O Google lançou o Gemini Omni Flash a 30 de junho de 2026 — um modelo de vídeo multimodal controlado inteiramente através de linguagem natural. Sem linha de tempo. Sem keyframes. Descreve a edição e o modelo aplica-a.
Abaixo encontra-se um exemplo real. O clip original foi aberto numa sessão do Codex e foi enviado um único prompt:
Replace the object in the woman's hand with a water bottle, using anycap gemini-omni-flash-preview
Esta foi a instrução completa. O Codex encaminhou a tarefa ao AnyCap, que a processou através do gemini-omni-flash-preview. Eis o resultado.
Antes — filmagem original:
Depois — substituição da garrafa de água via AnyCap + gemini-omni-flash-preview:
Um prompt no Codex. Nenhum editor de vídeo aberto. Sem máscaras, sem composição, sem linha de tempo.
O que é o Gemini Omni Flash
O Gemini Omni Flash é o primeiro modelo da Google criado especificamente para edição e geração de vídeo de forma conversacional. O "Omni" refere-se à sua arquitetura: processa frames de vídeo, áudio e texto no mesmo contexto, compreendendo o que está a acontecer no ecrã antes de efetuar 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. Pode enviar uma instrução de seguimento — o zoom em 0:04 é demasiado agressivo, suavize-o — e o modelo ajusta sem reprocessar o clip inteiro. É esta troca que o torna genuinamente conversacional, em vez de ser apenas mais um gerador de uso único.
Como funciona no AnyCap
O AnyCap liga-se diretamente à API do Gemini Omni Flash e apresenta-a numa interface de chat, para que nunca tenha de lidar com chaves de API, endpoints de upload ou gestão de ficheiros. O fluxo de trabalho é:
- Carregue o seu vídeo ou imagens
- Diga ao AnyCap o que pretende, em português
- Reveja o resultado, refine com instruções de seguimento
- Exporte
Alguns exemplos de prompts que funcionam bem:
- Encontre os três momentos mais envolventes e corte-os em clips separados de 60 segundos.
- Remova palavras de preenchimento e silêncios. Mantenha o ritmo ágil.
- Reformate para 9:16 vertical. Adicione legendas incorporadas em inglês e japonês.
- A revelação do produto parece lenta — acelere essa secção em 1,3x.
- Gere uma versão de 10 segundos a partir destas imagens de produto. Iluminação quente, sem narração.
Cada prompt é uma volta de conversa. Se o resultado estiver próximo mas não for exatamente o pretendido, continue. O AnyCap envia o feedback de volta ao modelo, que refina o clip no local.
Onde faz a maior diferença
Criadores de conteúdo de formato curto
Transformar um vídeo longo em cinco clips 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 vê a filmagem, escolhe os melhores momentos e faz os cortes. Você revê.
Equipas de marketing e marca
Localizar um vídeo de campanha em oito idiomas implica oito faixas de legendas separadas, oito exportações e frequentemente oito rondas de revisão. Uma única sessão do AnyCap trata da substituição das legendas e das variações de formato. O modelo compreende o contexto suficientemente bem para que não seja necessário especificar timestamps — troque as legendas em inglês por francês é suficiente.
E-commerce à escala de catálogo
O antes/depois acima é um exemplo de vídeo de produto: filmagem bruta entra, clip 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. Aplicar isso a um catálogo de 500 SKUs custa $500 — em vez de uma semana de trabalho de edição.
Vídeos longos: podcasts e entrevistas
Uma conversa gravada de 90 minutos tem talvez 10 minutos de conteúdo genuinamente citável. Encontrá-lo manualmente demora mais do que a própria gravação. Veja esta entrevista e selecione os cinco momentos em que o convidado dá conselhos concretos. Cada clip deve ter menos de 90 segundos. O modelo lê o tom e o conteúdo, não apenas as formas de onda.
Atualização de vídeos de formação empresarial
Os vídeos de conformidade e integração ficam desatualizados todos os trimestres. Em vez de regravar, pode dizer ao AnyCap: Substitua a secção de 3:20 a 4:45 por este novo ficheiro de áudio. Mantenha os visuais. Adicione uma sobreposição de texto em 4:00 com a referência de política atualizada. O modelo faz substituições precisas.
Equipas de desenvolvimento a criar funcionalidades de vídeo
Quando o seu produto inclui processamento de vídeo, quer que a lógica de edição seja programável sem que a sua equipa precise de 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 integra num fluxo de trabalho de backend — descreve a transformação em texto simples e o modelo trata 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 gerida manualmente. A cadeia é a seguinte:
- Descreve a edição no chat do Codex — em linguagem simples, da mesma forma que explicaria a um editor humano.
- O Codex encaminha a tarefa ao AnyCap — seleciona a ferramenta certa, constrói o pedido e trata do upload automaticamente.
- O AnyCap chama o
gemini-omni-flash-preview— o modelo recebe o vídeo, aplica a transformação e devolve o clip editado. - O resultado chega de volta à sessão do Codex — reveja, envie instruções de seguimento 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 tratou do resto: selecionou a capacidade do AnyCap, fez o upload do vídeo fonte, transmitiu a instrução e devolveu o resultado. Todo o processo demorou menos de dois minutos.
Por que o ciclo Codex + AnyCap muda o modelo de edição
A edição de vídeo tradicional exige que opere uma ferramenta — corta aqui, aplica máscara ali, exporta com estas definições. O modelo Codex + AnyCap é diferente: descreve um resultado e o sistema descobre os passos.
Isto é especialmente relevante para:
- Edição iterativa — os prompts de seguimento refinam a saída anterior sem reprocessar desde o início. Diga ao Codex a substituição parece ligeiramente descentrada, desloque para a esquerda e o
gemini-omni-flash-previewajusta na passagem seguinte. - Trabalhos em lote — descreva uma transformação uma vez e o Codex aplica-a programaticamente a vários clips. A mesma instrução, ficheiros fonte diferentes, resultados consistentes.
- Integrações para programadores — quando está a criar um produto com processamento de vídeo, pode adicionar o AnyCap como ferramenta dentro do seu agente Codex e invocar o
gemini-omni-flash-previewa partir de um pipeline de automação maior. Sem pipelines FFmpeg para escrever ou manter.
O que o gemini-omni-flash-preview compreende no ecrã
Como o modelo processa frames de vídeo, áudio e texto no mesmo contexto, pode referenciar elementos no ecrã sem timestamps:
- O momento em que ela olha diretamente para a câmara — corte aí.
- Substitua o logótipo na secretária pela nova marca.
- A secção em que ele explica o preço — acelere em 1,2x.
O modelo lê a filmagem, encontra o que está a descrever e efetua a alteração. Não precisa de localizar o frame por conta própria.
Experimente o Gemini Omni Flash no AnyCap →
O Gemini Omni Flash foi lançado a 30 de junho de 2026. Preços e especificações do Google AI.