10 segundos cada uno) para guiar la generación. Cada resultado incluye una pista de audio nativa
• Interpolación de fotogramas clave: Con la tarea image_to_video, adjunta un fotograma inicial y un fotograma final opcional, y el modelo genera el metraje intermedio
• Referencia a video: Vincula imágenes de referencia a roles con etiquetas como <IMAGE_REF_0> para que los personajes, productos y objetos de tus imágenes aparezcan en una nueva escena sin que la imagen se use como fotograma
• Extensión de escena: La tarea extend agrega hasta 10 segundos de metraje nuevo a un clip, leyendo los últimos 10 segundos de contexto para mantener la consistencia del personaje y del movimiento, hasta unos 40 segundos acumulados
• Control de resolución: Genera borradores en 360p (cerca de un tercio del costo de 720p) y luego vuelve a renderizar en 720p, 1080p o 4K. Se admiten las relaciones de aspecto 16:9 y 9:16
• Conocimiento del mundo y simulación: Combina la comprensión de la física con el conocimiento de Gemini sobre historia, ciencia y contexto cultural, lo que permite narrativas significativas más allá del fotorrealismo
• Sincronización de texto y acción: Renderiza texto y gráficos legibles directamente en el video, sincronizando la tipografía cinética con los movimientos en pantalla

​

Flujos de trabajo disponibles

​

Text to Video (Omni Flash)

Genera video a partir de un solo prompt de texto con el modelo Gemini Omni Flash de nivel preview. Describe la escena, la duración y la relación de aspecto en un solo prompt, y el modelo renderiza el clip con una pista de audio nativa.

​

Text to Video (Omni Flash 1.1)

Genera video cinematográfico a partir de prompts en lenguaje natural con Gemini Omni Flash 1.1. Describe la duración deseada (de 3 a 10 segundos) directamente en el prompt y elige la relación de aspecto y la resolución de salida en el nodo: 16:9 o 9:16, 360p para borradores económicos y hasta 4K para los renders finales. Cada clip incluye una pista de audio generada.

​

Imagen a video (Omni Flash 1.1)

Anima una imagen con Gemini Omni Flash 1.1. Con la tarea image_to_video, la primera imagen adjunta pasa a ser el fotograma inicial y una segunda imagen opcional pasa a ser el fotograma final: el modelo genera el metraje intermedio, lo que hace predecibles las órbitas de cámara, las transiciones de zoom y los clips en bucle.

​

Referencia a video (Omni Flash 1.1)

Genera video que incorpore sujetos específicos a partir de hasta 14 imágenes de referencia. En el modo de referencia, vincula cada imagen a un rol con etiquetas como <IMAGE_REF_0> y haz referencia a las etiquetas en tu prompt: los personajes, productos y objetos de tus imágenes aparecen en la escena, mientras que la imagen en sí nunca se usa como fotograma. Combina referencias de personajes con referencias de estilo para obtener contenido coherente con tu marca.

​

Editar video (Omni Flash 1.1)

Edita videos con lenguaje natural usando Gemini Omni Flash 1.1. Con la tarea edit, el nodo toma exactamente un video de entrada (10 segundos o menos) y lo reescribe según tus instrucciones: cambia fondos, rediseña escenas, agrega o elimina elementos. Las tareas edit y extend mantienen la relación de aspecto del video de entrada. Los prompts simples funcionan mejor; agregar «mantén todo lo demás igual» maximiza la consistencia.

​

Extender video (Omni Flash 1.1)

Extiende un video existente hasta 10 segundos por paso con la tarea extend, creando historias de hasta unos 40 segundos en total. El modelo analiza los últimos 10 segundos de contexto y mantiene la coherencia de personajes, movimiento y audio mientras la escena continúa desde donde se quedó. De manera opcional, adjunta imágenes de referencia para introducir personajes nuevos a mitad de la historia. La extensión añade contenido nuevo solo al final del clip, pero el modelo puede revisar los fotogramas finales del material de origen para que la transición sea fluida.

​

Empezar

1. Actualiza ComfyUI a la última versión (0.34.2 o posterior para los flujos de trabajo de Omni Flash 1.1)
2. Haz doble clic en el lienzo y busca los nodos “Gemini Omni Flash”
3. O ve a la Biblioteca de plantillas para usar los flujos de trabajo listos para usar
4. Elige el flujo de trabajo que coincida con tu tipo de entrada (texto, imagen o video)
5. Escribe tu prompt y genera