Te despiertas, abres tu red social favorita y ves un vídeo tuyo explicando física cuántica o bailando la canción de moda. El problema es que tú nunca has grabado eso. Lo que hace tan solo un año nos parecía pura ciencia ficción distópica, acaba de materializarse en el último Google I/O. La gran G ha pisado el acelerador a fondo y ha presentado Gemini Omni, un modelo fundacional que no solo genera clips de vídeo, sino que es capaz de clonar tu voz y apariencia con una precisión quirúrgica. Así de brutal.
Y es que no estamos ante un simple experimento de laboratorio. Tras varios meses viendo avances intermitentes en la competencia, Google ha decidido dar un golpe sobre la mesa y jubilar definitivamente a su anterior modelo, Veo. Este nuevo bicho no procesa los datos por separado, sino que entiende imágenes, textos y hasta audios de forma simultánea. Se acabó lo de escribir texto para que salga un vídeo mudo.
Gemini Omni aplasta a la competencia con un realismo físico demencial
Si diseccionamos los números y las capacidades de la presentación, la propuesta marea bastante. Las especificaciones de Gemini Omni demuestran que permite crear contenido audiovisual hiperrealista cruzando múltiples fuentes de entrada al mismo tiempo. Puedes subir una foto tuya, añadir una pista de voz grabada con el móvil y sumarle un prompt de texto muy específico. La IA se encarga de procesar todo ese caos y escupir un vídeo perfectamente sincronizado. Una auténtica locura.
En el terreno más técnico, el modelo hereda todo el conocimiento y la capacidad de razonamiento de los LLM más potentes de la compañía. No se limita a pegar píxeles basándose en etiquetas visuales. Es decir, comprende el lenguaje natural a un nivel tan profundo que puede adaptar detalles físicos del entorno, como replicar las características exactas del oleaje en el océano Índico o simular cómo incide la luz en diferentes materiales. Las leyes de la física ahora también se programan.
También te puede interesar:Ha Sido Filtrado Gemini Omni, el Nuevo Modelo de Google para Crear y Editar VideosA ello se le suma la solución a uno de los grandes ridículos de la IA generativa hasta la fecha: las letras deformes. Omni integra una generación de texto ultraprecisa dentro de las propias escenas. Si le pides que aparezca un cartel escrito a mano al fondo del plano, lo hará sin generar esos jeroglíficos alienígenas a los que estábamos acostumbrados. Ni se inmuta.
La función «Avatar» convierte YouTube Shorts en un estudio de grabación fantasma
Como era de esperar, una tecnología así tiene un modelo de negocio detrás. La herramienta ya está totalmente operativa en la app de Gemini, aunque de momento exige pasar por caja mediante los planes Google AI Plus, Pro y Ultra. Pero el verdadero terremoto para los creadores de contenido viene por otro lado mucho más masivo.
La jugada maestra es que Google va a liberar esta bestia de forma gratuita directamente en YouTube Shorts esta misma semana. Lo harán mediante una nueva función bautizada como «Avatar«. Básicamente, cualquier usuario va a poder generar vídeos verticales de sí mismo, utilizando su propio rostro y su voz exacta, tecleando apenas un par de líneas de texto. No hace falta encender el aro de luz ni despeinarse.
Pero ojo, porque no hablamos de un filtro barato de redes sociales. La IA promete mantener una continuidad narrativa estricta y un control total de los encuadres a través de los comandos de texto. Los ejemplos mostrados durante el evento alcanzan un nivel de fotorrealismo que directamente asusta, haciendo casi imposible distinguir qué metraje pasó por el objetivo de una cámara real.
Editar vídeos grabados con el móvil ya no requiere saber de posproducción
La letra pequeña, que en este caso es un avance técnico brutal, es que Omni no solo es un motor de generación desde cero. Se posiciona directamente como uno de los editores de vídeo más salvajes del mercado. Permite modificar grabaciones ya existentes, sin importar si son clips sintéticos o metraje real grabado en tus últimas vacaciones.
A nivel práctico, esto significa que las posibilidades de manipulación son infinitas. ¿Quieres cambiar la posición de la cámara en un plano fijo? Hecho. ¿Prefieres añadir un personaje que no estaba allí en el momento de la grabación? También puedes. El modelo es capaz de coger un vídeo de un descampado de tierra y transformarlo en un prado de amapolas, manteniendo intacto el movimiento de cámara original y la iluminación general.
Para lograrlo, la herramienta utiliza todo el motor lógico de Gemini para aplicar esos cambios con coherencia. Además, a nivel arquitectónico, los desarrolladores podrán integrar estas capacidades directamente en Google Flow junto con agentes conversacionales. El límite ahora mismo solo lo pone la imaginación y, quizás, nuestra capacidad de procesamiento.
Visto lo visto, la barrera visual entre lo que es genuino y lo que es sintético acaba de saltar por los aires. La integración nativa de estas herramientas de inteligencia artificial en ecosistemas con miles de millones de usuarios va a democratizar una producción que antes costaba miles de euros en equipos. Tocará ver cómo reacciona OpenAI con la ansiada versión final de Sora ante este despliegue masivo. El mercado del vídeo ha cambiado para siempre, y la pelota está ahora en el tejado de la competencia.
Me dedico al SEO y la monetización con proyectos propios desde 2019. Un friki de las nuevas tecnologías desde que tengo uso de razón.
Estoy loco por la Inteligencia Artificial y la automatización.
