Google ha lanzado Gemini Omni, su nuevo modelo de generación de video con inteligencia artificial que promete cambiar las reglas del juego en la creación de contenido audiovisual. Anunciado durante el Google I/O de este mes, el sistema permite generar vídeos realistas a partir de texto, imágenes, audio o incluso otros vídeos, incluyendo la clonación de avatares digitales que imitan la voz y los gestos del usuario. La compañía lo describe como el momento en que "Gemini aprende a crear", y lo compara en impacto con lo que Nano Banana supuso para la generación de imágenes. Pero no todo son aplausos: las implicaciones éticas y el riesgo de desinformación han encendido todas las alarmas.
ZDNet ha tenido acceso anticipado a las capacidades del modelo y lo describe como un salto cualitativo frente a todo lo visto hasta ahora en generación de video. Mientras que herramientas como Sora de OpenAI o Veo de Google se centraban en crear clips cortos a partir de texto, Gemini Omni va un paso más allá: es un sistema multimodal que acepta cualquier tipo de entrada y produce vídeo de alta calidad con coherencia temporal, control de estilo y edición en lenguaje natural. El usuario puede decir "acerca el plano a la cara del presentador y cambia el fondo por una biblioteca" y el modelo lo ejecuta sin necesidad de editar fotograma a fotograma.
Avatares que hablan por ti
Una de las funciones más llamativas —y también más controvertidas— de Gemini Omni es la creación de avatares. El sistema permite generar una réplica digital de una persona a partir de unos pocos segundos de vídeo, incluyendo su voz, sus gestos faciales y su forma de hablar. Google lo presenta como una herramienta para creadores de contenido que quieran publicar vídeos sin tener que grabarse cada vez. "Puedes generar un vídeo donde apareces tú, hablando con tu propia voz, sin haber encendido la cámara", explican desde la compañía. El problema es evidente: la misma tecnología que permite a un creador grabar un vídeo con \"mal día\" sirve para hacer decir a cualquiera lo que nunca dijo.
ZDNET señala en su análisis que el nivel de realismo de estos avatares es muy superior al de generaciones anteriores. Donde otras herramientas producían el conocido efecto de \"valle inquietante\", con movimientos robóticos y sincronización labial imperfecta, Gemini Omni consigue una naturalidad que dificulta distinguir lo real de lo sintético. La compañía ha incluido marcas de agua invisibles en todo el contenido generado y promete herramientas de detección para plataformas, pero la historia reciente demuestra que las marcas de agua —como las de ChatGPT o Midjourney— se eliminan con facilidad.
Editar vídeo como si fuera texto
Otra de las capacidades que más ha llamado la atención de los analistas es la edición en lenguaje natural. En lugar de utilizar líneas de tiempo, capas y efectos, el usuario puede describir lo que quiere cambiar y el modelo lo aplica. "Cambia la iluminación a tonos cálidos", "añade un fundido a negro al final", "convierte este clip de día en una escena nocturna". Todo funciona con órdenes conversacionales, sin necesidad de conocimientos técnicos de edición de vídeo.
Gemini Omni se apoya en la capacidad de razonamiento del propio modelo Gemini para entender el contexto de la escena. Según ha detallado Google, el sistema no se limita a aplicar filtros predefinidos, sino que entiende la composición de la imagen, la profundidad, la iluminación y el movimiento para hacer cambios coherentes con la narrativa visual. Esto significa que puede añadir objetos que interactúan correctamente con el entorno, modificar la expresión de un personaje o incluso cambiar el encuadre manteniendo la continuidad del movimiento. Es, en la práctica, un editor de vídeo que piensa.
Gemini Omni Flash: el primer escalón
Google ha lanzado Gemini Omni en varios niveles, empezando por Gemini Omni Flash, una versión optimizada para velocidad que ya está disponible en la app de Gemini, en Google Flow y en YouTube Shorts. La compañía no ha desvelado todavía precios ni límites de uso, pero todo apunta a que las versiones más potentes llegarán bajo suscripción a través de Google One. Los desarrolladores tendrán acceso a una API específica, lo que abre la puerta a que aplicaciones de terceros integren generación de video sin necesidad de infraestructura propia.
La integración con YouTube Shorts es especialmente relevante. Google está apostando fuerte por el vídeo corto como formato principal de consumo, y Gemini Omni permite a cualquier creador generar contenido de alta calidad sin cámara, sin estudio y sin equipo de edición. Esto democratiza la producción, pero también plantea un escenario donde plataformas enteras podrían llenarse de contenido sintético indistinguible del real. Ya hay precedentes: en las últimas semanas, circulan por redes sociales vídeos generados por IA que han sido compartidos como auténticos, y la capacidad de distinguirlos disminuye con cada nueva generación de modelos.
El dilema de la desinformación
El lanzamiento de Gemini Omni llega en un momento especialmente delicado para la relación entre IA generativa y desinformación. Las elecciones en varios países, los conflictos geopolíticos activos y la creciente desconfianza hacia los medios tradicionales crean el caldo de cultivo perfecto para que los vídeos sintéticos encuentren audiencias dispuestas a creerlos. Organizaciones como la Coalición por la Procedencia y Autenticidad del Contenido (C2PA) llevan meses pidiendo a las grandes tecnológicas que implanten sistemas de verificación robustos antes de lanzar herramientas de generación de video.
Google asegura que Gemini Omni cumple con sus principios de IA responsable, pero la pregunta que ningún ejecutivo de la compañía ha respondido de forma convincente es cómo evitarán que la tecnología se utilice para suplantar a políticos, periodistas o figuras públicas. Por ahora, la respuesta se limita a marcas de agua, filtros de contenido y políticas de uso que prohíben expresamente la suplantación. La historia de internet demuestra que las prohibiciones sin control técnico efectivo son papel mojado.
En ZDNET señalan que "Omni pretende hacer por el vídeo lo que Nano Banana hizo por las imágenes", refiriéndose al salto de calidad que Google logró en generación fotográfica el año pasado. Pero el vídeo mueve magnitudes muy distintas: un bulo en formato vídeo tiene un impacto emocional y viral muy superior al de una imagen estática. La línea entre la herramienta creativa y el arma de desinformación es más fina que nunca, y Gemini Omni acaba de demostrar que ya estamos al otro lado.
Lo que viene: una API, miles de aplicaciones
Con la API de Gemini Omni, Google abre la puerta a que startups, agencias de marketing y desarrolladores independientes integren generación de video en sus productos. Las aplicaciones potenciales van desde la publicidad programática —generar un anuncio personalizado para cada usuario en tiempo real— hasta la educación —crear vídeos didácticos a partir de apuntes de texto— pasando por el entretenimiento, los videojuegos y el periodismo automatizado. El mercado de generación de video con IA, valorado en unos 2.000 millones de dólares en 2025, podría dispararse hasta los 15.000 millones en 2028 según estimaciones del sector citadas por varias fuentes.
La competencia no se queda quieta. OpenAI prepara una actualización importante de Sora, Meta ha mostrado avances con su modelo Make-A-Video, y startups como Runway y Pika Labs siguen lanzando funciones a un ritmo frenético. Gemini Omni parte con ventaja por su integración directa con el ecosistema Google —YouTube, Google Flow, la app de Gemini, Android—, pero el campo de batalla está lejos de decidirse. Lo que está claro es que la generación de video con IA ha dejado de ser una promesa de futuro para convertirse en una realidad que ya está aquí, con todas sus luces y todas sus sombras.
Referencias: