O Que É o Omni Flash? Capacidades, Acesso e Guia para Desenvolvedores

Olá, sou a Dora. Passei a manhã do I/O 2026 lendo o post de lançamento e as páginas de preços, depois abrindo o aplicativo Gemini para ver o que realmente foi lançado versus o que ainda está rotulado como “nas próximas semanas.” Esta é a versão resumida — para desenvolvedores e equipes de produto que decidem se o Omni Flash muda algo em seu pipeline.

Versão curta logo de início: o modelo é real e está disponível em superfícies para consumidores hoje. A API para desenvolvedores não está. Essa diferença importa mais do que as demos.

O Que o Omni Flash Realmente É (O primeiro modelo da série Omni do Google)

Então, o que é o Omni Flash, concretamente? O Gemini Omni Flash é o primeiro modelo da nova família Omni do Google, anunciado em 19 de maio de 2026 no I/O. O Google DeepMind o descreve como “crie qualquer coisa a partir de qualquer entrada — começando com vídeo.” O “começando com” importa — o roadmap de longo prazo abrange roteamento de qualquer modalidade para qualquer outra, mas o que foi lançado hoje é uma entrada multimodal produzindo saída de vídeo. Saída de imagem e áudio estão no roadmap público, não no produto.

Posicionamento no roadmap do Gemini Omni

O Omni está posicionado como uma família, não um único modelo. O Flash é o primeiro passo voltado para consumidores. Um Omni Pro de nível superior foi confirmado pelo Google DeepMind, sem data de lançamento — Nicole Brichtova disse ao TechCrunch que o Pro chegará “quando sentirmos que estamos em um ponto onde temos uma mudança significativa acima do Flash.” Leia isso como: não tão cedo.

Por que o Google o descreve como “versão de vídeo do Nano Banana”

O Nano Banana — modelo de geração/edição de imagens do Google lançado em 2025 — estabeleceu o modelo para o que o Omni está tentando ser para vídeo: edição conversacional, persistência de identidade entre iterações, baixo atrito para usuários não técnicos. O post oficial do blog do Google apresentando o Omni traça a linhagem explicitamente. Arquiteturalmente, este lançamento do Google DeepMind Omni Flash raciocina entre modalidades em um único passe direto em vez de retransmitir entre sistemas especializados. Se isso se traduz em saídas meaningfulmente melhores versus uma abordagem de pipeline Veo-mais-áudio é algo que vou acompanhar. As demos são selecionadas. Fluxos de trabalho reais não são.

Capacidades Confirmadas no Lançamento

Estas são as capacidades do Omni Flash confirmadas no produto hoje, não o que foi anunciado.

Entrada multimodal (texto, imagem, vídeo, áudio)

Você pode combinar qualquer uma dessas entradas em um único prompt. O modelo as trata como uma descrição de cena unificada em vez de ativos concatenados. Esta é a parte mais clara do anúncio — e o que o distingue do pipeline texto-para-vídeo do Veo.

Saída de vídeo de até 10 segundos com áudio nativo

Os clipes têm limite de 10 segundos. Brichtova descreveu isso como uma decisão de implantação, não um teto do modelo — uma forma de controlar a demanda de computação enquanto o acesso se expande. O áudio é gerado sincronizado com o vídeo, não adicionado depois. A demo do mármore saltando que o CTO do Google, Koray Kavukcuoglu, mostrou aos repórteres produziu sons de impacto e sons de campainha automaticamente. Vale destacar: testadores independentes disseram ao TechTimes que a qualidade bruta de geração pode ficar atrás do Seedance 2.0 da ByteDance e do Wan 2.7 da Alibaba, mesmo que a camada de edição seja mais forte.

Edição conversacional via linguagem natural

Cada instrução é construída sobre a anterior. “Faça a escultura de bolhas” — aplicado, estado preservado, a próxima instrução opera no novo estado. Esta é a mudança no fluxo de trabalho, e a parte mais provável de economizar tempo na produção: menos reescritas de prompt, menos re-execuções do zero.

Inserção de semelhança e consistência de cena

O recurso Avatar permite criar uma versão digital de si mesmo (o cadastro requer falar uma sequência de números na câmera — uma verificação de deepfake inspirada vagamente nos Sora Cameos descontinuados da OpenAI). Uma vez armazenado, o avatar persiste entre as gerações.

Marca d’água SynthID e restrições de segurança

Cada saída carrega uma marca d’água invisível do SynthID, verificável pelo aplicativo Gemini, Chrome e Google Search. O SynthID já marcou mais de 100 bilhões de imagens e vídeos gerados por IA. A edição aberta de voz e semelhança está restrita — a razão declarada pelo Google é a implantação responsável.

Onde Você Pode Acessá-lo Hoje

Três superfícies, tetos diferentes.

Superfície	Quem tem acesso	Orçamento de computação
Aplicativo Gemini	Assinantes AI Plus, Pro, Ultra globalmente	Limites semanais baseados em computação (novo modelo)
Google Flow	AI Plus / Pro / Ultra	200 / 1.000 / 10.000–25.000 créditos Flow por mês
YouTube Shorts e app Create	Usuários gratuitos	Sendo lançado esta semana

Aplicativo Gemini (limites do plano gratuito)

Usuários gratuitos não têm acesso ao modelo no aplicativo Gemini. O ponto de entrada gratuito é o YouTube. Os planos pagos começam no AI Plus ($7,99/mês).

Google Flow (alocações de créditos Pro/Ultra)

O Flow é onde vivem as superfícies de fluxo de trabalho real — composição de múltiplos clipes, bibliotecas de ingredientes, vozes personalizadas, edição em vídeo existente. A documentação de suporte do Google Flow lista recursos exclusivos deste modelo: clipes de 10 segundos (vs 4s/6s/8s em modelos inferiores), edição de vídeo carregado, criação de voz personalizada. Os custos de crédito por ação variam de acordo com a duração do clipe e o tipo de edição — vou abordar a economia de créditos em uma peça separada. Para este resumo, 200 créditos (Plus) é exploratório; iteração séria precisa de Pro ou superior.

YouTube Shorts e YouTube Create

A jogada surpresa de distribuição. Acesso gratuito a um modelo de fronteira — mesmo restrito — é incomum. A lógica estratégica: a OpenAI retirou o Sora para API-only no início de 2026, deixando o espaço de vídeo para consumidores menos concorrido. O Google está preenchendo isso com alcance em vez de qualidade máxima.

O Que Ainda Não Está Disponível

API para desenvolvedores no Vertex AI (anunciada, não GA)

A partir de maio de 2026, a API para desenvolvedores não está disponível para o público geral. O blog do Google diz que o lançamento para desenvolvedores e clientes empresariais via APIs está chegando “nas próximas semanas.” A análise empresarial do VentureBeat coloca diretamente: até que a API do Vertex esteja disponível para o público geral, o Omni é efetivamente uma ferramenta para consumidores e usuários intermediários. Se você está planejando uma integração, trate a API como um item de planejamento para o terceiro trimestre de 2026, não como uma opção atual.

Geração de duração mais longa

10 segundos é o teto público. O Google diz que durações mais longas estão no pipeline. Sem cronograma.

Edição aberta de voz e semelhança

Você pode usar seu próprio avatar. Você não pode editar livremente vozes ou semelhanças arbitrárias em vídeos carregados. Esta é uma fronteira de segurança deliberada, não uma lacuna de capacidade.

Algumas outras coisas circulando na cobertura do lançamento que o Google não confirmou oficialmente: um teto de saída de 720p, tempos de geração de 60 a 90 segundos, pacotes de modelos de avatar nomeados. Trate esses como não verificados.

Como Ele Se Posiciona no Cenário de Geração de Vídeo

Substituição do Veo em algumas superfícies de produtos

Vários veículos relataram que o Google Omni Flash efetivamente substitui o Veo no Flow e no aplicativo Gemini. O Veo não está descontinuado — o Veo 3.1 ainda tem acesso à API, e para texto-para-vídeo puro com confiabilidade de nível API, é a opção de produção hoje. Mas dentro das próprias superfícies para consumidores do Google, o Omni é supostamente o novo padrão. A história de migração que o Google está vendendo: lance com o Veo agora, planeje a mudança quando o GA chegar.

Edição conversacional vs geração apenas por prompt

Esta é a aposta arquitetural. A maioria dos modelos de vídeo atuais — incluindo o Veo — trata cada geração como um novo passe. As edições do Omni são stateful. Para fluxos de trabalho que envolvem iteração (a maioria dos profissionais), isso muda a matemática de crédito por clipe final. Se a matemática realmente funciona depende de quão bem o modelo preserva a intenção entre as edições. Ainda não testei o suficiente para dizer.

O Que Desenvolvedores e Equipes de Produto Devem Acompanhar

Sinais de timing e preços da API

A API para desenvolvedores é o fator limitante para qualquer integração de produção. Duas coisas a monitorar: a documentação da API Gemini para o SKU real aparecer, e a página de preços do Vertex AI para estrutura de cobrança por token ou por segundo. Preços baseados em tokens — o padrão do Google para a família Gemini — tornaria isso mais fácil de prever do que preços por clipe.

Provável chegada em plataformas de agregação

Uma vez que a API chegar, espere que o modelo apareça em plataformas de acesso unificado em questão de semanas. Se você já está integrado a uma camada de API multi-modelo, o custo de migração do Veo 3.1 deve ser pequeno. Se você está diretamente integrado a um único provedor, o argumento para adicionar uma camada de agregação fica mais forte a cada trimestre — este lançamento é mais um ponto de dados nessa direção.

Perguntas Frequentes

A API do Omni Flash já está disponível para desenvolvedores?

Não. A partir de maio de 2026, a API para desenvolvedores não está disponível para o público geral. O Google diz que o lançamento via API Gemini e Vertex AI está chegando “nas próximas semanas.” Até então, o acesso programático não é possível.

Qual é a duração máxima de vídeo que o Omni Flash pode gerar?

10 segundos. O Google DeepMind afirmou que esta é uma decisão de implantação e não um limite arquitetural do modelo. Durações mais longas estão planejadas sem um cronograma público.

O Omni Flash substitui completamente o modelo Veo do Google?

Não. O Veo 3.1 permanece disponível com acesso à API para cargas de trabalho de texto-para-vídeo. Dentro das próprias superfícies para consumidores do Google (aplicativo Gemini, Flow), o novo modelo é supostamente o padrão. Para integrações de API de produção hoje, o Veo é a opção funcional.

Posso usar a saída do Omni Flash comercialmente?

Sujeito à Política de Uso Proibido de IA Generativa do Google e aos termos do seu nível de assinatura. O uso comercial é geralmente permitido nos planos pagos, mas cenários específicos (conteúdo com semelhança de pessoas, propriedade intelectual de terceiros, setores regulamentados) precisam de verificação frente à política atual do Google. Não aceite um sim genérico de ninguém.

O Omni Flash coloca marca d’água em todos os vídeos gerados?

Sim. Todas as saídas carregam uma marca d’água imperceptível do SynthID, verificável pelo aplicativo Gemini, Chrome e Google Search. Não há como desativar.

O Omni Flash está disponível fora dos próprios aplicativos do Google?

Ainda não. O acesso atual está limitado ao aplicativo Gemini, Google Flow, YouTube Shorts e o aplicativo YouTube Create. Uma vez que a API para desenvolvedores seja lançada, espere disponibilidade pelo Vertex AI e provavelmente em plataformas de agregação de terceiros logo depois.

Conclusão

Para a maioria das equipes de produto, a resposta prática desta semana é: nada muda ainda. Continue lançando com o Veo 3.1. O ponto de decisão é o GA da API — quando chegar, o primitivo de edição conversacional vale uma avaliação real, especialmente se seu pipeline já paga o custo de geração de vídeo em múltiplos passes.

Para experimentação de consumidores, o aplicativo Gemini e o Flow são os pontos de entrada nos planos pagos; o YouTube Shorts é o caminho gratuito. Vale meia hora de tempo prático para calibrar suas próprias expectativas de qualidade em relação às demos.

Uma nota de desambiguação: este é o Gemini Omni Flash do Google. Há um Qwen3.5-Omni-Flash da Alibaba com nome separado — fornecedor diferente, roadmap diferente. Não os confunda.

É isso que tenho hoje. Vou revisitar quando a API for lançada.

Posts anteriores：