Gemini Omni Flash 1.2: generación de video conversacional

Gemini Omni Flash 1.2 es el modelo de video conversacional de Google, disponible en ComfyUI a través del nodo socio Google Gemini Omni (Video). Describe la toma en lenguaje natural, adjunta imágenes o un clip de referencia y el nodo devuelve video con audio sincronizado. La versión 1.2 genera clips de 3 a 15 segundos en 360p, 720p, 1080p o 4K, en 16:9 o 9:16. Acepta hasta 14 imágenes de referencia y 3 videos de referencia, y extiende un clip hasta 30 segundos. Omni Flash 1.1 y el modelo de vista previa anterior siguen disponibles para seleccionar en el nodo.

​

Para qué sirve Gemini Omni Flash 1.2

• Edición conversacional: cambia un personaje, vuelve a iluminar una escena, modifica el ángulo de cámara o agrega y elimina objetos mientras el resto del plano mantiene su encuadre y su audio
• Entrada multimodal: combina texto, hasta 14 imágenes y hasta 3 videos de referencia de 15 segundos cada uno
• 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 entre ambos
• Referencia a video: etiqueta cada imagen de referencia como <IMAGE_REF_0> y nómbrala en el prompt, para que un personaje o producto aparezca en una escena nueva en lugar de usarse como fotograma
• Extensión de escena: la tarea extend continúa un clip desde sus últimos fotogramas, hasta un resultado de 30 segundos, sin una costura visible
• Control de resolución: haz un borrador a 360p y luego renderiza el clip final hasta 4K

​

Flujos de trabajo disponibles

​

Text to Video (Omni Flash 1.2)

Escribe la escena, la duración (de 3 a 15 segundos) y el movimiento en un solo prompt. El nodo devuelve el clip con una pista de audio generada.

​

Imagen a video (Omni Flash 1.2)

Anima una imagen fija con la tarea image_to_video. La primera imagen es el fotograma inicial, una segunda imagen opcional es el fotograma final, y el prompt aporta el movimiento y el sonido.

​

Referencia a video (Omni Flash 1.2)

Mantén un sujeto consistente a lo largo de una nueva escena. Etiqueta cada imagen de referencia como <IMAGE_REF_0> y nombra la etiqueta en el prompt: el personaje o producto aparece en el clip, mientras que la imagen en sí nunca se usa como fotograma.

​

Editar video (Omni Flash 1.2)

Cambia una sola cosa en un clip finalizado con la tarea edit: cambia un fondo, modifica el estilo de una escena, agrega o elimina un elemento, mientras el corte, el tiempo y el audio se mantienen. Adjunta exactamente un video de hasta 15 segundos, limita el prompt al cambio que quieres y agrega “keep everything else the same” para lograr la máxima consistencia.

​

Extender video (Omni Flash 1.2)

Continúa un clip finalizado en lugar de volver a grabarlo. La tarea extend lee los últimos fotogramas y mantiene el sujeto, el encuadre y el audio durante el siguiente tramo: una entrada de 5 segundos se convierte en una salida de 10 segundos. Los videos de entrada pueden durar hasta 25 segundos y el resultado puede llegar a 30 segundos.

​

Empezar

1. Actualiza ComfyUI a 0.44.1 o posterior
2. Haz doble clic en el lienzo y busca “Google Gemini Omni (Video)”, o abre un flujo de trabajo desde la Biblioteca de plantillas
3. Selecciona Omni Flash 1.2 en el menú desplegable de modelo
4. Elige la tarea que coincida con tu entrada, escribe el prompt y ejecuta