Gemini Omni 1.1 Flash: recursos, preço e fluxo de produção explicado

O Gemini Omni 1.1 Flash é o modelo multimodal e rápido da Google para gerar e editar vídeos. A principal novidade não é a promessa de que cada quadro será melhor que o dos concorrentes, mas uma mudança no fluxo de produção: criar rascunhos baratos, preservar mais contexto ao prolongar uma cena, definir como uma transição começa e termina e só então renderizar uma versão em resolução mais alta para entrega. 4533

O que o Gemini Omni 1.1 Flash faz

O modelo aceita entradas de texto, imagem e vídeo e produz vídeo como saída. A documentação da API da Google lista vídeos de 3 a 10 segundos, a 24 quadros por segundo, com opções de 360p, 720p, 1080p e 4K. Na documentação, os vídeos usados para edição e extensão podem ter até 10 segundos. 1

Isso torna o Omni 1.1 Flash especialmente relevante para editores, motion designers, agências e equipes de produto. Em vez de depender apenas de um prompt isolado, o modelo pode trabalhar a partir de materiais visuais aprovados e ser incorporado a um processo repetível.

As quatro mudanças mais importantes para a produção

1. A extensão de cenas usa mais contexto anterior

Ao prolongar uma gravação, o Gemini Omni 1.1 Flash consegue analisar até 10 segundos do vídeo anterior. Materiais anteriores do Omni descreviam uma janela de contexto bem mais estreita. Agora, o modelo recebe mais informações sobre personagem, iluminação, movimento de câmera e ação antes de gerar a continuação. 511

As extensões são geradas em blocos de 10 segundos e podem chegar a um clipe acumulado de 40 segundos. Cada geração individual continua limitada a 3–10 segundos. Portanto, trata-se de uma continuação em etapas — não de um único prompt capaz de produzir uma cena longa sem limite. 124

Para uma equipe de produção, essa diferença é importante. O diretor pode aprovar uma tomada curta, continuar a partir dela e criar ramificações mantendo o trabalho organizado em saídas de duração administrável. O contexto mais amplo pode reduzir desvios de continuidade, mas não garante consistência perfeita de personagens, objetos, iluminação ou movimento.

2. O controle do primeiro e do último quadro orienta o movimento

O modelo pode gerar um vídeo entre duas imagens fornecidas: um quadro inicial e um quadro final. O changelog da API da Google descreve o recurso como uma interpolação dentro do fluxo de imagem para vídeo. 33

Na prática, isso oferece uma forma mais clara de definir o destino visual de uma tomada. Um editor pode fornecer a composição inicial de um produto e a posição exigida para a revelação final, deixando que o modelo crie o movimento entre os dois pontos. O mesmo processo pode ser usado para transições, loops e pontes de movimento de câmera, embora cada resultado ainda precise ser testado na tomada real.

A vantagem é o controle. Na geração baseada apenas em prompt, o modelo precisa deduzir tanto o começo quanto o fim da cena. Com os quadros de referência, a equipe fixa essas duas decisões criativas antes de pedir que a IA preencha o movimento.

3. O 360p cria uma etapa mais barata de iteração

Segundo a Google, prévias em 360p podem ser renderizadas até 60% mais rápido e custam um terço do valor da saída padrão em 720p. 5

Isso cria uma escala de custos útil para storyboard e aprovação:

1. Gerar várias versões em 360p para testar prompts, duração, enquadramento e movimento.
2. Escolher a tomada mais promissora e ajustar referências ou quadros inicial e final.
3. Renderizar a versão aprovada em resolução mais alta.
4. Fazer composição, cor, som, revisão de direitos e controle de qualidade fora da etapa de geração.

A documentação de preços da Google lista 1.931 tokens de saída por segundo para vídeos em 360p e 5.792 tokens por segundo para vídeos em 720p. Com a tarifa publicada de US$ 17,50 por milhão de tokens de saída de vídeo, isso corresponde a aproximadamente US$ 0,034 por segundo em 360p e US$ 0,101 por segundo em 720p, antes das cobranças de entrada e de saída de texto. 4143

Por isso, a conta final não é simplesmente um preço fixo por clipe. Mídia de entrada, respostas de texto, resolução, duração e a plataforma usada podem alterar o valor total.

4. A entrega em alta resolução faz parte do mesmo fluxo

A API oferece opções de 1080p e 4K, além de 360p e 720p. Nos materiais de lançamento, a Google posiciona os modos de maior resolução, incluindo 4K, como uma etapa para finalizar trabalhos selecionados depois da experimentação de menor custo. 134

Isso é útil para separar a criação e a aprovação da renderização final. Também evita um erro comum: gastar o orçamento de geração em alta resolução com ideias que ainda não foram aprovadas no storyboard ou no movimento.

Como o vídeo de referência muda o processo

O Omni 1.1 Flash foi projetado para receber entradas multimodais. Assim, uma equipe pode combinar instruções escritas com referências visuais, como frames de estilo, imagens de produto, uma gravação-base ou um breve exemplo de movimento. 14

Um processo orientado por referências costuma ser mais fácil de revisar do que um processo baseado apenas em texto, porque o briefing criativo passa a ter elementos visuais concretos. Antes da geração, a equipe pode definir o que precisa permanecer fixo — por exemplo, o design de um produto, o tratamento de um logotipo, a aparência de um personagem ou a composição inicial — e o que pode ser criado pela IA.

O vídeo de referência não substitui permissões nem um sistema completo de continuidade. A equipe ainda precisa verificar se tem direito de usar o material enviado, se os resultados preservam corretamente elementos protegidos de uma marca e se a saída atende aos requisitos editoriais e legais do projeto.

Preço e disponibilidade

A página de preços da API Gemini lista o Gemini Omni 1.1 Flash a US$ 1,50 por milhão de tokens de entrada, US$ 9 por milhão de tokens de saída de texto e US$ 17,50 por milhão de tokens de saída de vídeo. A Google documenta a cobrança de vídeo em 5.792 tokens por segundo para a saída em 720p; nessa taxa, o custo é de aproximadamente US$ 0,10 por segundo gerado, sem contar outras cobranças aplicáveis. 41

O changelog da API identifica gemini-omni-1.1-flash como o modelo geralmente disponível para desenvolvedores no nível pago da API Gemini. 3341

A disponibilidade, porém, não é igual em todos os produtos da Google. Os anúncios voltados ao consumidor colocam o Gemini Omni no aplicativo Gemini e no Google Flow para assinantes dos planos Google AI Plus, Pro e Ultra. Já as notas de versão do Gemini Enterprise Agent Platform listam o Gemini Omni 1.1 Flash como Public Preview, ou prévia pública. Antes de fechar um pipeline de produção, as equipes devem confirmar o ID atual do modelo, a região, a cota, o status de cobrança e a disponibilidade específica de cada produto. 202232

Há integração com Adobe Firefly ou Figma?

As evidências fornecidas não estabelecem um anúncio oficial suficientemente claro sobre uma integração direta com o Figma. Por isso, essa afirmação não deve ser tratada como confirmada. É mais seguro separar o acesso comprovado ao modelo pelas plataformas de desenvolvedor e criação da Google de relatos de terceiros sobre integrações ou uso por clientes.

Para compradores profissionais, a questão mais importante não é apenas se uma marca aparece em uma história de lançamento. O essencial é saber se o modelo está disponível dentro do processo real de revisão, gerenciamento de ativos, edição e aprovação da equipe, com APIs estáveis e cobrança previsível.

Gemini Omni 1.1 Flash versus OpenAI Sora

Gemini Omni 1.1 Flash e OpenAI Sora não devem ser comparados por meio de uma única manchete. O material disponível sustenta uma conclusão mais específica: a Google está disputando com mais força o mercado profissional de vídeo com IA ao enfatizar continuidade de cenas, controle dos pontos inicial e final, referências multimodais, rascunhos rápidos e iteração via API. 433

As fontes fornecidas não trazem evidências independentes e representativas suficientes para afirmar que o Omni 1.1 Flash produz, de forma consistente, imagens mais realistas, física melhor ou continuidade superior à do Sora. Também não há um benchmark unificado que torne os dois sistemas diretamente equivalentes.

Uma comparação séria deve usar os mesmos prompts, referências, durações de tomada, resoluções e critérios de aceitação. Vale medir:

• continuidade de personagens, produtos, iluminação e movimento de câmera;
• taxa de sucesso nas transições entre o primeiro e o último quadro;
• latência de renderização em resoluções de rascunho e de entrega;
• custo por segundo aprovado, e não apenas por tentativa gerada;
• necessidades de áudio e diálogo;
• políticas de segurança, direitos e tratamento de dados; e
• facilidade de integração com as ferramentas de edição e revisão já usadas pela equipe.

Um fluxo de produção prático

Um fluxo sensato com o Omni 1.1 Flash seria:

1. Preparar frames de estilo, imagens de produto, gravações-base ou referências de movimento aprovados.
2. Gerar vários rascunhos em 360p para testar direção, enquadramento, duração e movimento.
3. Escolher a melhor tomada e definir os quadros inicial e final necessários quando o controle de pontos de chegada for útil.
4. Estender a cena em etapas de 10 segundos, verificando a continuidade após cada geração.
5. Renderizar a sequência aprovada em 1080p ou 4K quando a exigência de entrega justificar o custo.
6. Finalizar composição, cor, som, legendas, revisão de direitos e controle de qualidade em ferramentas tradicionais de produção.

O modelo pode reduzir o custo da experimentação e o trabalho manual necessário para criar tomadas de ligação. Ele não elimina as decisões editoriais que determinam se um vídeo é coerente, legalmente utilizável, tecnicamente compatível e pronto para publicação.