Google DeepMind presenta Gemini Omni: modelo multimodal para creación y edición de video

Google DeepMind presentó Gemini Omni, un modelo multimodal que combina el razonamiento de Gemini con capacidades creativas para generar y editar videos a partir de cualquier modalidad de entrada, incluyendo imágenes, audio, video y texto. El modelo admite edición de video con lenguaje natural, mantiene la coherencia de los personajes y la física entre las ediciones, y puede generar videos basados en el conocimiento del mundo real de Gemini sobre física, historia, ciencia y cultura. Ofrece funciones como edición mediante conversación, transformación de escenas, agregado de objetos y refinamiento a lo largo de múltiples turnos. El primer modelo, Gemini Omni Flash, se está implementando a nivel mundial para los suscriptores de Google AI Plus, Pro y Ultra a través de la aplicación Gemini y Google Flow, y también para los usuarios de YouTube Shorts y YouTube Create App sin costo alguno. Todos los videos generados incluyen la marca de agua digital SynthID para garantizar la transparencia. Se tiene previsto el acceso a la API para desarrolladores y empresas en las próximas semanas.