Gemini Omni es el modelo de creación multimodal lanzado por Google, diseñado para crear a partir de diferentes tipos de entrada, empezando por el vídeo. Gemini Omni Flash es el primer modelo de la familia Omni, compatible con flujos de trabajo prácticos de generación y edición de vídeo, como ediciones en lenguaje natural, creación basada en referencias, transformación de escenas y narrativa visual coherente.
Basic Voice
Input description
Textarea description
0/20000Input description
No result yet. Click generate to start.
Input description
Click to upload or drag and drop
Supported formats: JPEG, PNG, WEBP Maximum file size: 20MB; Maximum files: 2
Array of character reference image URLs. Up to 2 images are supported. Index 0 is the portrait image, and index 1 is the body image. The body image is optional, but if provided, the portrait image must be present at index 0.
Audio ID list. Up to 1 IDs are allowed.
Character Description
0/20000No result yet. Click generate to start.
Describe the image you want to generate.
0/20000Click to upload or drag and drop
Supported formats: JPEG, PNG, WEBP, JPG Maximum file size: 10MB; Maximum files: 7
Reference images. Available image slots: 7/7. Video uses 2 slots and each character_id uses 1 slot.
Audio ID list. Up to 1 ID is allowed.
Click to upload or drag and drop
Optional video input. Only 1 video is allowed and it uses 2 image slots.
Character ID list. Each character ID uses 1 image slot. Available character slots: 3/7. Remaining image slots: 7/7.
Note: when video input is provided, the output duration is determined by the model automatically. This duration parameter will not take effect.
Video ratio
Output video resolution. Valid values: 720P(default), 1080P, 4k.
Random seed. Range: [0, 2147483647]. If not specified, the system generates a seed automatically. Fixing the seed can improve reproducibility, but results may still vary due to the model’s stochasticity.
Explore different use cases and parameter configurations
Complete guide to using gemini-omni-audio
Crea productos de generación y edición de vídeo con la API de Gemini Omni en Kie.ai. Convierte texto, imágenes, vídeo y voz en resultados de vídeo coherentes mediante control en lenguaje natural, guía de referencias y un acceso rentable a la API.
En el contexto de Google I/O 2026, Gemini Omni representa un nuevo paso en la creación de IA multimodal. Está diseñado para crear a partir de diferentes tipos de entrada, empezando por el video, y combina la capacidad de razonamiento de Gemini con sistemas de medios generativos. Esto permite al modelo comprender con mayor profundidad las escenas, acciones, entornos, comportamientos físicos y el contexto del mundo real, por lo que la generación y edición de video pueden ir más allá de la simple generación de video a partir de prompts. Gemini Omni Flash es el primer modelo de la familia Omni, creado para flujos de trabajo prácticos de creación y edición de video donde los usuarios pueden transformar el material existente, guiar los resultados mediante referencias y refinar escenas usando lenguaje natural.
La entrada de texto permite a los usuarios describir el vídeo que desean crear o editar utilizando lenguaje natural. Un prompt puede definir la escena, el sujeto, la acción, el movimiento de la cámara, el estilo, la iluminación o una transformación específica, haciendo que Gemini Omni Flash sea útil para la generación de vídeo a partir de texto y el refinamiento conversacional de vídeo.
Añadir una imagen permite guiar el vídeo generado con un sujeto, personaje, objeto, escena, boceto o estilo visual. Gemini Omni Flash puede utilizar imágenes de referencia para conservar detalles visuales clave, aplicar una estética elegida o convertir una idea estática en una secuencia de vídeo.
Añadir un vídeo permite que un clip existente sirva como punto de partida para un nuevo resultado. Gemini Omni Flash puede transformar el entorno, cambiar lo que pasa en la escena, añadir objetos, ajustar la perspectiva de la cámara o aplicar nuevos efectos manteniendo la coherencia del vídeo.
Añadir voz facilita la creación de vídeos con avatares o controlados por tu voz, permitiendo que la locución dirija el resultado final. Esto resulta muy útil para vídeos de presentadores, diálogos de personajes, escenas narradas y clips generados donde la voz, la expresión y la acción en pantalla deben sentirse conectadas.
Gemini Omni API permite la edición de video mediante lenguaje natural, lo que ayuda a los usuarios a refinar una escena paso a paso en lugar de reconstruir el prompt completo cada vez. El usuario puede modificar el entorno, ajustar la acción, reemplazar objetos, cambiar el ángulo de la cámara o añadir efectos visuales mientras mantiene la coherencia de la escena original. Esto lo hace útil para editores de video con IA, herramientas para creadores y aplicaciones en las que los usuarios necesitan una forma más intuitiva de transformar videos existentes.
Con Google Gemini Omni API, los vídeos generados pueden reflejar mejor cómo las escenas, los objetos y las acciones deben comportarse en contexto. El modelo está diseñado para conectar la creación visual con conocimientos de física, historia, biología, cultura y lógica narrativa, logrando que los resultados se perciban como más intencionados y menos aleatorios. Esto cobra especial importancia en vídeos explicativos, narrativa cinematográfica, conceptos de producto y cualquier experiencia de vídeo donde el resultado necesite tener sentido más allá del estilo visual.
Gemini Omni Flash API convierte diversas entradas creativas en un proceso de creación de vídeo más controlable. El texto puede definir la dirección, las imágenes pueden guiar a los sujetos o el estilo, el vídeo puede aportar movimiento y contexto a la escena, y la entrada de voz puede respaldar el contenido hablado. Esto ayuda a los usuarios a partir de materiales creativos reales en lugar de empezar desde cero con solo texto.
Gemini Omni Model API admite escenarios de vídeos con avatares digitales donde la presencia, la expresión y la actuación del personaje necesitan sentirse conectadas dentro de la escena. En lugar de tratar a un avatar como una capa visual plana, el vídeo final puede integrar al sujeto, el entorno y la interpretación en un resultado más cohesionado. Este enfoque es especialmente relevante para vídeos de presentadores, contenidos centrados en personajes, medios interactivos y futuros productos creativos de vídeo.
Gemini Omni puede respaldar productos de video en los que los usuarios no empiezan solo con un prompt en blanco. Un flujo de trabajo real puede comenzar a partir de un clip de origen, el recurso de un producto, una referencia visual, un storyboard o una idea educativa concisa. Para los desarrolladores, la API de Gemini Omni facilita la conversión de estas entradas en experiencias de video editables, coherentes y conscientes del contexto.
An AI video editor can use Gemini Omni API to let users transform existing footage through plain language. A creator might upload a simple room video and ask for a futuristic studio, a street clip and ask for a rainy cinematic look, or a product shot and ask for a more dramatic launch scene. The value is not just generating a new clip, but giving users a way to revise real footage without manually adjusting timelines, masks, layers, or frame-by-frame effects.
Learning platforms can use Google Gemini Omni API to turn abstract ideas into short visual lessons. A science app could generate a claymation protein-folding explainer, a training product could visualize a complex workflow, or an education tool could compare classical computing and quantum computing through animated scenes. This use case depends on more than attractive visuals: the video needs to connect objects, actions, and context in a way that helps the viewer understand the topic.
Marketing and creator tools can use Gemini Omni Flash API to turn existing assets into fast video concepts. A product image can become a lifestyle teaser, a brand visual can guide the style of a social ad, or a short reference clip can shape the motion of a campaign video. This is especially useful for e-commerce teams, creative agencies, and social media tools that need quick variations before committing to a full production workflow.
A storyboard-to-video product can use Gemini Omni Video API to help users define the structure before generating the final clip. A creator may upload a rough storyboard, describe camera movement, keep a character or object consistent across shots, and apply a specific style to the full sequence. This use case fits concept design, previsualization, narrative shorts, and creative planning tools where the output needs to follow a planned visual arc rather than a single isolated prompt.
La API de Gemini Omni permite a los usuarios crear resultados de vídeo más sólidos cuando cada solicitud proporciona una dirección creativa clara. Un buen prompt debe definir la escena, la acción, el movimiento de la cámara, el estilo visual, la iluminación, las referencias y los requisitos de coherencia visual, en lugar de depender únicamente de una breve descripción del sujeto. Para flujos de trabajo de edición, la API de Gemini Omni Flash también funciona mejor cuando los usuarios perfeccionan el resultado paso a paso, modificando una parte del vídeo mientras conservan los elementos que ya funcionan.
Antes de añadir ediciones o efectos avanzados, los usuarios deben definir los elementos básicos que darán forma al video final: encuadre, movimiento de cámara, estilo, iluminación, ubicación y acción. Estos detalles ayudan a la API de Gemini Omni a entender cómo debe verse, moverse y sentirse el video desde el principio. Un prompt más sólido no solo describe lo que aparece en la escena; también explica cómo debe filmarse, qué atmósfera debe transmitir y qué debe ocurrir a lo largo del tiempo.
Para editar un clip existente, debes describir el cambio exacto que deseas en lugar de reescribir todo el prompt. Puedes guiar a Gemini Omni Flash API a través de instrucciones adicionales específicas, como cambiar el fondo, reemplazar un objeto, ajustar el ángulo de la cámara, modificar la acción o añadir un nuevo efecto, manteniendo estable el resto del video.
El lenguaje de cámara ayuda a controlar cómo los espectadores experimentan la escena. Al utilizar Gemini Omni API, puedes especificar el tamaño del plano, la perspectiva, el movimiento y el ritmo, como primer plano, plano general, plano sobre el hombro, cámara fija, cámara en mano, acercamiento, paneo vertical, dolly zoom o plano secuencia. Una dirección de cámara clara aporta al video final una estructura visual más intencional.
Para la creación de videos educativos, científicos, históricos o conceptuales, debes exponer la idea con claridad y definir el formato visual deseado. Los prompts de Gemini Omni Flash API pueden describir qué se necesita explicar, cómo debe desarrollarse el concepto y con qué tipo de estilo visual debe presentarse. Esto ayuda a que el video final conecte los objetos, las acciones y el contexto de una forma más comprensible.
Cuando un video incluye subtítulos, etiquetas, palabras animadas, letreros o zócalos, los usuarios deben explicar cómo debe aparecer el texto y cómo debe conectarse con la acción. Los prompts de Gemini Omni API pueden incluir la ubicación, la sincronización, la secuencia, la exposición, el estilo de animación y si el texto debe sincronizarse con el movimiento, el ritmo o la voz. Esto es especialmente útil para videos explicativos, clips sociales, demostraciones de productos y narración visual.
Para escenas de movimiento o transformación avanzadas, los usuarios deben enfocarse en la acción y su resultado visible. Los prompts de Gemini Omni Flash API deben explicar qué desencadena el cambio, cómo responde el entorno y cuál debe ser el estado final. Esto funciona muy bien para reacciones físicas, transformaciones de objetos, cambios de materiales, efectos de movimiento y escenas donde una acción debe causar claramente otra.
Para videos con múltiples secuencias, los usuarios deben describir la secuencia y conservar los detalles importantes a lo largo de todo el resultado. Los prompts de Gemini Omni API pueden incluir el orden del storyboard, la coherencia de los personajes, los detalles del vestuario, el diseño del producto, los materiales de los objetos, la disposición del entorno o el estilo visual. Esto es útil para clips narrativos, historias de productos, secuencias educativas y videos creativos planificados.
Kie.ai ofrece precios accesibles de la API de Gemini Omni para equipos que necesitan probar, desarrollar y escalar funciones de generación de vídeo con un mejor control de costos. Los desarrolladores pueden comenzar desde las primeras pruebas, estimar el uso con mayor claridad y aumentar las llamadas a la API a medida que crece la demanda del producto, sin que la fase inicial de desarrollo resulte innecesariamente costosa.
Kie.ai ofrece documentación completa de la API de Gemini Omni para ayudar a los desarrolladores a entender la configuración de claves API, la autenticación, los parámetros de solicitud, las entradas compatibles, el manejo de respuestas, el estado de las tareas y la lógica de implementación. Una documentación clara hace de Kie.ai una plataforma más eficiente para conectar la API de Gemini Omni a aplicaciones, servicios backend, editores de vídeo y herramientas de automatización creativa.
Kie.ai ofrece soporte 24/7 para la API de Gemini Omni a los desarrolladores que utilizan la API en proyectos reales. Ya sea que los equipos necesiten ayuda con las claves de API, pruebas en el playground, errores de solicitud, lógica de integración o el despliegue en producción, el soporte siempre disponible ayuda a reducir los retrasos y mantiene el desarrollo avanzando de manera más fluida.