Pular para o conteúdo
Grok image
Português
English简体中文繁體中文DeutschEspañolPortuguês

Gemini Omni 1.1 Flash

Gemini Omni 1.1 Flash é o modelo de vídeo generativo que a Google apresentou a 27 de agosto de 2026 e distribui através do Google AI Studio e da Gemini Enterprise Agent Platform. Esta página coloca o anúncio e a ficha do modelo do fabricante ao lado das definições que o serviço deste site devolve para o mesmo modelo, e assinala cada ponto em que os dois não coincidem.

Atualizado:

Google Gemini Omni 1.1 Flash

Escolha um modo, escreva o prompt e veja o custo orçamentado antes de gerar.

Google Gemini Omni 1.1 Flash
Vídeo com IA0
5s
2s15s

O conteúdo gerado aparece aqui

Material de origem

Material oficial deste modelo

Cinco peças que o fabricante publicou e que foi possível obter e verificar, cada uma com o enquadramento do próprio fabricante e não com um prompt inventado para a galeria.

O fabricante distribuiu nove ficheiros e oito deles terminam no mesmo cartão de marca, razão pela qual a extração de fotogramas teve de ser feita por medição e não apenas a olho. Dois dos nove não estão aqui representados de todo, e os motivos estão escritos em vez de omitidos em silêncio.

Um peixe-mandarim com marcas azuis e laranja suspenso sobre um coral ramificado, em água azul clara Ler as notas ↗

01 / Fotograma de uma demonstração oficial de capacidades

Da demonstração de ampliação para 4K

Google, The Keyword ↗

Prompt publicado com esta peça

O fabricante escreve prompts no anúncio, mas não os associa a ficheiros individuais

Abrir este prompt no espaço de trabalho ↗

O fabricante escreve prompts no texto do anúncio, mas não os associa a ficheiros individuais, pelo que aqui não se atribui nenhum prompt a uma peça. Onde aparece texto dentro de uma imagem, é a sobreposição do fabricante e não algo que o modelo tenha produzido.

Uma pequena flor azul-pálido a despontar de musgo húmido entre fetos, em grande plano e com pouca profundidade de campo Ler as notas ↗

02 / Fotograma de uma demonstração oficial de capacidades

Segunda imagem fixa da mesma demonstração de 4K

Google, The Keyword ↗

Prompt publicado com esta peça

O fabricante escreve prompts no anúncio, mas não os associa a ficheiros individuais

Abrir este prompt no espaço de trabalho ↗

O fabricante escreve prompts no texto do anúncio, mas não os associa a ficheiros individuais, pelo que aqui não se atribui nenhum prompt a uma peça. Onde aparece texto dentro de uma imagem, é a sobreposição do fabricante e não algo que o modelo tenha produzido.

Três personagens animadas disfarçadas a dançar numa sala clara: um cão branco de boné, um polvo de óculos e um urso verde Ler as notas ↗

03 / Fotograma de uma demonstração oficial de capacidades

O que a demonstração de referência de vídeo produziu

Google, The Keyword ↗

Prompt publicado com esta peça

O fabricante escreve prompts no anúncio, mas não os associa a ficheiros individuais

Abrir este prompt no espaço de trabalho ↗

O fabricante escreve prompts no texto do anúncio, mas não os associa a ficheiros individuais, pelo que aqui não se atribui nenhum prompt a uma peça. Onde aparece texto dentro de uma imagem, é a sobreposição do fabricante e não algo que o modelo tenha produzido.

Dois painéis pequenos da mesma mulher de top escuro diante de uma parede de janelas iluminada, entre imagens fixas maiores da mesma cena Ler as notas ↗

04 / Fotograma de uma demonstração oficial de capacidades

O par de fotograma inicial e final, como o fabricante o dispõe

Google, The Keyword ↗

Prompt publicado com esta peça

O fabricante escreve prompts no anúncio, mas não os associa a ficheiros individuais

Abrir este prompt no espaço de trabalho ↗

O fabricante escreve prompts no texto do anúncio, mas não os associa a ficheiros individuais, pelo que aqui não se atribui nenhum prompt a uma peça. Onde aparece texto dentro de uma imagem, é a sobreposição do fabricante e não algo que o modelo tenha produzido.

Uma mulher de sobretudo escuro comprido a caminhar por uma colunata de pedra, com uma grande legenda branca sobreposta ao centro do fotograma Ler as notas ↗

05 / Fotograma de uma demonstração oficial de capacidades

Extensão de cena, com a legenda do próprio fabricante dentro da imagem

Google, The Keyword ↗

Prompt publicado com esta peça

O fabricante escreve prompts no anúncio, mas não os associa a ficheiros individuais

Abrir este prompt no espaço de trabalho ↗

O fabricante escreve prompts no texto do anúncio, mas não os associa a ficheiros individuais, pelo que aqui não se atribui nenhum prompt a uma peça. Onde aparece texto dentro de uma imagem, é a sobreposição do fabricante e não algo que o modelo tenha produzido.

O que é o Gemini Omni 1.1 Flash, nas palavras do fabricante

O anúncio da Google chama-lhe "a production-ready update for developers that offers improved control over generative video" e enumera o que a atualização acrescenta: estender cenas, especificar o fotograma inicial e final e gerar saída em alta resolução 4K. A ficha do modelo da DeepMind, que declara no seu próprio texto que "describes Gemini Omni Flash and Gemini Omni 1.1 Flash", descreve a família como "our next step towards models that can create and edit anything from any input—starting with video", com entradas de "text strings (e.g., a question, a prompt), images, audio, and video files" e saídas de "high-quality, high-resolution video with audio".

A ficha enumera três limitações conhecidas com as palavras do próprio fabricante: "maintaining complete consistency throughout edits, generating scenes with complex motion, or rendering perfectly accurate text remains a challenge". Nomeia o SynthID, a ferramenta de marca de água digital da Google, como mitigação posterior ao treino, e afirma que, embora o modelo possa alterar a fala das pessoas no âmbito de uma edição, por agora "we are restricting this capability".

A ficha foi publicada pela primeira vez em maio de 2026 e atualizada pela última vez em agosto de 2026, razão pela qual o nome da família e a versão 1.1 partilham o mesmo documento. Nada nesta página é uma declaração da Google, e a Google não reviu esta página.

As citações ficam no inglês do fabricante. Uma especificação traduzida é a via habitual pela qual os números começam a desviar-se.

Cinco modos declarados para este produto, quatro que o espaço de trabalho consegue exprimir

Isto é o mais determinante da página e distingue-a de todas as outras páginas de vídeo desta série. O serviço através do qual este site vende declara cinco tipos de tarefa para o Gemini Omni 1.1 Flash: texto para vídeo, imagem para vídeo, referência para vídeo, edição de vídeo e extensão de vídeo. O vocabulário de modos do próprio espaço de trabalho abrange quatro tipos de tarefa, e dois dos cinco que o serviço declara não têm nele qualquer representação.

Isto é uma afirmação sobre o que o próprio código do espaço de trabalho consegue exprimir, lida da sua lista de modos e de uma pesquisa no código-fonte por esses dois nomes. Não sustenta que o modelo não permita editar: o fabricante documenta a edição conversacional como capacidade central, e o serviço vende dois modos para ela.

Modo declarado pelo serviçoO que recebeAlcançável neste espaço de trabalho
Texto para vídeouma cena descrita por escritosim
Imagem para vídeoum prompt e uma a duas imagens fixassim
Referência para vídeoaté dez imagens e até três clipes de referênciasim
Edição de vídeoum prompt e exatamente um vídeonão existe nenhum modo com este nome na interface
Extensão de vídeoum prompt e exatamente um vídeonão existe nenhum modo com este nome na interface

Os campos que o espaço de trabalho apresenta e porque a tabela local nunca lá chega

O espaço de trabalho constrói os seus campos a partir do esquema de formulário que o serviço publica para cada modo, e só recorre às tabelas de modelos incluídas no código-fonte deste site quando o serviço não publica esse campo. Para este produto, o serviço publica um campo de resolução, um de proporção e um de duração nos três modos que o espaço de trabalho consegue mostrar, pelo que cada valor da tabela local é código morto no que à interface diz respeito.

A coluna do meio é o que um visitante vê. A da direita mantém-se visível apenas para que a diferença fique registada; um campo publicado prevalece sobre um valor local predefinido.

DefiniçãoValores publicados pelo serviçoValores da tabela local deste site, que não chegam ao formulário
resolution360p, 720p, 1080p, 4k - predefinição 720p720p, 1080p - predefinição 720p
aspect_ratioauto, 16:9, 9:16 - predefinição auto16:9, 9:16, 1:1, 4:3, 3:4 - predefinição 16:9
durationum número de 3 a 10, predefinição 5de 2 a 15 em passos de 1, predefinição 5
imagens em imagem para vídeo1 a 21

Aqui a duração é um número, não um menu

Neste modelo o serviço publica a duração como um campo numérico limitado entre 3 e 10, com predefinição 5, e não como uma lista de opções discretas. O espaço de trabalho apresenta a partir daí uma entrada numérica, pelo que não há menu de durações para ler, e o intervalo de 2 a 15 da tabela local não tem nada a ver com o que pode ser submetido.

Lidos em conjunto com o fabricante, os limites publicados são coerentes: o anúncio descreve a extensão em incrementos de dez segundos, o que implica uma geração individual de aproximadamente esse comprimento, e o teto de dez segundos do serviço fica exatamente nessa linha. O fabricante não indica, em nenhuma das duas fontes acessíveis, um parâmetro de duração por geração, pelo que esta página não afirma citar nenhum.

O que o fabricante indica é o que acontece depois de gerar. A extensão de cena permite ao modelo "analyze up to 10 seconds of prior context — a leap from previous models that only referenced the final second", estendendo "in 10-second increments up to a total cumulative length of 40 seconds".

A extensão de cena chega aos quarenta segundos e o espaço de trabalho não tem controlo de extensão

A extensão é o centro do anúncio e está documentada de forma concreta: dez segundos de contexto anterior analisados, incrementos de dez segundos, quarenta segundos acumulados. O serviço vende para este produto um modo de extensão de vídeo com um campo para exatamente um clipe de referência, que é a forma que uma chamada de extensão tem. Como o espaço de trabalho não tem nenhum modo capaz de exprimir extensão de vídeo, um visitante não consegue chegar lá a partir destes formulários.

A ficha do modelo acrescenta um teto fácil de deixar passar na cobertura do lançamento: alterar a fala das pessoas é descrito como uma capacidade atualmente restringida. É uma afirmação sobre o que o modelo tem permissão para fazer, não sobre o que este site vende, e é reproduzida aqui porque as edições assentes em fala são precisamente aquilo com que uma equipa de produção planeia antecipadamente.

Um detalhe de preço pertence a esta secção e não à seguinte. O serviço publica a extensão de vídeo a zero pontos por chamada, assinalado nos seus próprios dados como valor de recurso. Lido à letra, isso é gratuito, o que dificilmente será a intenção. Esta página não cita nenhum preço de zero para ela, e a questão fica com o operador.

Resolução: quatro escalões, faturados ao segundo dos dois lados

A Google publica preços por segundo para quatro escalões de saída e vende um modo de rascunho a 360p do qual diz que produz "up to 60% faster and at a third of the cost compared to Omni 1.1's standard 720p resolution". Esses números acompanham o anúncio como uma imagem de tabela e não como texto selecionável, pelo que foram lidos da imagem, que está arquivada junto desta página. O serviço através do qual este site vende publica os mesmos quatro escalões.

As duas escadas não têm a mesma forma. Tomando o escalão mais barato como 1, os passos do fabricante vão 1, 3,33, 5 e 10; os do serviço vão 1, 2,6, 4 e 7,8. Isso é aritmética sobre quatro números publicados de cada lado e nada mais. Não diz quanto custa um ponto, e este site cobra em pontos, que o servidor indica antes de cada tarefa em vez de os publicar como tarifa por segundo.

O serviço publica ainda um acréscimo de 2 pontos por chamada para outros tokens de saída, estimados em 1.000, e descreve o modo de faturação como parâmetros mais duração. O que isso significa para um clipe concreto é uma pergunta para o orçamento, não para esta tabela.

Os números do fabricante são os preços da própria API da Google em dólares norte-americanos. Não são os preços deste site e são apresentados com atribuição.

EscalãoPreço do fabricante, por segundoServiço deste site, pontos por segundo
360p$0.035
720p$0.1013
1080p$0.1520
4k$0.3039

Fotograma inicial e final, e o seletor que não é oferecido

O anúncio apresenta o controlo de fotograma inicial e final como capacidade de destaque: fornecer as imagens de abertura e de fecho e "Omni 1.1 generates continuous video between two keyframes, making it ideal for complex camera orbits, zoom transitions, or seamless looping clips". A demonstração que o fabricante publicou para isso, da qual esta página mostra um fotograma, é o exemplo mais claro da funcionalidade em todo o material de lançamento.

O serviço não declara um modo de início e fim para este produto, e a tabela local da família desliga esse modo. Um espaço de trabalho capaz de exprimir uma tarefa de início e fim não tem, por isso, nada para mostrar para este modelo, o que é a imagem ao espelho da página anterior desta série: lá o modo era declarado pelo serviço e era filtrado por outro seletor, aqui o modo existe na interface e o modelo nunca lá chega.

Os clipes de referência são a única entrada que esta página tem de descrever com cuidado. O anúncio diz para "reference up to three seconds of video". O serviço publica um campo que aceita até três clipes de referência. Três segundos e três ficheiros não são a mesma medida, e nenhuma das fontes contradiz a outra, pelo que ambas são reportadas tal como estão escritas, em vez de conciliadas.

O som vem por predefinição, e aqui é o próprio serviço que o diz

A ficha do modelo descreve a saída como vídeo com áudio, sem reservas, pelo que o áudio não é um extra opcional neste modelo. O serviço através do qual este site vende vai mais longe do que precisava e declara a posição nos seus próprios dados para este produto: o som é suportado, é gerado, está ligado por predefinição e não há interruptor. Esse último campo é o que decide o que um visitante pode fazer.

Vale a pena comparar com a página anterior desta série, onde a ausência de um campo de áudio tinha de ser deduzida do facto de não ser publicado nenhum. Aqui o serviço declara a ausência. O resultado para o visitante é o mesmo nos dois casos, e só num deles teve de ser deduzido.

O fabricante documenta ainda a referência a material de voz como tipo de entrada, e a ficha inclui o áudio entre as modalidades de treino. Nenhuma das duas coisas coloca um seletor de voz neste espaço de trabalho, porque não é publicado tal campo para este produto.

O que a galeria mostra e o que não mostra

Ao contrário da página de vídeo anterior desta série, o material do fabricante para este modelo descarrega-se: foram obtidos nove ficheiros diretamente do armazenamento da Google com conteúdo real, entre eles sete demonstrações de capacidades e uma montagem de um parceiro. Deles foram extraídos vinte e quatro fotogramas e todos foram vistos um a um.

Sete desses fotogramas revelaram-se o mesmo cartão de fecho quase branco com a marca do modelo, com que terminam os oito clipes. Cinco fotogramas são os que vale a pena publicar: duas imagens geradas limpas da demonstração de 4K, uma da demonstração de referência de vídeo, um par de painéis da demonstração de fotograma inicial e final, e um fotograma com a legenda incrustada do próprio fabricante, algo que a legenda desta página revela.

Uma peça foi retida por um motivo que merece ser nomeado. O ficheiro cujo nome anuncia uma marca de água é uma demonstração de um parceiro com o logótipo de uma plataforma incrustado na imagem e repetido num cartão final negro. Uma marca de terceiros dentro da galeria deste site seria lida como se este site entregasse saídas com marca de água, pelo que não é mostrada e o motivo fica registado.

Uma segunda peça foi retida porque não cumpre a sua função. O clipe publicado para demonstrar o modo de rascunho a 360p é ele próprio 1920 por 1080 e tem o débito de bits mais alto do conjunto, pelo que o ficheiro entregue não consegue mostrar a diferença de resolução para que existe. A afirmação sobre 360p nesta página vem, em vez disso, do texto do anúncio.

As rejeições e as suas medições ficam escritas no registo de construção desta página, em vez de ficarem implícitas numa galeria curta.

Exemplos

A demonstração de ampliação para 4K do fabricante: 22,8 segundos, 1920 por 1080, 25 fotogramas por segundo com faixa de áudio. Recodificada aqui para 0,9 Mbps a partir dos 4,13 Mbps do original para poder ser servida numa página, com resolução e cadência intactas.

Google, The Keyword, anúncio do Gemini Omni 1.1 Flash, obtido em 2026-09-19 de storage.googleapis.com/gweb-uniblog-publish-prod/original_videos/sm_KW_omni-flash__capability-video__upscale-4k__16x9.mp4_2.mp4. · Material de terceiros. Os direitos permanecem com o fornecedor; é mostrado com atribuição da fonte e sem reivindicar propriedade.

A demonstração de fotograma inicial e final: 27,8 segundos, 1920 por 1080, 25 fotogramas por segundo com faixa de áudio, recodificada aqui para 0,9 Mbps. O clipe traz as legendas do próprio fabricante e termina num cartão de marca, ambas visíveis no ficheiro tal como foi publicado.

Google, The Keyword, anúncio do Gemini Omni 1.1 Flash, obtido em 2026-09-19 de storage.googleapis.com/gweb-uniblog-publish-prod/original_videos/sm_KW_omni-flash__capability-video__first-last-frame__16x9_1.mp4. · Material de terceiros. Os direitos permanecem com o fornecedor; é mostrado com atribuição da fonte e sem reivindicar propriedade.

Um peixe-mandarim com marcas azuis e laranja sobre um coral ramificado em água azul clara

Fotograma ao segundo 1,0. Um motivo de detalhe de alta frequência, que é o adequado para uma demonstração de resolução, porque as marcas finas e os ramos de coral são onde a ampliação ou aguenta ou borra. O pequeno selo 4K do fabricante está no canto superior esquerdo.

Fotograma extraído por este site com AVFoundation a partir do clipe de capacidades publicado pelo fabricante, obtido em 2026-09-19. · Material de terceiros. Os direitos permanecem com o fornecedor; é mostrado com atribuição da fonte e sem reivindicar propriedade.

Uma flor azul-pálido a despontar de musgo húmido entre fetos, em grande plano

Fotograma ao segundo 11,0 do mesmo clipe. Um segundo motivo de propósito: o primeiro teste é detalhe de arestas duras, este é textura suave, e uma afirmação de resolução que só se sustenta numa das duas não vale muito.

Fotograma extraído por este site com AVFoundation a partir do clipe de capacidades publicado pelo fabricante, obtido em 2026-09-19. · Material de terceiros. Os direitos permanecem com o fornecedor; é mostrado com atribuição da fonte e sem reivindicar propriedade.

Três personagens animadas disfarçadas a dançar numa sala clara: um cão branco de boné de beisebol, um polvo de óculos e um urso verde

Fotograma ao segundo 7,0 da demonstração de referência de vídeo. É o fotograma isolado mais claro do conjunto para a afirmação que a funcionalidade faz, porque as três personagens estão em plano ao mesmo tempo e cada uma é uma referência distinta.

Fotograma extraído por este site com AVFoundation a partir do clipe de capacidades publicado pelo fabricante, obtido em 2026-09-19. · Material de terceiros. Os direitos permanecem com o fornecedor; é mostrado com atribuição da fonte e sem reivindicar propriedade.

Dois painéis da mesma mulher diante de uma parede de janelas, cada um com uma luz ligeiramente diferente, entre imagens fixas maiores da mesma cena

A forma própria do fabricante de apresentar um resultado de fotograma inicial e final: os dois fotogramas-chave como painéis pequenos ao lado dos fotogramas que produziram. Mostrado tal como foi publicado. A disposição é do fabricante, pelo que nada disto deve ser lido como uma única geração sem edição.

Fotograma extraído por este site com AVFoundation a partir do clipe de capacidades publicado pelo fabricante, obtido em 2026-09-19. · Material de terceiros. Os direitos permanecem com o fornecedor; é mostrado com atribuição da fonte e sem reivindicar propriedade.

Uma mulher de sobretudo escuro comprido a caminhar por uma colunata de pedra, com uma grande legenda branca sobreposta ao centro do fotograma

Fotograma ao segundo 1,0 da demonstração de extensão de cena. O texto na imagem é a sobreposição do fabricante, não texto produzido pelo modelo, e é a razão de este fotograma ser usado como imagem fixa e não como cartaz de um clipe: as palavras pertencem à demonstração, não à geração.

Fotograma extraído por este site com AVFoundation a partir do clipe de capacidades publicado pelo fabricante, obtido em 2026-09-19. · Material de terceiros. Os direitos permanecem com o fornecedor; é mostrado com atribuição da fonte e sem reivindicar propriedade.

Perguntas frequentes

Esta é a página oficial do Gemini Omni 1.1 Flash?

Não. É uma página deste site sobre o modelo. O anúncio da Google e a ficha de modelo da DeepMind estão ligados como fontes, e nem a Google nem a DeepMind reviram esta página.

Posso editar um vídeo aqui, ou estender um?

Não através dos formulários que esta página descreve. O serviço declara edição de vídeo e extensão de vídeo para este produto, mas a lista de modos do espaço de trabalho abrange quatro tipos de tarefa e nenhum desses dois está entre eles.

Quantos modos consigo realmente executar?

Três: texto para vídeo, imagem para vídeo e referência para vídeo. O serviço declara esses três mais os dois modos de edição que a interface não consegue exprimir.

Porque é que o campo de duração diz de três a dez segundos quando o fabricante fala de cenas de quarenta segundos?

Medem coisas diferentes. De três a dez é o intervalo que o serviço publica para uma geração individual; quarenta segundos é o total acumulado que o fabricante documenta para a extensão de cena, alcançado em incrementos de dez segundos. Este espaço de trabalho não tem controlo de extensão.

O 4K está disponível?

O serviço publica quatro escalões de saída para este produto, 360p, 720p, 1080p e 4k, com 720p por predefinição. O fabricante atribui preço aos quatro, a $0.03, $0.10, $0.15 e $0.30 por segundo. O que este site cobra é indicado em pontos antes de cada tarefa e não é uma tarifa por segundo.

Os vídeos têm som?

Sim, por predefinição, e não há interruptor. O serviço declara nos seus próprios dados para este produto que o áudio é suportado, é gerado e está ligado por predefinição, sem comutador. A ficha do fabricante também descreve a saída como vídeo com áudio.

Quantas imagens ou clipes de referência posso anexar?

O serviço publica até dez imagens e até três clipes de referência para referência para vídeo, e de uma a duas imagens para imagem para vídeo. O fabricante documenta em separado a referência de até três segundos de vídeo, que é uma duração e não uma contagem.

Porque é que a galeria tem cinco peças se o fabricante distribuiu nove ficheiros?

Porque oito dos nove terminam no mesmo cartão de marca, e a maioria dos fotogramas restantes trazem elementos de interface ou legendas incrustadas. Dois ficheiros não estão representados de todo: um traz a marca de água visível de uma plataforma parceira, e o outro é a demonstração de 360p, que é publicada em 1920 por 1080 e por isso não consegue mostrar a resolução para que existe.

Explore também