Gemini Omni 1.1 Flash

Descripción general

Gemini Omni 1.1 Flash es un modelo multimodal de Google presentado para escenarios de generación y edición de vídeo, que se invoca en HiAPI.ai a través de una interfaz unificada. En una misma vía cubre texto a vídeo, imagen a vídeo, referencia de imagen a vídeo y edición de vídeo, y puede modificar clips existentes mediante instrucciones en lenguaje natural, prolongar escenas y controlar el movimiento de cámara y las transiciones con el primer y el último fotograma. Ofrece una duración de salida de 4 a 10 segundos y una resolución seleccionable de 360p a 4k, lo que lo hace idóneo para desarrolladores y equipos de contenido que necesitan generar borradores con alta frecuencia, iterar en varias rondas y unificar los flujos de generación y edición.

Puntos clave

• Generación y edición unificadas en el mismo modelo: la generación desde texto, desde imagen, desde referencia y la edición de vídeo comparten una única ruta de invocación, lo que reduce el coste de alternar entre varios modelos.
• Flujo por etapas desde borrador de baja resolución hasta 4K: primero se puede iterar rápidamente con 360p para tantear el resultado y, tras confirmar la dirección, producir en 720p, 1080p o 4k, equilibrando eficiencia y calidad final.
• Control del movimiento de cámara mediante el primer y el último fotograma: basta con establecer las imágenes del primer y del último fotograma para acotar la trayectoria de cámara y las transiciones, lo que hace más controlable el movimiento de los fragmentos narrativos.
• Materiales de referencia que participan en la generación: se pueden pasar hasta 7 imágenes como referencia, y la entrada de vídeo es mutuamente excluyente con la configuración del primer fotograma, con límites de entrada bien definidos.

Descripción de capacidades

Múltiples modos de generación de vídeo: admite cuatro tipos de tarea (texto a vídeo, imagen a vídeo, referencia de imagen a vídeo y vídeo a vídeo); el desarrollador elige la modalidad de entrada según los materiales disponibles y la salida es siempre un recurso de vídeo.

Edición de vídeo en lenguaje natural: basta con describir la intención de modificación mediante un prompt para repintar y ajustar un vídeo existente, sin necesidad de reconstruir todo el flujo de generación.

Prolongación de escenas: al pasar un clip de vídeo existente como entrada, se puede continuar el contenido sobre él para construir una narración continua más larga.

Restricción de cámara mediante el primer y el último fotograma: el uso conjunto de first_frame_url y last_frame_url fija las imágenes de inicio y fin, y controla el movimiento de cámara y el ritmo de las transiciones.

Resolución y formato seleccionables: la resolución admite 360p, 720p, 1080p y 4k, y el formato admite 16:9 y 9:16, lo que facilita la adaptación a publicaciones en horizontal y vertical.

Casos de uso

• Borradores de vídeo rápidos para equipos creativos: a partir de un guion o de la imagen del primer fotograma, generar rápidamente varias versiones de borrador en baja resolución de 360p para la revisión del guion y la selección de la dirección.
• Producción de publicidad y contenido social: generar clips en 16:9 o 9:16 con imágenes de referencia y un prompt y, tras confirmarlos, ampliarlos a alta resolución para el material de publicación.
• Modificación y continuación de material existente: tomar un vídeo ya existente como entrada y modificar la imagen o prolongar el clip con instrucciones en lenguaje natural, para ajustes de posproducción del resultado final.
• Fragmentos narrativos que requieren transiciones precisas: fijar el inicio y el fin con el primer y el último fotograma para producir fragmentos cinematográficos con movimiento controlado, destinados a la previsualización de guiones gráficos.

Limitaciones y recomendaciones de elección

El modelo limita cada salida a una duración de 4 a 10 segundos, por lo que el contenido más largo debe generarse por segmentos y ensamblarse después. Los resultados en 360p son más adecuados como borrador y no deberían usarse directamente como resultado final. Al pasar una imagen de primer fotograma no se pueden añadir además entradas de imagen o vídeo, y last_frame_url debe usarse junto con first_frame_url, de modo que existen restricciones en las combinaciones de entrada. El enfoque Flash prioriza la velocidad y la eficiencia de iteración; si la tarea exige una calidad de imagen rigurosa o una duración mayor por segmento, conviene evaluar otros modelos al elegir y guiarse por los resultados de las pruebas reales.