Gemini Omni di Google trasforma il montaggio video in una conversazione

Cosa offre davvero Omni Flash oggi

Google lancia il primo modello di una nuova famiglia — Gemini Omni Flash — presentandolo come il successore del lavoro sulle immagini di Nano Banana dell'anno scorso. L'idea di fondo è un unico modello che accetta in input immagini, audio, video e testo e produce video di alta qualità in output.

Omni è il nostro nuovo modello che può creare qualsiasi cosa da qualsiasi input — per ora il video.Montana Labs

L'espressione "per ora il video" nasconde molto. Al lancio l'output è solo video: Google dice che immagini e audio in output arriveranno "col tempo". Quindi, nonostante la promessa di "creare qualsiasi cosa da qualsiasi input", oggi Omni Flash accetta qualsiasi input ma produce un'unica modalità di output.

Il ciclo di editing conversazionale è la vera novità di prodotto

L'elemento distintivo più concreto dell'annuncio è l'editing multi-turno con memoria di stato. La carrellata di esempi di Google segue una clip di un violinista che viene progressivamente trasportata in un nuovo ambiente, con il violino reso invisibile, per poi passare a un'inquadratura dietro le spalle — ogni istruzione si basa sulla precedente.

Google descrive così il valore della funzione: "Ogni istruzione si basa sulla precedente. I personaggi restano coerenti, la fisica tiene e la scena ricorda cosa è successo prima." Questa capacità di memoria tra i vari turni è ciò che distingue uno strumento di editing da un generatore a singolo scatto, ed è la capacità che le demo vogliono dimostrare.

L'azienda punta anche sulla fisica e sulla conoscenza del mondo come elemento distintivo, citando una gestione migliorata della gravità, dell'energia cinetica e della fluidodinamica, oltre a esempi come una spiegazione in claymation sul folding delle proteine e un montaggio con le 26 lettere dell'alfabeto. L'argomento ricorrente è che Omni ragiona su cosa dovrebbe succedere dopo, invece di limitarsi ad abbinare pattern.

Input audio e avatar lanciati volutamente limitati

La parte relativa agli input ha avvertenze esplicite. Dei quattro tipi di input, l'audio è quello più limitato: "all'inizio per l'audio saranno supportati solo i riferimenti vocali", con altri tipi di input audio promessi più avanti. Diversi prompt mostrati nelle demo — come sincronizzare suoni d'arpa al tocco di foglie di felce, o cambi di stile a ritmo di musica — richiedono input audio più ricchi che non sono ancora del tutto disponibili.

Sul fronte della somiglianza, Google lancia gli Avatar, che permettono agli utenti di generare video con la propria voce, ma tiene volutamente in sospeso la capacità più ampia di modificare audio e parlato in video generici, dicendo che sta "ancora lavorando per testare questa funzione e capire meglio come portarla agli utenti in modo responsabile". Ogni video generato con Omni porta il watermark impercettibile SynthID, verificabile tramite l'app Gemini, Gemini in Chrome e Google Search.

La mossa distributiva: gratis su YouTube Shorts, a pagamento su Flow

Il piano di rilascio è la parte da leggere con attenzione. Omni Flash arriva agli abbonati paganti di Google AI Plus, Pro e Ultra tramite l'app Gemini e Google Flow, ma sbarca anche "gratuitamente" su YouTube Shorts e sulla YouTube Create App già questa settimana.

Inserire gratis un modello di generazione video in Shorts è una scommessa sulla domanda: semina l'output di Omni direttamente su una delle piattaforme di video brevi più grandi al mondo, ancora prima che sviluppatori e clienti enterprise abbiano accesso alle API, che secondo Google arriveranno "nelle prossime settimane".

L'implicazione concreta: la persistenza dell'editing è ciò da testare

Per i team che stanno valutando Omni, ciò che conta davvero non è il fotorealismo, ma se la scena "ricorda davvero cosa è successo prima" attraverso molte modifiche, senza perdere coerenza su identità dei personaggi, fisica e continuità. Questa persistenza, se si conferma anche oltre le demo curate, è ciò che renderebbe Omni utilizzabile come vero strumento di editing e non solo come generatore da ripartire da zero a ogni prompt.

La lettura onesta del lancio di oggi: input video/output video con affinamento conversazionale è già attivo e ampiamente distribuito, mentre input audio più ricchi, output non video, editing generico del parlato e accesso alle API sono previsti più avanti. Il divario tra "creare qualsiasi cosa da qualsiasi input" e ciò che Omni Flash fa oggi è la roadmap che Google chiede agli utenti di completare col tempo.