Embora fosse já descoberto por intrépidos usuários avançados de IA semanas atrás, o Google novo modelo Gemini Omni estreou oficialmente hoje na conferência anual de desenvolvedores de I/O da empresa em Mountain View, Califórnia, e marca um paradigma significativamente novo no mercado mais amplo de IA e tecnologia.
Isso porque como é “omni” (do latim meu Deus – que significa o prefixo “todos”), este é o primeiro modelo multimodal verdadeiramente nativo do Google, que é “um modelo que pode criar qualquer coisa a partir de qualquer entrada – começando com vídeo”.
O modelo marca a tentativa do Google de reduzir a pilha generativa multimodal – geração de texto para imagem, imagem para vídeo, vídeo para vídeo, geração de áudio – em um único modelo básico com uma única superfície de edição.
A grande questão para os líderes empresariais é: você deveria mudar alguma de sua pilha de IA para o Gemini Omni agora?
Infelizmente, a verdade é que talvez você ainda não consiga – o modelo está disponível apenas para usuários individuais por meio dos planos de assinatura de IA do Google, começando com o plano “AI Plus” de US$ 20 por usuário por mês. Atualmente pode ser acessado no Site Gêmeos e aplicativos móveis, baseados na web do Google Fluxo Conjunto de edição de imagens e vídeos com IA e Curtas do YouTube.
Embora a empresa diga que estará disponível por meio de uma interface de programação de aplicativos (API) – na qual muitas empresas confiam para suas necessidades de IA – ainda não está pronto.
Além disso, o Google também não emitiu nenhum benchmark público para o Gemini Omni (ainda). No entanto, organizações terceirizadas sem dúvida irão testá-lo em várias tarefas e métricas de qualidade relatadas pelos usuários. Enquanto isso, porém, sua qualidade e velocidade permanecem um tanto subjetivas.
Mas, dados os recursos e a edição mais rápida possibilitados pelo novo modelo Omni, membros individuais de sua equipe provavelmente deveriam considerar seriamente a mudança para ele, especialmente se trabalharem criando recursos visuais para diagramas técnicos, materiais de marketing e comunicação, treinamento e cursos de educação corporativa, material de vendas e basicamente qualquer coisa que envolva recursos visuais.
O que Omni realmente é
Omni é o próximo capítulo do trabalho que produziu o Nano Banana, o modelo de geração e edição de imagens que o Google lançou há cerca de um ano.
O primeiro modelo da família, Gemini Omni Flash, aceita qualquer combinação de texto, imagens, áudio e vídeo como entrada e produz resultados de alta qualidade nas mesmas modalidades — tudo a partir de um único modelo, em vez de uma retransmissão de sistemas especializados.
O Google diz que o modelo é “nativamente multimodal desde o início”, o que importa menos como cópia de marketing do que como uma afirmação arquitetônica: um modelo unificado pode raciocinar entre modalidades no mesmo avanço, o que geralmente se traduz em edições mais coerentes, menos artefatos de pipeline e uma superfície de API muito mais limpa para desenvolvedores.
A OpenAI iniciou essa tendência em maio de 2024 com o lançamento do GPT-4o, seu primeiro modelo nativo “omni”, também treinado desde o início para ser capaz de analisar e gerar vários tipos diferentes de conteúdo, de texto a código, imagens e áudio. No entanto, ele não suportava geração de vídeo, e o modelo acabou sendo descontinuado após relatos de bajulação e até mesmo de usuários exigindo que o OpenAI o mantenha depois de desenvolver relações parassociais com ele.
O Gemini Omni corre o risco de atrair seguidores igualmente devotados? Resta ver.
Uma grande diferença é que seu padrão de interação de título é a edição de vídeo conversacional. Cada instrução “se baseia na última” e as instruções anteriores persistem nas curvas, de modo que o vídeo evolui de forma coerente à medida que o usuário itera.
Exemplos práticos destacados pelo Google incluem mudar o mundo dentro de um clipe, reimaginar uma ação ou ângulo de câmera, refinar sequências em vários turnos e gerar conteúdo explicativo a partir de instruções curtas.
O Google também enfatiza a melhoria da física – gravidade, energia cinética, dinâmica de fluidos – que é o tipo de detalhe que separa “parece vídeo de IA” de “parece filmagem”.
Implementação, preços e a questão da API
A primeira coisa que os líderes empresariais devem ler com atenção é o plano de implementação. Omni Flash vai ao ar hoje dentro do aplicativo Gemini para assinantes dos EUA nos níveis AI Plus, AI Pro e AI Ultra – incluindo o novo plano AI Ultra de US$ 100 por mês que o Google anunciou no mesmo evento.
O Google afirma que será lançado para desenvolvedores por meio de APIs Vertex AI “nas próximas semanas”. Essa lacuna é significativa. Até que a API Vertex esteja disponível para o público geral, o Omni é efetivamente uma ferramenta para consumidores e prossumidores.
Os pilotos empresariais além da experimentação baseada em assentos individuais devem esperar pela API, tanto porque é aí que residem os SLAs empresariais e os compromissos de tratamento de dados do Google, quanto porque o vídeo generativo de nível de produção sem uma interface programática é um fracasso.
Seu preço por meio da API por milhão de tokens (presumivelmente) também determinará sua viabilidade como um produto empresarial fora do cinema/TV/entretenimento e das produções artísticas.
Enquanto isso, para os tomadores de decisão que avaliam a economia do assento, o novo nível AI Ultra está posicionado especificamente para desenvolvedores, líderes técnicos, profissionais do conhecimento e criadores avançados, com acesso prioritário ao Google Antigravity, limites de uso mais altos e acesso Omni Flash agrupado.
Para pequenas equipes criativas com prazos apertados, essa pode ser a maneira mais rápida de avaliar o modelo antes da chegada da API.
Os casos de uso corporativo que realmente importam
É fácil usar “vídeo de marketing” como caso de uso, mas a proposta de valor da Omni para empresas é mais ampla se você pensar nela como um mecanismo programável de vídeo e mídia, em vez de um aplicativo criativo:
-
Vendas e marketing: geração rápida de anúncios variantes, criativos localizados e demonstrações de produtos sem ciclos de agência por ativo.
-
Comunicações internas, aprendizagem e desenvolvimento (T&D): vídeos explicativos, módulos de integração e orientações sobre políticas produzidos por não especialistas.
-
Suporte ao cliente e documentação: explicadores visuais dinâmicos e condicionados por consulta anexados a artigos de ajuda.
-
Produto e engenharia: visualização de simulações, orientações de interface do usuário e vídeos conceituais para análises de especificações.
-
Operações de campo: clipes instrutivos curtos e específicos para cada situação, gerados sob demanda.
O que muda com o Omni em relação à geração anterior de ferramentas é a unificação. Muitas empresas montaram um fluxo de trabalho a partir de modelos de texto para imagem, imagem para vídeo, sincronização labial e voz, cada um com seu próprio contrato, faturamento e caminho de dados. Um único modelo apoiado pela Vertex AI reúne a aquisição e a observabilidade em um só lugar, presumindo que a eventual API forneça taxa de transferência e latência de nível de produção.
A história da governança é a parte mais subestimada
Para CIOs e CISOs, a seção mais importante do anúncio do Google não é o cartão modelo; é a origem e o trabalho de segurança do conteúdo que acompanham ele.
Cada vídeo gerado pelo Omni carrega a marca d’água digital SynthID do Google. O Google está expandindo as credenciais de conteúdo C2PA em suas ferramentas generativas e lançando uma API de detecção de conteúdo de IA na plataforma do agente que permite que as empresas identifiquem conteúdo gerado por IA do Google e de outros modelos populares.
As integrações de parceiros anunciadas no mesmo evento – incluindo Shutterstock, Avid (no Pro Tools) e pelo menos uma grande agência de notícias – indicam para onde o padrão está indo.
Para as empresas, isso é importante três maneiras concretas:
-
Dá equipes jurídicas e de compliance uma trilha de auditoria defensável para mídia gerada por IA.
-
Ele permite que as equipes de segurança da marca detectar material gerado por IA entrando em pipelines de conteúdo de terceiros.
-
E isso fornece uma resposta defensável para reguladores em jurisdições, como a UEque estão endurecendo as regras em torno da divulgação em mídia sintética.
Há também um programa de “Avatares Pessoais” que permite aos criadores gravar vídeos curtos para autorizar o uso de sua voz e imagem no conteúdo gerado, como líderes e funcionários do Google se exibiram hoje em postagens centradas em I/O apresentando suas imagens geradas por IA.
Isso a coloca em concorrência direta com a Synthesia, um unicórnio de IA com sede no Reino Unido, focado principalmente em vídeos e avatares de IA seguros para empresas.
Para as empresas que consideram vídeos executivos, avatares de treinamento ou conteúdo de porta-vozes de marca, o modelo de consentimento aqui é o ponto de partida certo – mas os contratos e as políticas de gestão de direitos precisarão ser ampliados para abranger isso.
Riscos que valem a pena sinalizar
Os principais riscos da Omni são familiares, mas vale a pena reafirmá-los.
O cenário competitivo está lotado com o já mencionado Synthesia, o aclamado modelo Seedance da empresa-mãe da TikTok, ByteDance, os modelos Kling AI da Kuaishou Technology e o campo de código aberto em rápido aprimoramento, todos competem pelos mesmos fluxos de trabalho.
O aprisionamento a qualquer modelo de vídeo único é uma preocupação real quando a qualidade da saída ainda está aumentando trimestralmente.
A latência e o custo para geração de vídeo em volume de produção permanecem não comprovados fora das demonstrações controladas.
Além disso, o status legal dos dados de treinamento para vídeo generativo não está definido em diversas jurisdições; as empresas devem exigir uma linguagem clara de indenização antes de implantar o vídeo gerado em canais voltados para o cliente.
Além disso, o colaborador da VentureBeat e AI YouTuber Sam Witteveen, CEO do fornecedor de aprendizado de máquina empresarial Red Dragon AIrecebeu acesso antecipado ao Gemini Omni e relatou que as restrições de conteúdo (que alguns consideram censura) são bastante rigorosas, restringindo e inibindo potencialmente todos os casos de uso potenciais que uma empresa gostaria de seguir.
Pensamentos para empresas que consideram a adoção
Vale a pena pilotar Omni – mas a estrutura do piloto é importante.
Para a maioria das empresas, a decisão certa nos próximos 30 a 60 dias é financiar um pequeno experimento sancionado com um ou dois assentos AI Ultra em marketing ou T&D, enquanto as equipes de plataforma e segurança usam essa pista para se preparar para a API Vertex AI: definir requisitos de residência de dados, configurar verificação SynthID e C2PA no pipeline de conteúdo e estabelecer a API AI Content Detection junto com as ferramentas de governança de mídia existentes.
Trate a implementação para o consumidor como uma prévia da experiência do usuário, não como um plano de produção. Quando a API chegar, as empresas que já fizeram o trabalho de governança serão as que moverão o Omni para fluxos de trabalho reais, enquanto todos os demais ainda estão elaborando políticas.
Omni não é, por si só, um motivo para revisar uma estratégia empresarial de IA. Mas é um forte sinal de que a pilha generativa multimodal está a consolidar-se em modelos únicos com proveniência primária incorporada – e essa é uma mudança que os decisores técnicos deveriam estar a planear agora.
