Google rivoluziona il processo creativo con Gemini Omni e porta a un nuovo livello l'editing video con l'AI

Cos’è successo

Alla conferenza Google I/O, la principale organizzata dal colosso informatico, Google ha presentato Gemini Omni, nuova famiglia di modelli generativi che combina testo, immagini, audio e video, con quest'ultimo come come primo output. Gemini Omni Flash genera clip con audio fino a 10 secondi ed è disponibile nell’app Gemini, in Google Flow e in YouTube Shorts. La versione Pro è in sviluppo; l’Api, interfaccia di programmazine, arriverà nelle prossime settimane.

Rispetto a Veo, modello text-to-video di Google, Omni lavora soprattutto sulla trasformazione di materiale esistente. Può prendere un filmato, modificarlo con istruzioni successive, usare immagini o audio come riferimento e mantenere coerenti scena, personaggi e fisica del video. Google lo accosta a Nano Banana, il suo modello di image editing. I contenuti generati porteranno watermark SynthID.

Perché conta

Dopo aver messo Gemini al centro di Search e altre sue superfici, Google porta la stessa logica nella produzione creativa. Omni debutta dentro gli ambienti in cui l’azienda può chiudere il cerchio tra ideazione e generazione, editing e pubblicazione.

• Dentro Omni, un filmato, una foto o un audio possono diventare riferimenti da modificare per istruzioni successive. L’utente può cambiare un’azione o un oggetto senza ricominciare da zero, tenendo insieme scena, luce e musica. A quel punto l’AI video si avvicina al montaggio, dove conta iterare sul materiale invece che generare una clip e basta;
• Il prodotto è ancora in fase di assestamento, dacché le clip durano ancora solo dieci secondi, i benchmark pubblici non ci sono, l’API deve arrivare e la versione Pro (che pure è in lavorazione) è stata rimandata finché il salto rispetto a Flash sarà abbastanza netto. Nel frattempo, però, Google ha comunque un prodotto vivo che concorre alla creazione dei suoi “world model”, che milioni di utenti utilizzeranno giornalmente in contesti personali e professionali;
• Rimane, chiaramente, una certa attenzione all’aspetto più legale e burocratico della generazione visiva, con volti e voci realistici che obbligano Google a rendere tracciabile ciò che Omni produce. Gli avatar personali richiedono infatti un onboarding dedicato, i contenuti avranno il SynthID e le nuove credenziali C2PA dovrebbero aiutare a indicare origine e modifiche dei contenuti. L’adozione di SynthID da parte di terze parti — come OpenAI, Kakao ed ElevenLabs — suggerisce inoltre che la provenienza stia uscendo dalle policy interne per diventare standard di mercato.

Adesso

• Per portare stabilmente Omni dentro aziende e studi creativi, oltre alle API, serviranno costi, latenza, benchmark e garanzie sul trattamento dei dati, ma è abbastanza chiaro che la direzione sia espressamente quella, soprattutto ora che anche OpenAI ha ritirato Sora.
• Oltre a Runway, Luma e pochi altri, a competere sulla qualità pura dei video rimangono i modelli cinesi come Seedance. Ma a differenza del linguaggio, ben più generalizzato e versatile (dalle parole al codice e su centinaia di lingue), l’ecosistema di supporto in termini di distribuzione — YouTube su tutto — rimane un vantaggio enorme per Google.
• Il confine tra “AI slop” e “prodotto creativo” si assottiglia, ma la percezione della realtà nel mondo digitale si fa labile. Quando modificare un video diventa semplice quanto chattare, ogni contenuto visivo va trattato come potenzialmente sintetico o alterato.