Google lança Gemini Omni 1.1 Flash com extensão de cena de 40 segundos e upscale 4K

Do gerador para o direcionável

O Google anunciou o Gemini Omni 1.1 Flash (gemini-omni-1.1-flash), uma atualização de produção do seu modelo nativo e multimodal de geração e edição de vídeo. A mudança mais importante é de filosofia: o Omni deixa de ser apenas um gerador capaz para se tornar um modelo direcionável — ou seja, que responde a comandos precisos de câmera, enquadramento e continuidade.

O modelo se apoia em três propriedades que o Google destaca em relação aos modelos de vídeo anteriores: multimodalidade nativa (texto, imagem, áudio e vídeo processados juntos), edição conversacional por meio da API de Interactions e o conhecimento de mundo herdado do Gemini. A edição é stateful: você passa o previous_interaction_id e o modelo aplica a alteração preservando tudo o que não foi mencionado, sem reenviar o vídeo anterior.

Extensão de cena é a principal novidade

O Omni 1.1 analisa agora até 10 segundos de contexto anterior ao continuar um clipe — antes, segundo o Google, os modelos referenciavam apenas o segundo final. As extensões rodam em incrementos de 10 segundos até um total cumulativo de 40 segundos, gerando uma continuação de 3 a 10 segundos por chamada. Alguns quadros finais do vídeo de entrada são editados para deixar a emenda contínua.

Há restrições específicas: a extensão só adiciona conteúdo ao final do clipe — sem inserções no meio ou no início. Vídeos enviados como entrada precisam ter 10 segundos ou menos, a menos que você esteja estendendo um vídeo já gerado pelo modelo em múltiplas rodadas. E não é possível adicionar diálogo novo ao estender um vídeo enviado em que alguém está falando; o diálogo falado é suportado apenas na extensão multirrodada via previous_interaction_id.

Keyframes e referências de vídeo

Agora é possível fornecer um primeiro e um último quadro e pedir que o modelo gere o vídeo contínuo entre eles — o mecanismo por trás de órbitas, dolly-zooms e loops contínuos. Os prompts vinculam mídias a papéis por meio de tags como <FIRST_FRAME>, <LAST_FRAME>, <IMAGE_REF_N> e <VIDEO_REF_N>.

As referências de vídeo aceitam no máximo três clipes, de até três segundos cada, e funcionam melhor para consistência de aparência de personagens. O áudio dentro de uma referência de vídeo é ignorado, e o raciocínio simultâneo sobre múltiplos vídeos não é suportado — pode, inclusive, degradar a saída.

Rascunho em 360p, entrega em 4K

O parâmetro de resolução no response_format aceita 360p, 720p (padrão), 1080p e 4K, sendo as duas últimas geradas por upscaling. O Google reporta que prévias em 360p são geradas até 60% mais rápido e custam cerca de um terço do valor de 720p. Isso consolida o padrão de produção recomendado: iterar barato no rascunho e renderizar uma única vez na resolução final.

Preços, procedência e limites

O custo de entrada é de US$ 1,50 por 1 milhão de tokens (texto, imagem, vídeo ou áudio). A saída custa US$ 9,00 por 1 milhão de tokens de texto e US$ 17,50 por 1 milhão de tokens de vídeo. Como o vídeo é cobrado a 5.792 tokens por segundo de 720p, o custo efetivo fica em torno de US$ 0,10 por segundo na precificação padrão.

Cada vídeo gerado carrega marca d’água SynthID — invisível para o espectador, mas detectável programaticamente para verificar procedência. Entre as lacunas notáveis: não há instruções de sistema, temperatura, top_p, sequências de parada nem prompts negativos (os negativos vão no texto do prompt); edição de voz não é suportada; referências de áudio não são aceitas; e URLs do YouTube não podem ser usadas como fonte. O inglês é totalmente suportado, mas outros idiomas ainda não foram avaliados. Para saídas acima de 4 MB, é preciso usar delivery="uri" e consultar a Files API até o arquivo ficar ACTIVE.

Quem já usa em produção

O Google cita Adobe (Firefly), Figma Weave, GMI Cloud e Runway como clientes que já rodam o Omni Flash em produção. O modelo está disponível pela Gemini API no Google AI Studio e na plataforma Gemini Enterprise Agent, e também ativo no Google Flow para assinantes AI Plus, Pro e Ultra — com a extensão de cena já presente no app Gemini.