Gemini Omni: a IA multimodal do Google que gera vídeos a partir de qualquer tipo de entrada

O Google também afirma que o modelo foi projetado para lidar melhor com movimento, física e interação entre objetos, o que ajuda a tornar os vídeos gerados mais realistas.

Embora o lançamento inicial seja focado em vídeo, a empresa diz que versões futuras do Omni poderão gerar outras modalidades de saída, como imagens ou texto, a partir de entradas multimodais.

Diferença entre Gemini Omni e Veo

Antes do Omni, o principal sistema de geração de vídeo do Google era o Veo, um modelo dedicado exclusivamente a vídeos.

A principal diferença está na arquitetura e no escopo.

Veo

• Modelo especializado em geração de vídeo
• Parte de um conjunto separado de ferramentas de mídia

Gemini Omni

• Modelo multimodal unificado
• Aceita texto, imagem, áudio e vídeo simultaneamente
• Integra raciocínio do Gemini com geração de mídia

Em vez de vários modelos independentes para cada tipo de mídia, o Omni funciona como um modelo base único, que combina capacidades antes distribuídas entre sistemas como Veo e outros modelos criativos.

A ideia é que a IA entenda melhor o contexto entre diferentes formatos — por exemplo, combinar diálogo, imagens de referência e clipes de vídeo na mesma criação.

O que o Gemini Omni Flash pode fazer

O Gemini Omni Flash é o primeiro modelo disponível da nova família.

Ele aceita múltiplos tipos de entrada em um único prompt, incluindo:

• Texto
• Imagens
• Áudio
• Vídeo

A partir disso, o sistema gera vídeos realistas e permite editar os resultados de forma interativa por meio de conversa.

Alguns exemplos de uso demonstrados pelo Google incluem:

• Criar cenas de vídeo a partir de descrições e imagens de referência
• Fazer upload de um vídeo e pedir alterações com linguagem natural
• Usar comandos de voz combinados com elementos visuais para modificar uma cena

Segundo a empresa, o modelo foi treinado para compreender melhor movimento, gravidade e interações físicas, o que ajuda a produzir vídeos mais consistentes em termos de simulação do mundo real.

Onde o Gemini Omni Flash está disponível

O lançamento começou em 19 de maio de 2026, durante o keynote do Google I/O.

As primeiras plataformas com acesso incluem:

• Aplicativo Gemini
• Google Flow, estúdio criativo de IA
• YouTube Shorts e YouTube Create para criadores

No ecossistema Gemini, o acesso está vinculado aos planos pagos de IA do Google.

Entre eles:

• Google AI Plus
• Google AI Pro
• Google AI Ultra

Planos mais avançados oferecem limites maiores de uso e recursos adicionais.

Durante o evento, o Google também apresentou um plano AI Ultra de US$100 por mês, voltado para desenvolvedores e criadores que precisam de maior capacidade de computação e uso dentro da plataforma Gemini.

SynthID: identificação de conteúdo gerado por IA

Junto com as novas ferramentas de geração, o Google destacou mecanismos de transparência baseados no SynthID.

O SynthID é uma tecnologia de marca d’água invisível que incorpora sinais identificáveis em conteúdos criados por IA, incluindo:

• Imagens
• Vídeos
• Áudio
• Texto

Esses sinais não são perceptíveis para humanos, mas podem ser detectados por software para verificar a origem do conteúdo.

No I/O 2026, o Google anunciou várias expansões desse sistema.

Detecção dentro de produtos do Google

Ferramentas de verificação estão sendo integradas ao Google Search e ao navegador Chrome, permitindo identificar quando imagens online foram geradas ou alteradas com IA.

Adoção por outras empresas

O Google também revelou que várias companhias passaram a adotar o SynthID em seus próprios sistemas de IA, incluindo:

• OpenAI
• Kakao
• ElevenLabs
• Nvidia

A intenção é ampliar o uso da tecnologia como um padrão de identificação de mídia gerada por IA na internet.

Ferramenta de verificação

O portal SynthID Detector permite enviar arquivos de mídia e verificar se eles contêm a marca d’água do sistema, ajudando jornalistas, pesquisadores e plataformas a confirmar a origem do conteúdo.

Por que o Gemini Omni é importante

O Gemini Omni representa uma mudança na forma como modelos de IA generativa estão sendo construídos.

Em vez de ferramentas separadas para texto, imagem e vídeo, o Google está avançando para modelos multimodais unificados, capazes de interpretar e gerar diferentes formatos dentro de um único fluxo de trabalho.

A geração de vídeo a partir de múltiplos inputs é apenas o primeiro passo. A visão mais ampla do Google é criar um sistema capaz de gerar qualquer tipo de conteúdo a partir de qualquer tipo de entrada, combinando raciocínio, criatividade e compreensão do mundo em um único modelo.

Ao mesmo tempo, a empresa tenta equilibrar esse avanço com ferramentas de transparência como o SynthID, voltadas para lidar com desafios crescentes como desinformação e deepfakes.