Diferente de modelos que convertem entradas em sequência (um pipeline), o Gemini Omni Flash processa texto, imagens, áudio e vídeo como uma única entrada unificada e produz vídeo como saída — uma capacidade chamada "any-to-any" (de qualquer coisa para qualquer coisa) . O modelo gera clipes de 3 a 10 segundos em 720p a 24 quadros por segundo nos formatos 16:9, 9:16 ou 1:1, com áudio nativo sincronizado criado na mesma etapa
.
Você pode enviar ao modelo até sete imagens de referência, um clipe de vídeo e um briefing de texto em um único comando, e ele os combina em um resultado coerente . Por exemplo, um usuário pode fornecer fotos de um produto, um vídeo de fundo e uma descrição, e o Omni Flash gera um pequeno anúncio promocional.
A grande novidade é a edição de vídeo por conversa, possibilitada pela Interactions API . Em vez de exportar clipes para um programa de edição separado, os usuários podem refinar os resultados iterativamente usando linguagem natural — trocar personagens, trocar produtos, transferir estilos, adicionar objetos e mudar a iluminação — enquanto o modelo preserva as partes do vídeo que o usuário deseja manter
. Cada rodada da conversa gera um novo vídeo, e o modelo entende o contexto das rodadas anteriores
.
O preço da API é de US$ 0,10 por segundo de vídeo gerado, o que equivale a US$ 1 por clipe de 10 segundos . Esse valor é similar ao do Veo 3.1 Fast, posicionando o Omni Flash como uma alternativa de menor custo e iteração mais rápida para fluxos de trabalho de vídeo
. O preço também é de US$ 1,50 por milhão de tokens de entrada e US$ 17,50 por milhão de tokens de saída de vídeo
.
Para os consumidores, o Gemini Omni Flash é gratuito no YouTube Shorts para usuários com 18 anos ou mais . Ele também está incluso nos planos de assinatura Google AI Plus, Pro e Ultra
.
O limite de 10 segundos é uma decisão consciente de produto no lançamento, com durações maiores planejadas para o futuro . A Google caracterizou isso como uma estratégia de lançamento responsável, equilibrando capacidade com segurança
. Alguns comentaristas observam que o limite pode ser uma restrição do lado da implantação, e não uma limitação da arquitetura do modelo
.
Todo clipe gerado ou editado com o Omni Flash inclui uma marca d'água digital invisível do SynthID . Os usuários podem verificar se um conteúdo foi criado por IA através do aplicativo Gemini, do Gemini no Chrome e da Pesquisa Google, perguntando: "Este vídeo foi criado com a IA do Google?"
. Em superfícies compatíveis do Google, o conteúdo também carrega C2PA Content Credentials (credenciais de conteúdo)
. Não há opção na API para desativar essa marcação
.
Em 1º de julho de 2026, a Adobe adicionou o Gemini Omni Flash como um modelo parceiro dentro do Adobe Firefly, permitindo a edição de vídeos em inglês simples usando a interface e o sistema de créditos do Firefly . O custo é de 30 créditos por segundo de vídeo
. Essa integração segue uma parceria mais ampla anunciada no Google I/O para trazer o conector da Adobe ao Gemini
. Os usuários podem acessá-lo no menu suspenso de Modelos no módulo Texto para Vídeo
.
Lançado junto com o Omni Flash, o Nano Banana 2 Lite (ID do modelo: gemini-3.1-flash-lite-image) é o modelo de imagem mais rápido e barato da família Nano Banana do Google . Ele gera imagens em menos de 4 segundos por menos de US$ 0,04 por 1.000 imagens
. A disponibilidade geral foi anunciada em 30 de junho de 2026 no Google Cloud, e ele está disponível no Google AI Studio, na Gemini API e na Plataforma de Agentes Empresariais Gemini
.
A Google apresentou o Omni Product Studio no Google I/O 2026, um aplicativo de demonstração que transforma imagens estáticas de produtos em vídeos cinematográficos de e-commerce usando o Gemini Omni Flash .
A edição de vídeos enviados pelo usuário está bloqueada para usuários no Espaço Econômico Europeu (EEE), Suíça e Reino Unido . Relatos da comunidade também mencionam bloqueios na Índia e em alguns estados dos EUA
. O modelo também edita de forma confiável apenas seus próprios clipes gerados — e não envios arbitrários de terceiros — como uma medida de segurança contra o uso indevido de deepfakes
. As capacidades de edição de fala e áudio foram deliberadamente retidas no lançamento devido a preocupações com deepfakes
.