Google lança Gemini Omni para edição de vídeos via comandos de voz e texto
Apresentada no Google I/O 2026, a ferramenta multimodal permite modificar cenas inteiras sem o uso de softwares profissionais de edição.
O Google lançou o Gemini Omni, uma inteligência artificial que permite editar e criar vídeos ultrarrealistas por meio de comandos de voz e texto. A ferramenta inclui a criação de avatares digitais e já está disponível para usuários premium.
Durante a conferência anual para desenvolvedores Google I/O 2026, realizada na Califórnia, o Google apresentou o Gemini Omni, uma plataforma de inteligência artificial voltada para a produção cinematográfica e edição visual. O diferencial do sistema é sua natureza multimodal, permitindo que os usuários realizem ajustes complexos em vídeos apenas por meio de comandos de texto. A tecnologia elimina a necessidade de softwares tradicionais de edição, possibilitando a troca de cenários, a inclusão de novos elementos ou a alteração da dinâmica de uma cena através de um diálogo direto com a ferramenta.
A nova solução se destaca por sua capacidade de manter a coesão visual e lógica entre os frames, prevendo movimentos e sequências de forma natural. Além da criação de conteúdos inéditos a partir do zero, o Gemini Omni permite a personalização extrema, como a geração de avatares baseados na aparência e voz reais dos próprios usuários. Essa funcionalidade, assemelhada à criação de deepfakes, é acompanhada por protocolos de segurança da empresa, que aplicará marcas-d’água digitais invisíveis, o chamado SynthID, em todos os arquivos processados para garantir a transparência da origem artificial do material.
O acesso à tecnologia já começa a ser liberado globalmente para os assinantes das modalidades premium do ecossistema Google, integrando-se a aplicativos como YouTube Shorts e Google Flow. Uma versão simplificada também chegará gratuitamente ao público geral do YouTube no decorrer desta semana. Diferente de modelos anteriores que se limitavam a transformar texto em imagem, o Omni foi projetado nativamente sobre a arquitetura do Gemini, o que o torna apto a processar e fundir simultaneamente diversos formatos de mídia, como áudio e fotografias, em um único projeto.
