Gemini Omni 1.1 Flash: o que muda na geração de vídeo com IA do Google?

O Google mexeu de novo no seu modelo de vídeo generativo, e dessa vez o alvo é bem claro: quem constrói em cima da API

Fala aí, beleza? O Gemini Omni 1.1 Flash foi anunciado como o modelo multimodal mais recente do Google para geração e edição de vídeo, e o que veio junto não é só "mais qualidade": é uma suíte nova de controles criativos pensada pra desenvolvedor

Este post é o mapa de entrada: o que ele é, onde ele se encaixa e o que ele entrega de fato pra quem monta pipeline de vídeo

O que é o Gemini Omni 1.1 Flash e de onde ele vem

O anúncio oficial saiu no blog do Google, posicionando o modelo como atualização production-ready para desenvolvedores

Não é um produto do zero

Já existia uma versão anterior do Omni Flash, e a 1.1 é a iteração em cima dela, com os controles criativos como o grande diferencial da vez

Formação Recomendada

Formação Claude Code

Domine Claude Code do absoluto zero até o avançado

• 114 aulas
• 4 projetos
• 9h 18min

Conhecer formação

Um detalhe importante de estágio: na documentação do Gemini Enterprise Agent Platform, o modelo aparece como Gemini Omni 1.1 Flash Preview

Ou seja, dá pra construir, mas você constrói sabendo que ainda é Preview naquele caminho

(guarda essa palavra "Preview", porque mais pra frente ela reaparece com outro sentido, e aí eu separo os dois pra não dar nó)

É o mesmo tipo de leitura que a gente já fazia com as novidades do Gemini 3.7 Flash: entender o que mudou em relação à geração anterior antes de sair trocando o modelo no seu código 🙂

O que muda na prática para quem gera vídeo com IA

Aqui mora o post inteiro

Cada controle novo resolve uma dor específica de quem tenta fazer vídeo generativo virar produto, e não demo bonita

Extensão de cena: até 10 segundos de contexto, e não mais 1

Esse é o item mais pesado da lista

A extensão de cena agora analisa até 10 segundos do vídeo já gerado como contexto, em vez de olhar apenas o último segundo, como faziam os modelos anteriores

Por que isso importa? Porque contexto curto é a raiz do vídeo que "perde o fio": o personagem muda de roupa, a luz vira outra, o movimento quebra na emenda

Com mais contexto pra ler, a continuação tem mais material pra manter coerência

As cenas podem ser estendidas em incrementos de até 10 segundos, chegando a 40 segundos acumulados

E atenção nesse ponto, porque é onde muita gente vai se confundir: os 40 segundos são duração cumulativa, resultado de extensões sucessivas

Cada saída individual fica entre 3 e 10 segundos, ou seja, o incremento é um teto, não um valor fixo

Não existe aqui o botão de gerar 40 segundos de uma vez

First frame e last frame: você define o começo e o fim do plano

O desenvolvedor pode definir o primeiro e o último frame de um plano

Com isso dá pra criar transições e movimentos de câmera entre keyframes, em vez de descrever o movimento em texto e torcer pro modelo entender

Se você já dirigiu qualquer coisa em vídeo, é a diferença entre pedir "faz uma câmera subindo" e marcar onde a câmera começa e onde ela termina

Controle de verdade, e não sorte no prompt

Vídeo de referência: até 3 segundos pra segurar o personagem

Dá pra enviar até 3 segundos de vídeo externo como referência visual

O objetivo declarado é manter personagem, movimento e contexto entre cenas

Esse é o tipo de recurso que separa "clipe isolado" de "sequência": sem referência, cada plano tende a ser um universo novo

Modo rascunho em 360p: itera barato antes de gastar caro

O modo rascunho em 360p roda até 60% mais rápido e custa um terço do preço em comparação com o 720p

A lógica é a mesma do storyboard: você não renderiza em alta pra descobrir que o enquadramento tá errado

Testa o prompt no feio, aprova a ideia, depois sobe a resolução

Resolução: 720p é o padrão, 1080p e 4K são upscale

Esse ponto merece leitura fria

A resolução padrão da API é 720p, e 1080p e 4K são entregues como upscale, não como geração nativa naquelas resoluções

Tome cuidado com a expectativa aqui: pagar mais por 4K não é o mesmo que o modelo ter gerado 4K do zero

Muda o que você promete pro cliente e muda como você calcula custo por entrega

Preço do Gemini Omni 1.1 Flash por resolução

Na Gemini API a cobrança é por segundo de vídeo de saída, variando conforme a resolução

Dois detalhes mudam a leitura dessa tabela

O primeiro: o preço do 720p permanece inalterado em relação à versão anterior do Omni Flash, seguindo em US$ 0,10 por segundo

O segundo: como 1080p e 4K são upscale, a conta de custo x qualidade não é linear, você está pagando pelo aumento de resolução aplicado em cima de uma geração que não nasceu naquele tamanho

E é por isso que o rascunho em 360p vira estratégia, e não gambiarra

A US$ 0,03 por segundo, ele custa um terço do 720p

Iterar dez versões no feio sai mais barato que errar três no caro 😀

Como acessar o modelo e o que muda no endpoint

São dois caminhos separados

Desenvolvedores acessam pelo Google AI Studio (Gemini API)

Empresas acessam pelo Gemini Enterprise Agent Platform, via Agent Platform API, que é onde o modelo aparece como Preview

Quem já pensa nesse recorte corporativo provavelmente lembra da discussão sobre modelos Flash em fluxos corporativos, e a divisão aqui segue a mesma lógica de plataforma

O identificador do modelo na Gemini API é gemini-omni-1.1-flash

E agora o detalhe que quebra código: a geração de vídeo com o Omni é feita pela Interactions API, e não por um endpoint separado de generateVideos

A chamada vai pra:

POST https://generativelanguage.googleapis.com/v1beta/interactions

Com o modelo e o formato de resposta declarados no corpo:

{
  "model": "gemini-omni-1.1-flash",
  "response_format": { "type": "video" }
}

Item de migração pra colocar no calendário agora: o endpoint anterior gemini-omni-flash-preview será descontinuado em 30 de setembro de 2026

Se você tem algo em produção apontando pra ele, essa data é sua

E aqui entra a confusão que eu avisei lá em cima, porque a palavra "preview" aparece em dois lugares com sentidos diferentes

Um é estágio de plataforma: o modelo listado como Gemini Omni 1.1 Flash Preview na documentação do Gemini Enterprise Agent Platform, ou seja, o caminho corporativo do modelo novo

O outro é nome de endpoint: gemini-omni-flash-preview é o identificador da versão anterior à 1.1, que já carregava "preview" no próprio nome, e é justamente esse que vai ser descontinuado

São coisas separadas: uma fala do estágio do modelo atual no caminho empresarial, a outra é o endereço velho que sai de cena

O Google publicou documentação, cookbooks e guias de prompting pra integrar extensão de cena, referências de vídeo e upscaling em aplicações, tudo na documentação oficial do Omni

Para quem o Gemini Omni 1.1 Flash faz sentido

Cada controle novo casa com um cenário bem concreto de quem constrói:

• Quem queima orçamento testando prompt: itera enquadramento e descrição em 360p, a um terço do custo do 720p, e só sobe a resolução no que já foi aprovado
• Quem precisa de sequência, não de clipe solto: encadeia cenas com extensões sucessivas de até 10 segundos cada, somando até 40 segundos acumulados
• Quem trabalha com personagem recorrente: usa até 3 segundos de vídeo de referência pra manter personagem, movimento e contexto entre planos
• Quem pensa em direção de câmera: define first frame e last frame e planeja a transição entre keyframes, em vez de descrever movimento no texto e cruzar os dedos

E tem o caminho de quem só quer usar, sem escrever uma linha de código

Aqui vale um aviso de nome: nesse trecho o anúncio do Google fala em Gemini Omni Flash, sem o 1.1, e o que ele descreve é o rollout global para assinantes Google AI Plus, Pro e Ultra, no app Gemini e no Google Flow

Ou seja, o "1.1" é o nome que aparece no caminho de desenvolvedor (model ID gemini-omni-1.1-flash e listagem no Gemini Enterprise Agent Platform), enquanto o app e o Flow são citados com o nome curto

Dá pra separar bem os dois públicos: quem quer usar vai pelo app, quem quer integrar vai pela API

Vale entrar agora no Gemini Omni 1.1 Flash?

Depende do que você chama de "entrar"

Pra experimentar e prototipar, sim: o modelo foi anunciado como production-ready para desenvolvedores, está no Google AI Studio, tem documentação, cookbooks e guias de prompting publicados

Pra apostar a operação inteira, vale o pé atrás de sempre: no Gemini Enterprise Agent Platform ele ainda aparece como Preview

E tem duas coisas que exigem atenção antes de prometer entrega pra alguém

Upscale não é geração nativa: 1080p e 4K saem de uma base 720p

E o gemini-omni-flash-preview some em 30 de setembro de 2026, então migração não é assunto pra depois

O caminho prático pra começar:

1. Abra a documentação oficial em ai.google.dev/gemini-api/docs/omni e confira os parâmetros atuais dos controles, porque no caminho corporativo o modelo está em Preview e detalhe de API muda
2. Rode um teste em 360p pelo Google AI Studio, usando gemini-omni-1.1-flash pela Interactions API. O erro comum aqui é tentar chamar um endpoint de generateVideos que não é o caminho do Omni
3. Valide a continuidade antes de escalar: estenda a cena uma vez, veja se o personagem e a luz seguem coerentes, e só então empilhe extensões até os 40 segundos acumulados
4. Só depois de aprovar prompt e enquadramento, suba a resolução, sabendo que 720p custa US$ 0,10 por segundo e o rascunho em 360p custa um terço disso

Testa no barato, valida a ideia, depois paga pelo bonito

É um jeito bem menos doloroso de descobrir que o prompt tava errado, né? haha

até o próximo post!