HAZ LO TUYO GUÍA PRÁCTICA
← BIBLIOTECA
Visual editorial de Gemini Omni como flujo multimodal de imagen, vídeo, audio, prompts y edición creativa.
Gemini Omni entendido como sistema multimodal: referencias, prompts, vídeo, audio y edición visual dentro de un flujo creativo.
Academia HLT · IA multimodal

Gemini Omni sin humo

Una guía pública para entender qué es, qué puede hacer hoy y cómo usarlo con criterio en imagen, vídeo y flujos multimodales.

Separando datos confirmados, interpretación razonable y capacidades no verificadas. Herramienta, proceso, criterio y revisión. En ese orden.

18bloques navegables
13recursos copiables
3niveles de certeza
0capacidades inventadas
01 · Resumen ejecutivo

Lo que conviene saber antes de probar

Esta guía trata Gemini Omni como recurso de trabajo, no como anuncio. Primero certeza, luego método.

01

Qué es

Gemini Omni es una familia de modelos multimodales de Google orientada a crear desde distintos tipos de entrada. El primer modelo público citado en el material es Gemini Omni Flash.

02

Uso principal

El centro práctico actual es vídeo multimodal: crear o editar clips usando texto, imágenes, vídeo y audio como contexto, con salida de vídeo con audio.

03

Cómo no venderlo

No debe presentarse como generador universal terminado, ni como garantía de continuidad perfecta, vídeo largo fiable o imagen estática final superior a herramientas específicas.

Idea HLT

Gemini Omni no elimina dirección creativa, edición ni revisión. Las vuelve más importantes.

02 · Base

Qué es Gemini Omni

En el material consultado, Omni aparece como una capa creativa multimodal: acepta contexto diverso y devuelve principalmente vídeo.

TextoDirige intención, escena, límites, cámara, estilo y restricciones.
ImagenAporta referencia visual: personaje, producto, estilo, composición o punto de partida.
VídeoSirve como base de movimiento, estructura, edición o transformación.
SonidoPuede entrar como contexto y salir integrado en el vídeo generado.
NivelQué se afirmaCómo usarlo con criterio
ConfirmadoEntrada multimodal: texto, imagen, vídeo y audio. Salida destacada: vídeo con audio.Diseña clips cortos, con una intención clara y referencias limpias.
Interpretación razonablePuede convertirse en una capa creativa multimodal fuerte dentro del ecosistema Google.Prepara flujos flexibles que no dependan de una sola interfaz.
Rumores / no verificadoVídeos largos plenamente controlables, continuidad perfecta o sustitución completa del montaje y la edición.No lo prometas en encargos reales sin pruebas propias documentadas.
03 · Estado actual

Disponible, pero no igual en todos los canales

Los planes, países, créditos y límites pueden cambiar. Para trabajo real, anota siempre fecha, interfaz, plan usado y resultado.

Confirmado en el material

Gemini Omni Flash

El material lo describe como primer modelo público de la familia, con soporte para entradas multimodales y salida de vídeo con audio.

Uso práctico

Gemini, Flow y Shorts

La guía inicial sitúa el uso en la app Gemini, Google Flow y YouTube Shorts, con llegada de acceso para desarrolladores y clientes empresariales indicada como próxima.

Prudencia

Duración, acceso y coste

La duración indicada para vídeos en Gemini es de 10 segundos. Los detalles de coste, créditos y disponibilidad deben comprobarse en la interfaz real antes de presupuestar.

No asumir

No todo es Omni

Para imagen estática, el material posiciona mejor herramientas específicas de imagen como Nano Banana / Gemini Image / Nano Banana Pro. Omni se entiende mejor como motor de vídeo multimodal.

04 · Imagen

Capacidades de imagen

La imagen funciona sobre todo como referencia y punto de partida para vídeo. No conviene confundir referencia visual con herramienta principal de imagen final.

01

Imagen como referencia

Fotos de producto, personajes, escenas o estilos pueden orientar el vídeo: identidad, estética, encuadre, atmósfera y continuidad visual.

02

Imagen a vídeo

El uso más natural es convertir una imagen o conjunto de referencias en un clip corto con acción, cámara, luz y audio definidos.

03

Edición con contexto

Una imagen de estilo puede condicionar la transformación de un vídeo, siempre que se bloquee lo que no debe cambiar.

Regla práctica

Si la salida final es una imagen estática, usa una herramienta de imagen. Si la imagen es base para movimiento, Omni entra mejor.

05 · Vídeo

Capacidades de vídeo

Es el territorio principal: clips cortos, edición por conversación, transformación de escenas y mezcla de referencias.

Texto a vídeo

Crear desde prompt

Funciona mejor con una acción simple, cámara clara, escena concreta, duración breve y restricciones explícitas.

Imagen a vídeo

Animar una referencia

Útil para producto, personaje, storyboard o mood visual. La clave está en preservar identidad y limitar movimiento.

Vídeo a vídeo

Editar material existente

Permite pedir cambios de entorno, luz, estilo, vestuario o atmósfera intentando conservar estructura, movimiento y cámara.

Sonido nativo

Sonido integrado

Puede generar salida con audio. Aun así, para entrega profesional conviene revisar mezcla, sincronía, cortes y derechos.

06 · Acceso

Acceso y uso

No diseñes un flujo comercial sin comprobar primero dónde tienes acceso real y qué límites concretos aplica tu cuenta.

Comprueba interfaz

Gemini, Flow, Shorts o API pueden ofrecer funciones y límites distintos. No mezcles conclusiones.

Anota el plan

Registra fecha, país si procede, plan usado, créditos disponibles y duración máxima permitida.

Haz una prueba mínima

Un clip, una acción, una referencia. Primero consistencia, después ambición.

Documenta resultados

Guarda prompt, entrada, salida, fallo visible y mejora para la siguiente iteración.

07 · prompts imagen

prompts para imagen

Estos prompts están pensados para preparar referencias útiles, no para prometer imagen final perfecta desde Omni.

I01

Imagen de referencia para vídeo

Para crear una imagen base que después pueda moverse con menos deriva.

Crea una imagen de referencia limpia para generar vídeo con IA más adelante.

Sujeto:
[persona, producto, personaje u objeto]

Detalles de identidad que deben conservarse:
[cara, silueta, forma del producto, colores, posición del logotipo, ropa, material, proporciones]

Composición:
Un único sujeto claro, silueta legible, espacio negativo suficiente y fondo sin ruido.

Estilo:
[realista / editorial / cinematográfico / fotografía de producto / documental]

Iluminación:
[luz natural suave / luz de estudio / luces prácticas nocturnas / alto contraste]

Restricciones:
No añadas texto legible. No añadas personas u objetos extra. No deformes el sujeto. Mantén la imagen fácil de animar después.
I02

Producto consistente

Para preparar un asset visual de producto antes de convertirlo en vídeo.

Crea una imagen de referencia de producto para generar vídeo.

Producto:
[producto]

Debe conservar:
Forma, proporciones, material, color, estructura de etiqueta y detalles reconocibles.

Escena:
Set mínimo y premium, producto claramente visible, sin ruido visual.

Cámara:
Vista de tres cuartos, producto centrado, óptica realista, sin distorsión extrema.

Iluminación:
Luz de estudio suave con sombras controladas.

Restricciones:
No rediseñes el logotipo. No inventes texto. No añadas claims. No exageres reflejos. El producto debe seguir siendo reconocible y comercialmente legible.
I03

Personaje consistente

Para crear una ficha visual estable antes de una serie de clips.

Crea una imagen de referencia de personaje para una serie de vídeos cortos.

Personaje:
[rango de edad, estilo, postura, actitud, ropa, rasgos clave]

Identidad fija:
Misma cara, misma silueta, misma ropa, misma paleta de color y mismas proporciones.

Estilo visual:
Creíble, editorial, iluminación realista, textura sutil, nada infantil y nada excesivamente pulido.

Composición:
Plano medio, rostro claro, fondo neutro y espacio suficiente para movimiento.

Restricciones:
No añadas personajes extra. No añadas texto. No añadas detalles fantásticos salvo que se pidan. Evita la deriva de identidad.
I04

Referencia de estilo

Para separar estética de identidad y evitar que el estilo se coma el sujeto.

Crea una referencia de estilo visual, no una imagen final de producción.

Atmósfera:
[atmósfera]

Lenguaje visual:
[paleta de color, contraste, textura, sensación de cámara, iluminación]

Uso:
Esta imagen guiará el estilo de un vídeo futuro, pero no debe definir la identidad del sujeto.

Restricciones:
No incluyas texto legible. No incluyas logotipos. No representes personas reales concretas. Mantén el estilo claro, simple y reutilizable.
08 · prompts vídeo

prompts para vídeo

Un buen prompt de vídeo no pide “algo increíble”. Define escena, acción, cámara, estilo, audio y restricciones.

EscenaDónde ocurre y qué se ve.
AcciónUn movimiento principal, no cinco ideas a la vez.
CámaraPlano, movimiento y ritmo.
RestriccionesQué no debe cambiar ni inventarse.
V01

Instrucción base para Gemini Omni

Para un clip corto desde texto o referencia visual.

Crea un vídeo de 10 segundos.

Referencias de entrada:
Usa la imagen o el vídeo subido como referencia principal si existe.

Escena:
[dónde ocurre]

Sujeto principal:
[quién o qué aparece]

Acción:
[una acción clara de principio a fin]

Cámara:
[tipo de plano, movimiento, sensación de óptica, ritmo]

Estilo:
[realista / cinematográfico / editorial / documental / producto]

Sonido:
[ambiente, música sutil, efectos de sonido, sin voz en off si no hace falta]

Restricciones:
No añadas texto aleatorio. No cambies la identidad del sujeto. No añadas personajes extra. Mantén el movimiento legible. Evita fallos visuales y cortes caóticos.
V02

Editar vídeo existente

Para cambiar una variable sin destruir la estructura original.

Edita el vídeo subido conservando el sujeto original, el movimiento, el ritmo y el recorrido de cámara.

Cambia solo:
[fondo / iluminación / estilo / vestuario / clima / atmósfera de color]

Mantén exactamente:
Identidad del sujeto, proporciones del cuerpo, rostro, pose, ritmo de movimiento, recorrido de cámara y estructura de la escena.

Integración:
Ajusta sombras, reflejos, profundidad e iluminación para que la edición parezca físicamente coherente.

Restricciones:
No añadas personajes nuevos. No añadas texto legible. No añadas otra escena. No provoques deriva de identidad. No cambies la acción original.
V03

Imagen a vídeo

Para animar una referencia sin romper identidad.

Anima la imagen subida y conviértela en un vídeo de 10 segundos.

Conserva:
Identidad del sujeto principal, forma del producto, proporciones, colores, composición y estilo visual.

Acción:
[movimiento simple: girar, caminar, verter, revelar, empuje de cámara (push-in), cambio de luz]

Cámara:
Movimiento lento y controlado, sin cortes bruscos ni zoom caótico.

Sonido:
Ambiente natural coherente con la escena, sutil y limpio.

Restricciones:
No rediseñes el sujeto. No añadas texto. No añadas personas extra. Evita transformaciones raras, manos deformadas, cambios de logotipo o detalles inestables.
V04

Storyboard a vídeo

Para convertir beats visuales en un clip con orden.

Crea un vídeo cinematográfico de 10 segundos siguiendo el storyboard subido de izquierda a derecha y de arriba abajo.

Usa cada viñeta como un momento narrativo:
1. [momento 1]
2. [momento 2]
3. [momento 3]
4. [momento 4]

Continuidad:
Mantén el mismo personaje principal, producto, estilo y lógica de escena en todos los momentos.

Cámara:
Transiciones claras, ritmo legible y nada de montaje caótico.

Restricciones:
No inventes escenas extra. No cambies el orden. No añadas texto salvo que aparezca en el storyboard.
09 · Avanzados

prompts avanzados copiables

Plantillas de uso directo. Cambia los corchetes, conserva las restricciones y documenta qué versión funciona.

A01

Producto → vídeo publicitario corto

Crea un vídeo publicitario vertical 9:16 de 10 segundos usando la imagen adjunta del producto como referencia principal.

Objetivo:
Que el producto resulte deseable, claro y físicamente real.

Escena:
[escenario]

Acción:
Empieza con un detalle en primer plano (close-up), revela el producto completo y termina con un plano hero limpio.

Cámara:
Detalle macro, movimiento lento y controlado, sensación de fotografía de producto premium.

Sonido:
Sonido de estudio sutil, acentos limpios sincronizados con el movimiento, sin voz en off.

Restricciones:
Conserva forma, etiqueta, colores y proporciones del producto. No inventes claims. No añadas texto aleatorio. No cambies el logotipo.
A02

Personaje consistente → serie social

Crea un vídeo social vertical 9:16 de 10 segundos usando la referencia adjunta del personaje.

Mantén la consistencia:
Rostro, silueta, ropa, colores, proporciones y actitud.

Escena:
[escena]

Acción:
El personaje entra en plano, reacciona a [situación], realiza una acción clara y termina manteniendo una pose expresiva.

Cámara:
Cámara en mano controlada, de plano medio a primer plano (close-up), con ligero empuje de cámara (push-in) al final.

Restricciones:
No añadas personajes extra. No provoques deriva de identidad. No añadas texto aleatorio. No exageres ni deformes la expresión facial.
A03

Vídeo educativo con texto exacto

Crea un vídeo educativo de 10 segundos sobre: [tema].

Estructura:
Segundo 0-2: introduce visualmente el problema.
Segundo 2-6: muestra el mecanismo o la comparación.
Segundo 6-9: enseña la conclusión práctica.
Segundo 9-10: termina con un plano limpio.

Texto:
Usa solo estas palabras exactas en pantalla, una cada vez:
"[PALABRA 1]"
"[PALABRA 2]"
"[PALABRA 3]"
"[PALABRA 4]"

Restricciones:
No uses párrafos pequeños. No añadas texto extra. No inventes datos. No generes gráficos con cifras inventadas.
A04

Análisis de vídeo → insights

Analiza el vídeo adjunto como director creativo y editor.

Extrae:
1. Qué ocurre en cada tramo.
2. Momentos visuales fuertes.
3. Problemas de ritmo.
4. Fotogramas que podrían funcionar como imagen promocional.
5. Posibles cortes para reel vertical.
6. Ideas de mejora para una versión generada con IA.
7. Instrucciones concretas para recrear o mejorar la escena en Gemini Omni.

No inventes información que no esté en el vídeo. Diferencia observación, interpretación y propuesta.
10 · Flujos

Flujos de trabajo

Omni funciona mejor como una fase dentro de un proceso, no como una caja mágica de producción final.

Infografía del flujo de trabajo: referencia, prompt, vídeo, iteración y edición final.
El método básico: partir de una referencia clara, escribir el prompt, generar vídeo, iterar por capas y cerrar en edición final.

Imagen → vídeo

Referencia limpia

Foto, producto o personaje con identidad clara.

Bloqueos

Define qué no debe cambiar.

Clip simple

Una acción y una cámara.

Acabado externo

Texto, logo y montaje final fuera del modelo.

Vídeo real → edición

Sube base

Clip corto con movimiento claro.

Cambia una cosa

Fondo, luz o estilo. No todo.

Comprueba integración

Sombras, bordes, proporciones y continuidad.

Itera por capas

Movimiento, luz, audio y montaje por separado.

11 · Comparativa

Comparativa práctica

No existe “mejor modelo” en abstracto. Existe ajuste entre tarea, control, coste, integración y acabado.

HerramientaMejor paraLectura frente a Gemini Omni
Gemini Omni FlashVídeo multimodal, edición conversacional, referencias combinadas.Su valor está en mezclar entradas y producir vídeo con audio.
Gemini multimodalAnálisis, estrategia, documentos, guiones y prompts.Más útil para pensar y preparar que para producir vídeo final.
Veo 3.1Generación de vídeo, API, control técnico y acabado audiovisual.Más especializado en vídeo; Omni aporta capa conversacional multimodal.
Nano Banana / Gemini ImageImagen, edición estática, referencias y assets visuales.Mejor candidato cuando la salida final es imagen.
GPT-5.5Investigación, síntesis, visión como entrada, código y análisis profesional.No compite como generador de vídeo; ayuda a diseñar, revisar y documentar.
GPT ImageGeneración y edición conversacional de imágenes.Más centrado en imagen dentro del ecosistema OpenAI.
Sora 2Vídeo y audio desde texto o imagen.Competidor directo en vídeo generativo; disponibilidad y enfoque dependen de OpenAI.
Runway Gen-4 / Gen-4.5Producción audiovisual, consistencia y workflow creativo profesional.Muy fuerte en producción y control de piezas audiovisuales.
Midjourney VideoAnimar imágenes con estética Midjourney.Más orientado a clips desde imagen que a edición conversacional multimodal.
Kling 3.0 OmniVídeo multimodal y audio sincronizado, según disponibilidad.Competidor directo; conviene verificar acceso y condiciones por plataforma.
Stable Diffusion / FluxImagen local, control técnico, ComfyUI, fine-tuning y privacidad.Más control en imagen; no sustituye por sí solo el vídeo multimodal cerrado.
12 · Riesgos

Limitaciones y riesgos

La parte profesional de usar IA es saber cuándo no fiarte del resultado.

Consistencia

Personajes, manos, objetos, logos y productos pueden derivar entre fotogramas o ediciones.

Texto en vídeo

Evita párrafos, datos complejos o tipografía pequeña dentro del clip. Añade textos finales en edición externa.

Movimiento complejo

Interacciones físicas, coreografías y manos con objetos pueden fallar. Simplifica la acción.

Derechos e identidad

Rostros, voces, marcas y personajes protegidos necesitan permisos y revisión.

Datos falsos

No uses escenas generadas como prueba factual ni gráficos con cifras no verificadas.

Coste y límites

Planes, créditos, duración y disponibilidad cambian. No presupuestes sin prueba real.

13 · Recomendaciones

Recomendaciones prácticas

Pequeñas reglas para obtener resultados más estables y menos caros de revisar.

Empieza con clips de 10 segundos y una sola acción principal.
Usa referencias limpias: personaje, producto o estilo sin ruido innecesario.
Bloquea identidad, proporciones, logos, colores y elementos que no deben cambiar.
Itera por capas: primero movimiento, luego luz, después audio y al final acabado.
No metas texto importante dentro del vídeo si puedes añadirlo en edición externa.
Guarda cada prompt útil con entrada, salida, fallo visible y aprendizaje.
No prometas continuidad perfecta en campañas sin test previo.
Usa otra herramienta cuando la salida principal sea una imagen estática.
14 · Fuentes externas consultadas

Fuentes públicas

Consulta editorial realizada el 20 de mayo de 2026. La guía traduce las fuentes a método de trabajo; no añade capacidades no confirmadas.

15 · Checklist

Checklist final

Antes de usar Gemini Omni en una pieza real, pasa el resultado por esta revisión.

La intención se entiende en los dos primeros segundos.
El producto o personaje sigue siendo reconocible.
La cámara tiene un movimiento claro y no gratuito.
La luz mantiene coherencia con la escena.
El audio entra, acompaña y termina bien.
No hay texto inventado ni marcas falsas.
No aparecen artefactos graves en manos, ojos, logos o bordes.
La pieza funciona sin explicar el prompt.
Está documentado el prompt que ha funcionado.
Hay una versión final editada fuera del modelo si es para cliente.
16 · Ejercicio final práctico

Diseña una prueba controlada

La forma inteligente de probar Omni no es lanzar cien prompts. Es diseñar una prueba pequeña y comparable.

1. Elige un caso

Producto, personaje, vídeo real o storyboard. Solo uno.

2. Define la salida

Formato, duración, estilo, uso final y criterio de éxito.

3. Prepara referencia

Imagen o vídeo claro, sin elementos que confundan identidad o acción.

4. Escribe restricciones

Qué no puede cambiar, qué no debe inventar y qué queda fuera.

5. Genera tres variantes

Misma entrada, cambios pequeños en cámara, luz o audio.

6. Evalúa con checklist

Consistencia, lectura, artefactos, audio, coste y valor de uso real.

E01

Ficha de registro

# Registro de prueba · Gemini Omni

Fecha:
Herramienta:
Plan usado:
Entrada usada:
Objetivo del clip:
Instrucción exacta:
Resultado conseguido:
Fallos visibles:
Qué funcionó:
Qué cambiaría en la siguiente iteración:
Valor de uso real: [bajo / medio / alto]
Notas para biblioteca de prompts:
18 · Cierre

Primero contexto, luego herramienta

Gemini Omni puede ser muy útil si lo tratas como parte de un flujo: referencia limpia, prompt concreto, vídeo corto, iteración por capas y revisión humana. Lo demás es ruido con buena iluminación.

Cierre HLT

No es magia. Es contexto. Y en vídeo, el contexto también se monta, se escucha y se revisa.

ARRIBA