Google ha presentado oficialmente a su siguiente gran modelo destinado al público en general. Gemini Omni promete la capacidad de crear cualquier cosa a partir de cualquier material de referencia inicial. Puedes tomar imágenes, videos, texto y con ellos producir videos de gran calidad. Aún mejor, es posible editarlo a través de la conversación con la IA.
Omni es visto por Google como el siguiente paso luego de Nano Banana. La primera variación de la familia en aparecer en la aplicación de Gemini y plataformas asociadas será la versión Flash. En iteraciones posteriores se agregarán modalidades enfocadas en el audio, la imagen y el texto.
Trabajo detallado y paso a paso
Google comenta algunas de las cualidades que cree son las más importantes del nuevo modelo. Es posible partir de un video y cambiar pequeños detalles o bien realizar una transformación general. Omni puede cambiar lo que ocurre en el video, agregar personajes y objetos. Los cambios pueden realizarse de forma paulatina a través de varios momentos sin que se pierda el hilo hasta la escena original. Es posible moverse entre las distintas instancias de edición para ver como ha ido cambiando el video.
Conocimiento en juego
Los desarrolladores afirman que Omni no se ocupa simplemente de generar escenas que parezcan reales. En cambio posee un entendimiento intuitivo de la física, conocimiento de historia, ciencia y cultura en general que le permite ser un mejor contador de historias. Según Google la aplicación de estos conocimientos hace que la herramienta sea mucho más que un simple proceso de búsqueda de patrones.
Un aspecto interesante de estas características es que el generador puede producir explicaciones complejas, detalladas y ordenadas a partir de consignas relativamente sencillas.
Fuentes múltiples
Tal como hemos señalado ya, Omni puede tomar material de referencia de diferente naturaleza y combinarlo efectivamente. Actualmente el audio solo soporta voces, pero los desarrolladores esperan ampliar esta capacidad pronto. La combinación de medios permite introducir elementos de diferentes fuentes a una misma escena.
