O Google liberou o Gemini Omni Flash para desenvolvedores em 30 de junho, trazendo seu modelo de geração e edição de vídeo conversacional pro Google AI Studio e pra API do Gemini. A novidade já apareceu integrada à API da Runway logo na virada do mês, reforçando uma tendência que vem se consolidando ao longo do ano, a de plataformas de vídeo por IA somando modelos de diferentes fornecedores dentro do mesmo fluxo de trabalho.
O Omni Flash é descrito pelo próprio Google como o primeiro modelo de uma nova família chamada Omni, um transformador que aceita texto, imagem, áudio e vídeo como entrada e devolve vídeo fundamentado no conhecimento de mundo do Gemini. Na prática, isso significa gerar até dez segundos de vídeo e depois seguir editando esse mesmo clipe através de instruções em linguagem natural, turno após turno, mantendo personagens e cenário consistentes ao longo da conversa.
Esse recurso de edição multi-turno é o que separa o Omni Flash de um simples gerador de clipes. Descrever uma mudança e ver o modelo aplicar essa mudança sem perder a consistência da cena anterior é o tipo de fricção que historicamente exigia um editor de vídeo profissional debruçado sobre camadas e máscaras. O preço da API gira em torno de 0,10 dólar por segundo de vídeo em 720p, o que ainda é caro pra uso casual, mas nada absurdo pra um estúdio testando pré-visualização de cena.
Vale lembrar que a própria Runway captou 315 milhões de dólares recentemente apostando justamente nesse tipo de modelo de mundo aplicado à produção de vídeo. Ver a Runway abrir espaço pro modelo de um concorrente direto dentro da própria API diz mais sobre a maturidade do mercado do que qualquer anúncio isolado, ninguém mais está brigando sozinho por esse pedaço do bolo.