Edición de vídeo en Gemini Omni 1.2: cómo funciona y fallos

👁 114 lecturas

La edición conversacional de vídeo es la función principal con la que Google presenta Gemini Omni 1.2 Flash, junto a los clips de 15 segundos y unas tarifas más bajas. Generas un clip y luego le escribes indicaciones como si hablaras con un montador: cambia el fondo, sustituye un producto, transforma el día en noche o adapta la relación de aspecto a vertical. El modelo no regenera toda la escena desde cero, sino que ajusta únicamente lo solicitado y mantiene intacto el resto. En la versión 1.2, esta función opera a lo largo de los 15 segundos completos.

Quise poner a prueba este flujo con clips propios el mismo día del lanzamiento. No funcionó, y documentar estos tropiezos resulta igualmente útil. A continuación detallo cómo funciona esta edición según la documentación técnica de Google, las pruebas que realicé, los errores obtenidos y las limitaciones vigentes en Europa.

Cómo funciona según Google

En la app de Gemini, Flow y Google Vids, editar consiste simplemente en enviar un mensaje sucesivo dentro del hilo. En la API, el procedimiento técnico es el siguiente:

• Cada generación se registra como una interacción dotada de un identificador propio. Para ajustarla, envías una nueva petición incluyendo el parámetro previous_interaction_id, sin necesidad de reenviar el archivo de vídeo.
• Cada turno genera un nuevo clip construido sobre la base del anterior. Esto permite encadenar cambios progresivos: primero el fondo, luego la iluminación y finalmente las condiciones meteorológicas.
• Si deshabilitas el guardado (store=false), el clip resultante no se podrá editar con posterioridad.
• Google aconseja usar instrucciones concisas y añadir la indicación de conservar el resto intacto («Keep everything else the same»).
• La edición admite también vídeos subidos por el usuario, con un tope de 15 segundos.

Entre los ejemplos presentados destacan el reemplazo de productos o escenarios, cambios de luz y clima o ajustes de proporción. A esto se suman la ampliación de clips por bloques adicionales (hasta un máximo de 30 segundos) y las transiciones fluidas entre el primer y el último fotograma.

Limitación regional: solo clips generados en el EEE

Un detalle normativo determinante: en el Espacio Económico Europeo, Suiza y el Reino Unido, la edición y extensión de vídeos subidos por el usuario están deshabilitadas. Únicamente es posible editar y alargar clips producidos directamente por el propio Omni. Adicionalmente, no se permite subir material con presencia de menores para tareas de edición en estos territorios.

En la práctica, esto implica que un vídeo grabado con el móvil no se puede transformar a una escena nocturna o invernal mediante Omni en esta región. En cambio, con un clip creado desde cero por la IA sí está permitido. Esta misma restricción ya existía en la versión 1.1 y se mantiene sin variaciones.

Pruebas de edición: cinco intentos, cinco errores

Efectué las pruebas mediante OpenRouter, plataforma que integró el modelo google/gemini-omni-1.2-flash el día de su salida (5 de noviembre de 2026). Generé un clip inicial de 4 segundos con un gato atigrado en el alféizar de un edificio en Cracovia bajo la lluvia, con un coste aproximado de 0,08 EUR (0,09 USD; tipo de cambio de referencia del BCE a fecha 05/11/2026: 1 EUR = 1,1224 USD, según ecb.europa.eu). Intenté modificarlo con la siguiente orden (traducida de la instrucción original en polaco): «cambia la hora del día a la noche, fuera de la ventana brilla una farola amarilla, la lluvia continúa, el gato no cambia». Remití el archivo mediante cinco métodos distintos, probando diversos parámetros y mediante enlace público. En todos los casos el sistema devolvió el error «Video generation failed». Por fortuna, la plataforma no facturó los intentos fallidos.

No se trata de un caso aislado. Varios analistas técnicos en Segmind que evaluaron el modelo en su estreno señalaron que el ajuste por turnos («refine») devolvía el aviso «not available yet», recurriendo como alternativa al envío del clip anterior mediante los métodos estándar de edición. Todo apunta a que la edición conversacional durante el lanzamiento está operativa principalmente en el ecosistema directo de Google y su API nativa, mientras que los intermediarios continúan completando la integración.

Alternativa mediante imagen de referencia: resultados dispares

Intenté un camino alternativo: capturé el fotograma inicial de un clip previamente generado con dos personas conversando en una parcela junto a una barbacoa y lo utilicé como imagen de referencia. La indicación (traducida de la prueba en polaco) solicitaba: la misma escena, las mismas personas, pero en invierno, con una nevada densa y ambos vestidos con gorros y bufandas.

El resultado ofrece conclusiones claras. Los sujetos, la ropa, la barbacoa e incluso el encuadre son prácticamente idénticos a los del vídeo original, y el diálogo solicitado en polaco se generó íntegramente. Sin embargo, el invierno no aparece por ningún lado: los árboles se muestran verdes, la iluminación sigue siendo de verano y no hay prendas de abrigo. El modelo dio absoluta prioridad a la información visual sobre el texto. Para asegurar la coherencia de personajes entre tomas esto resulta muy valioso, pero como método de edición supone un callejón sin salida.

El potencial de la edición conversacional

Pese a las dificultades iniciales durante el primer día, considero que esta arquitectura por turnos es el avance más relevante de Omni a medio plazo. En la mayoría de modelos alternativos, cada corrección obliga a un reintento completo: cambian las caras, los fondos y el movimiento de cámara. Si el flujo conversacional se estabiliza tal y como promete Google, optimizará radicalmente la producción de anuncios y piezas para redes. Permite consolidar una buena toma y derivar variantes estacionales, nocturnas o verticales mediante retoques específicos sin depender del azar.

Dónde probar la herramienta en la actualidad:

• Google Vids: clips de 15 segundos incluidos en cuentas Google y suscripciones Workspace compatibles;
• Flow: la plataforma de Google pensada para la dirección de escenas y edición iterativa;
• App de Gemini: generación de 15 segundos desplegada de forma gradual para usuarios con plan Google AI Ultra;
• Gemini API y Vertex AI: soporte nativo para edición encadenada mediante previous_interaction_id.

Repetiré estas pruebas en cuanto los proveedores externos sincronicen completamente el soporte de edición e incorporaré los datos actualizados a este artículo. Si quieres consultar el rendimiento de las funciones que sí estuvieron operativas desde el estreno, revisa mi análisis de Gemini Omni 1.2 Flash, así como el seguimiento completo del despliegue en el hub de Gemini Omni Flash.

// sigue leyendoGemini agent de Google: qué es, precio y funcionesHerramientas de IATexto a vídeo con IA: cómo escribir prompts que funcionanRevistaKling 4.0 API: dónde funciona y qué proveedores lo ofrecenRevista