Gemini Omni Flash Preview

Gemini Omni Flash — первая модель в линейке Omni от Google. Её показали на конференции Google I/O в 2026 году. Она создаёт короткие ролики со звуком по текстовому описанию или по описанию с картинкой-образцом. По карточке модели, это трансформер со встроенной мультимодальностью: текст, изображения и видео на входе она обрабатывает вместе, а не отдельными модулями. Обучали её на тензорных процессорах Google (TPU).

Главное отличие от других видеомоделей Google — правка в диалоге. Сгенерировав ролик, можно попросить в следующем сообщении что-то поменять, и модель внесёт изменения, по словам Google, не трогая то, что менять не просили. Для этого в Gemini API есть Interactions API: он запоминает предыдущий шаг разговора. В документации ролики длятся от 3 до 10 секунд, выходят в горизонтальном (16:9) или вертикальном (9:16) формате, частота — 24 кадра в секунду.

Модель берут, когда видео нужно сделать быстро и доводить его несколькими короткими запросами: для роликов в соцсети, черновиков сцен, правки готовых клипов. Google встроила её в приложение Gemini, инструмент Flow, YouTube Shorts и Google Vids. Разработчикам она доступна через Gemini API под этим идентификатором. Позже вышла стабильная Gemini Omni 1.1 Flash. В ней появились продление сцен, заданные первый и последний кадр, видео-образцы на входе и повышение разрешения до 4K. Google советует переходить на неё.

В карточке модели Google называет слабые места: персонажи и детали могут меняться от правки к правке, плохо даются сложные движения и надписи в кадре. Менять речь в ролике пока нельзя — Google закрыла эту возможность из соображений безопасности. Загружать звук как образец API пока не позволяет. Правка и продление видео недоступны в Евросоюзе, Швейцарии и Великобритании. Все ролики помечены невидимым водяным знаком SynthID, по которому можно проверить, что видео создано нейросетью.

источники:Карточка модели Gemini Omni Flash ↗Документация: генерация и правка видео в Gemini Omni Flash ↗Страница модели в Gemini API ↗