O Google lançou o Gemini Omni Flash em 30 de junho de 2026 — um modelo de vídeo multimodal controlado inteiramente por linguagem natural. Sem linha do tempo. Sem keyframes. Você descreve a edição, e o modelo aplica.
Abaixo está um exemplo real. O clipe original foi aberto em uma sessão do Codex, e um único prompt foi enviado:
Replace the object in the woman's hand with a water bottle, using anycap gemini-omni-flash-preview
Essa foi a instrução completa. O Codex redirecionou a tarefa para o AnyCap, que a processou com o gemini-omni-flash-preview. Veja o resultado.
Antes — filmagem original:
Depois — substituição da garrafa d'água via AnyCap + gemini-omni-flash-preview:
Um prompt no Codex. Nenhum editor de vídeo aberto. Sem mascaramento, sem composição, sem linha do tempo.
O que é o Gemini Omni Flash
O Gemini Omni Flash é o primeiro modelo do Google criado especificamente para edição e geração de vídeo por conversação. O "Omni" se refere à sua arquitetura: ele processa frames de vídeo, áudio e texto no mesmo contexto, compreendendo o que está acontecendo na tela antes de fazer qualquer alteração.
| Especificação | Detalhe |
|---|---|
| Lançamento | 30 de junho de 2026 |
| Preço | $0,10 por segundo de saída |
| Resolução | 720p |
| Limite de geração | 10 segundos por chamada |
| Entradas | Vídeo, imagens, áudio, texto |
| Interface | Conversacional |
A parte iterativa importa mais do que as especificações. Você pode enviar um complemento — o zoom em 0:04 está agressivo demais, suavize — e o modelo ajusta sem reprocessar o clipe inteiro. Esse vai e vem é o que o torna genuinamente conversacional, ao contrário de um simples gerador de uso único.
Como funciona no AnyCap
O AnyCap se conecta diretamente à API do Gemini Omni Flash e a envolve em uma interface de chat, para que você nunca precise lidar com chaves de API, endpoints de upload ou gerenciamento de arquivos. O fluxo de trabalho é:
- Insira seu vídeo ou imagens
- Diga ao AnyCap o que você quer, em português
- Revise a saída, refine com instruções complementares
- Exporte
Alguns exemplos de prompts que funcionam bem:
- Encontre os três momentos mais envolventes e corte-os em clipes separados de 60 segundos.
- Remova palavras de preenchimento e silêncios. Mantenha o ritmo ágil.
- Reformate para 9:16 vertical. Adicione legendas em inglês e japonês.
- A revelação do produto parece lenta — acelere essa seção em 1,3x.
- Gere uma versão de 10 segundos a partir dessas imagens de produto. Iluminação quente, sem narração.
Cada prompt é uma rodada de conversa. Se o resultado estiver perto, mas não exatamente certo, você continua. O AnyCap envia o feedback de volta ao modelo, que refina o clipe no lugar.
Onde faz a maior diferença
Criadores de conteúdo de formato curto
Transformar um vídeo longo em cinco clipes prontos para cada plataforma costumava levar uma tarde inteira. Com o Gemini Omni Flash, o prompt é uma frase: Extraia os cinco melhores momentos, cada um com menos de 60 segundos. Exporte em 9:16 com legendas automáticas. O modelo assiste à filmagem, escolhe os melhores momentos e faz os cortes. Você revisa.
Times de marketing e marca
Localizar um vídeo de campanha em oito idiomas significa oito faixas de legenda separadas, oito exportações e frequentemente oito rodadas de revisão. Uma única sessão do AnyCap cuida da substituição de legendas e das variações de formato. O modelo entende o contexto suficientemente bem para que você não precise especificar timestamps — troque as legendas em inglês pelo francês já basta.
E-commerce em escala de catálogo
O antes/depois acima é um exemplo de vídeo de produto: filmagem bruta entra, clipe polido sai, a partir de um briefing em linguagem simples. A $0,10 por segundo, um vídeo de produto de 10 segundos custa $1,00. Rodar isso em um catálogo de 500 SKUs custa $500 — contra uma semana de tempo de edição.
Vídeos longos: podcasts e entrevistas
Uma conversa gravada de 90 minutos tem talvez 10 minutos de conteúdo genuinamente citável. Encontrá-lo manualmente leva mais tempo do que a própria gravação. Assista a essa entrevista e selecione os cinco momentos em que o convidado dá conselhos concretos. Cada clipe deve ter menos de 90 segundos. O modelo lê o tom e o conteúdo, não apenas formas de onda.
Atualizações de vídeos de treinamento corporativo
Vídeos de conformidade e integração ficam desatualizados todo trimestre. Em vez de regravar, você pode dizer ao AnyCap: Substitua o trecho de 3:20 a 4:45 por este novo arquivo de áudio. Mantenha os visuais. Adicione um texto sobreposto em 4:00 com a referência de política atualizada. O modelo faz substituições precisas.
Times de desenvolvimento criando recursos de vídeo
Quando o seu produto inclui processamento de vídeo, você quer que a lógica de edição seja programável sem que seu time precise escrever e manter pipelines FFmpeg para cada novo caso de uso. O AnyCap expõe a API do Gemini Omni Flash de uma forma que se encaixa em um fluxo de trabalho de backend — você descreve a transformação em texto simples, e o modelo cuida da execução.
AnyCap + Codex: Produção de Vídeo Orientada por Prompts
O fluxo de trabalho mostrado no início deste artigo funciona inteiramente dentro do Codex — o ambiente de codificação agêntico da OpenAI. Nenhum editor de vídeo foi aberto. Nenhuma API foi manipulada manualmente. A cadeia é assim:
- Você descreve a edição no chat do Codex — em português simples, da mesma forma que explicaria a um editor humano.
- O Codex encaminha a tarefa ao AnyCap — seleciona a ferramenta certa, constrói a requisição e cuida do upload automaticamente.
- O AnyCap chama o
gemini-omni-flash-preview— o modelo recebe seu vídeo, aplica a transformação e retorna o clipe editado. - O resultado chega de volta à sua sessão do Codex — revise, envie instruções complementares ou exporte.
O prompt que gerou o antes/depois acima foi uma única linha enviada ao Codex:
Replace the object in the woman's hand with a water bottle, using anycap gemini-omni-flash-preview
O Codex cuidou do resto: selecionou a capacidade do AnyCap, fez o upload do vídeo fonte, repassou a instrução e retornou o resultado. O processo completo levou menos de dois minutos.
Por que o loop Codex + AnyCap muda o modelo de edição
A edição de vídeo tradicional exige que você opere uma ferramenta — corta aqui, aplica máscara ali, exporta com essas configurações. O modelo Codex + AnyCap é diferente: você descreve um resultado, e o sistema descobre os passos.
Isso é especialmente relevante para:
- Edição iterativa — prompts de acompanhamento refinam a saída anterior sem reprocessar do zero. Diga ao Codex a substituição parece um pouco deslocada, mova para a esquerda e o
gemini-omni-flash-previewajusta na próxima passagem. - Trabalhos em lote — descreva uma transformação uma vez, e o Codex a aplica programaticamente a vários clipes. A mesma instrução, arquivos fonte diferentes, resultados consistentes.
- Integrações para desenvolvedores — quando você está criando um produto com processamento de vídeo, pode adicionar o AnyCap como uma ferramenta dentro do seu agente Codex e invocar o
gemini-omni-flash-previewdentro de um pipeline de automação maior. Sem pipelines FFmpeg para escrever ou manter.
O que o gemini-omni-flash-preview entende na tela
Como o modelo processa frames de vídeo, áudio e texto no mesmo contexto, você pode referenciar coisas na tela sem timestamps:
- O momento em que ela olha diretamente para a câmera — corte aí.
- Substitua o logotipo na mesa pela nova marca.
- A seção em que ele explica o preço — acelere em 1,2x.
O modelo lê a filmagem, encontra o que você está descrevendo e faz a alteração. Você não precisa localizar o frame por conta própria.
Experimente o Gemini Omni Flash no AnyCap →
O Gemini Omni Flash foi lançado em 30 de junho de 2026. Preços e especificações do Google AI.