Google lanzó Gemini Omni en el I/O 2026: un modelo multimodal que edita video mediante una conversación en lenguaje natural, sin líneas de tiempo ni fotogramas clave. Las demos virales (la escultura de burbujas, el espejo líquido, el violinista) demuestran el verdadero cambio: no es solo texto a video, es texto para editar el video que ya tienes. Este es el momento del iPhone para la creación de video. La voz, la edición de audio y una versión Pro brillan por su ausencia, y eso es intencional.
Es la 1 a. m. Llevas cuatro horas editando un clip de 30 segundos. Tu proyecto tiene 47 capas. Has arrastrado fotogramas clave hasta que te duele la muñeca. El cliente acaba de enviar un mensaje: ¿podemos probar con una iluminación más cálida? Y tú, como profesional, estás a punto de empezar de cero.
Ese era el trabajo. Eso era el trabajo.
El 19 de mayo de 2026, Google lo jubiló silenciosamente.
En el I/O 2026, la compañía anunció Gemini Omni: un modelo multimodal que convierte la edición de video en algo que la mayoría pensábamos que tardaría una década: una conversación normal.
La promesa central: deja de manipular el video. Empieza a hablar con él.
Aquí tienes toda la propuesta en una frase: ya no manipulas el video, le dices lo que quieres.
El anuncio de Google lo dice sin rodeos: "Cada instrucción se basa en la anterior. Tus personajes se mantienen coherentes, las leyes de la física se respetan y la escena recuerda lo que sucedió antes".
Esto no es una actualización de Veo. La página de producto de Google DeepMind lo plantea de forma más clara: "Piensa en Gemini Omni como Nano Banana, pero para video". El año pasado, Nano Banana hizo que editar fotos fuera tan fácil como escribir lo que querías. Ahora, Omni hace lo mismo con las imágenes en movimiento.
El primer modelo de la familia, Gemini Omni Flash, ya está disponible en la aplicación Gemini, Google Flow y YouTube Shorts.
Y aquí está la frase que debería cambiar tu forma de pensar sobre toda esta categoría: en una entrevista de TechCrunch con el equipo de DeepMind, el ingeniero de investigación Gabe Barth-Maron describió lo que la gente está creando con Omni como "memes personalizados".
Esa es la tesis. La creación de video acaba de pasar de ser un oficio a ser una forma de expresión: la misma migración que hizo la fotografía cuando los iPhones acabaron con el dominio de las cámaras réflex (DSLR).
Las demos que están rompiendo Twitter
Puedes leer material de marketing todo el día. Lo que vendió este lanzamiento fueron las demos. Tres están en todas partes ahora mismo:
- La escultura de burbujas. Le das a Omni un clip de una escultura de piedra, escribes "haz la escultura con burbujas" y el siguiente render mantiene la misma composición, la misma iluminación y las mismas sombras, pero la escultura ahora es de jabón translúcido que capta la luz ambiental.
- El espejo líquido. Una mano toca un espejo; el prompt pide a Omni que "haga que el espejo ondee hermosamente como líquido, y que el brazo de la persona se convierta en material de espejo reflectante". Como documentó Windows Report, las ondas se propagan físicamente hacia afuera y el cromo del brazo refleja la habitación real.
- Las ediciones encadenadas. La demo del violinista de Google muestra a un mismo sujeto en tres rondas: escenario → entorno transportado → ángulo de cámara sobre el hombro. Tres ediciones. Una sola persona. El rostro, la postura, el agarre del instrumento: todo es coherente.
Esto no es texto a video. Es texto para editar el video que ya tienes. La distinción parece pequeña. Pero lo cambia todo.
Por qué los creadores están perdiendo la cabeza
La razón por la que esto tiene más impacto que otros lanzamientos de modelos es simple: Omni elimina el peor bucle del video generativo.
Bucle antiguo: generar → odiarlo → reescribir todo el prompt → esperar 90 segundos → sigue siendo malo → repetir.
Bucle nuevo: generar → "cambia la iluminación a la hora dorada" → listo → "ahora ralentiza el movimiento de cámara" → listo.
Android Central no suavizó el veredicto: "Gemini Omni podría hacer que las aplicaciones de edición de video tradicionales parezcan antiguas". TechRadar señaló lo mismo con más matices, destacando que el movimiento ahora se mantiene coherente entre ediciones en lugar de reiniciarse con cada prompt.
Los desarrolladores ya están en marcha. En el foro V2EX, un desarrollador chino lo probó el día del lanzamiento y comentó: "modificación de objetos dentro de un video basada en chat: este tipo de interacción es claramente la dirección del futuro. La velocidad y la coherencia superaron mis expectativas". En X, el inmunólogo y comentarista de IA Dr. Derya Unutmaz tuiteó a los pocos minutos de la presentación: "¡Guau! Google DeepMind acaba de lanzar una IA multimodal increíble llamada Gemini Omni. ¡Los videos se ven súper bien! ¡Debo probarlo cuanto antes!"
Cuando la comunidad de IA en Twitter y los foros de desarrolladores chinos coinciden en lo mismo en cuestión de horas, estamos ante un punto de inflexión real.
Donde Google se está conteniendo discretamente
Sería irresponsable escribir una carta de amor sin las advertencias necesarias.
Engadget señaló el elefante en la habitación: "el principal problema con Veo 3.1 y otras aplicaciones de generación de video es que el resultado tiene un aspecto de 'valle inquietante' y a menudo es rechazado por los usuarios finales. Será interesante ver si la calidad de salida cumple con las expectativas generadas por Google".
Y las pruebas prácticas de DataCamp ya detectaron un error físico real: un trabuquete que lanzó su proyectil hacia atrás. El analista señaló que al modelo aún le faltan puntuaciones de referencia publicadas, por lo que la verificación independiente tardará semanas.
También hay una omisión deliberada: la edición de voz y audio dentro de videos existentes. Como reconoció la propia Google, la compañía "todavía está trabajando para probar esto y entender mejor cómo podemos llevar esta capacidad a los usuarios de manera responsable". Traducción: el riesgo de deepfakes es real y están manteniendo la capacidad más peligrosa bajo llave.
Cada clip de Omni incluye la marca de agua invisible SynthID de Google, además de las credenciales de contenido C2PA, con procedencia verificable dentro de la aplicación Gemini, Chrome y el Buscador. Eso no es opcional. Eso es lo mínimo exigible hoy en día.
Lo que esto significa realmente para tu flujo de trabajo
Si eliminamos el hype, nos queda algo genuinamente nuevo:
- La herramienta es la conversación. Sin líneas de tiempo, sin capas, sin fotogramas clave. Solo palabras.
- El bucle de feedback se colapsa. Lo que antes requería regeneraciones de 90 segundos, ahora son ajustes de 10 segundos.
- La barrera profesional disminuye. Cuando cualquier persona con criterio puede iterar sobre un video tan rápido como lo hace en un mensaje de Slack, el cuello de botella se desplaza de la ejecución a las ideas.
Para equipos de marketing, creadores independientes, educadores y cualquiera que alguna vez haya necesitado "solo un clip rápido de 10 segundos", este es el punto de inflexión. No porque el modelo sea perfecto, sino porque el patrón de interacción por fin es el adecuado.
La edición de video del futuro no necesitará software. Necesitará vocabulario.
Una última cosa: para cualquiera que esté creando con esto
Esta es la incómoda realidad detrás de cada lanzamiento de modelos como este: para el próximo trimestre, llegarán tres anuncios más sobre "el mejor modelo de video del mundo". Cada uno tendrá un SDK diferente, un flujo de autenticación distinto, una política de límites de velocidad diferente y un modelo de precios propio. Tu equipo perderá una semana integrando cada uno. Y otra semana eliminando el anterior.
Ese es exactamente el problema que resuelve Atlas Cloud.
Ofrecemos a los desarrolladores un único punto de acceso a más de 300 modelos: todos los modelos fundamentales principales, los lanzamientos de código abierto más destacados y los especialistas en imagen, video y razonamiento. Cambia de modelo con una sola línea de código. Ejecuta pruebas comparativas lado a lado sin necesidad de reintegrar SDKs. Lanza el modelo que esté de moda hoy y cámbialo al que destaque el próximo mes, sin tener que reescribir nada.
Porque lo único seguro sobre la IA ahora mismo es que la tabla de clasificación cambia cada martes. Prepárate para eso.
