Cos'è Gemini Omni e come funziona: il modello video AI any-to-any di Google

Gemini Omni è la famiglia di modelli AI "any-to-any" di Google DeepMind: gli dai in pasto qualsiasi combinazione di testo, immagini, audio e video e ti restituisce un video finito, con tanto di sonoro. Poi puoi modificarlo semplicemente dicendogli cosa cambiare. Il primo modello della famiglia, Gemini Omni Flash, è stato presentato al Google I/O il 19 maggio 2026; la versione aggiornata, Gemini Omni 1.1 Flash, è disponibile per tutti dal 27 agosto 2026.

Google presenta Omni come il punto "in cui la capacità di ragionamento di Gemini incontra quella di creare". In pratica: un modello video che capisce la fisica, la storia e il contesto, non solo i pixel. E che puoi usare come un chatbot, una richiesta alla volta, tenendo quello che funziona.

In questa guida vediamo cos'è Gemini Omni, come funziona, cosa sa fare ogni versione, in cosa si distingue da Veo, quanto costa, se è gratis e dove puoi usarlo oggi, anche su OmniRender, dove Gemini Omni 1.1 Flash gira direttamente nel browser e c'è un piano gratuito.

Gemini Omni in sintesi

Fonti: pagina del modello su Google DeepMind, documentazione della Gemini API.

Come funziona Gemini Omni

La maggior parte degli strumenti di video AI mette in fila sistemi diversi: un modello legge il prompt, un altro disegna i fotogrammi, un terzo aggiunge il suono. Gemini Omni fa tutto con un solo modello. Ed è proprio questa scelta di progetto a spiegare quasi tutto ciò che lo rende diverso.

1. Multimodalità nativa

Gemini Omni legge testo, immagini, audio e video nello stesso momento e nello stesso modello. Quindi se scrivi "fai ballare il personaggio di questa foto sul ritmo di questa clip", Omni capisce davvero come foto, clip e istruzione sono collegate, invece di limitarsi a incollarle insieme. Il risultato: personaggi più coerenti, riferimenti rispettati più fedelmente e un audio che va a tempo con quello che succede a schermo.

2. La conoscenza del mondo di Gemini

Omni poggia sulle stesse fondamenta dei modelli linguistici Gemini di Google. Sa come funzionano gravità e quantità di moto, come si comportano i liquidi, e sa parecchio di storia, scienza e cultura. Per questo un prompt breve come "un video esplicativo in claymation sul ripiegamento delle proteine" può dare un risultato corretto, non solo bello da vedere. La guida ai prompt di Google lo dice chiaramente: i modelli precedenti come Veo volevano istruzioni precise, mentre con Omni puoi descrivere cosa vuoi e lasciare che ai dettagli pensi il modello.

3. La conversazione come strumento di montaggio

Google paragona Omni a Nano Banana, il suo popolare editor di immagini, ma per i video. Ogni istruzione riparte dal risultato della precedente. Puoi dire "sostituisci l'auto rossa con una decappottabile blu d'epoca", poi "ora fai piovere", e Omni lascia intatto il resto della scena. Via API funziona con un previous_interaction_id, così il modello si ricorda del video senza che tu debba ricaricarlo.

4. Prima ragiona, poi genera

Siccome Omni pianifica prima di disegnare, gestisce istruzioni su cui i generatori video tradizionali inciampano: eventi a tempo ("dopo 3 secondi entra una donna"), testo leggibile a schermo, sequenze dal ritmo serratissimo e azioni sincronizzate con la musica. Di default arriva perfino a pianificare qualche inquadratura diversa per raccontare una piccola storia. Se preferisci un'unica ripresa continua, basta chiederlo.

Le funzioni principali di Gemini Omni

Da testo a video. Descrivi la scena, il movimento di camera e l'atmosfera, e Omni ti restituisce una clip da 3 a 10 secondi con sonoro. Conosce il linguaggio del cinema: carrellata in avanti (dolly-in), whip pan, inquadratura fissa, camera a mano.

Da immagine a video. Carica una foto, uno scatto di prodotto o anche uno schizzo e Omni lo anima. Puoi usare l'immagine come primo fotogramma vero e proprio, oppure solo come guida per movimento e stile.

Da riferimenti a video. Combina più immagini (personaggi, outfit, prodotti, uno stile) e fino a tre brevi clip video di massimo 3 secondi l'una. Omni mantiene ogni riferimento coerente per tutta la clip. L'app Gemini accetta fino a 5 foto di riferimento.

Audio e dialoghi nativi. Musica, suoni ambientali e voci nascono insieme all'immagine, non vengono aggiunti dopo. Metti una battuta tra virgolette e il personaggio la pronuncia con il labiale sincronizzato.

Editing video conversazionale. Cambia luce, sfondo, outfit, angolazione o stile di una clip esistente con una sola frase. Omni modifica solo ciò che chiedi e conserva il resto. Puoi anche modificare i tuoi filmati caricati (con limiti regionali, vedi più sotto).

Estensione della scena fino a 40 secondi. Novità della 1.1 Flash: prosegui una clip dal punto in cui finisce, 10 secondi alla volta, fino a 40 secondi in totale. Omni legge fino agli ultimi 10 secondi della clip per mantenere coerenti movimento, personaggi e audio.

Controllo di primo e ultimo fotogramma. Fornisci un'immagine di partenza e una di arrivo, descrivi il movimento tra le due e Omni completa l'inquadratura. Perfetto per transizioni, movimenti orbitali e loop senza stacchi.

Bozza in 360p, finale in 4K. Fai le prove spendendo poco in 360p, poi genera la versione definitiva in 720p oppure portala a 1080p o 4K con l'upscaling.

Testo leggibile e tempi precisi. Omni scrive il testo a schermo in modo accurato e rispetta indicazioni di tempo come "[0-3s]" o "ogni 2 secondi, stacco su un luogo diverso".

Fisica realistica. Google ha addestrato Omni a gestire in modo più convincente gravità, quantità di moto e dinamica dei fluidi: reazioni a catena, schizzi e sport veloci risultano credibili.

Le versioni di Gemini Omni: Flash e 1.1 Flash (e Pro?)

Gemini Omni è una famiglia di modelli e finora Google ne ha rilasciati due della serie Flash. "Flash" è il nome che Google dà alla sua fascia veloce ed efficiente.

E Gemini Omni Pro? Al lancio si è parlato di un modello Omni più grande, sopra Flash, ma a ottobre 2026 Google non l'ha ancora rilasciato né gli ha dato una data. Aggiorneremo questa guida quando arriverà.

Le tappe di Gemini Omni

Gemini Omni o Veo: che differenza c'è?

Veo è il modello di Google dedicato alla generazione video, pensato per inquadrature cinematografiche a partire da un prompt. Gemini Omni è un modello di ragionamento che crea e modifica video. Entrambi vengono da Google DeepMind, e Veo esiste ancora come modello separato per gli sviluppatori. Nell'app Gemini, però, Omni ha preso il posto di Veo 3.1 come modello video predefinito.

Sul fronte della qualità, a giugno 2026 Omni Flash ha debuttato nella Video Arena di Arena.ai al primo posto per il text-to-video, circa 158 punti sopra Veo 3.1. Le classifiche cambiano in fretta e nel frattempo i concorrenti più recenti hanno accorciato le distanze: prendile come una fotografia del momento, non come un verdetto.

Per farla breve: scegli Omni quando vuoi iterare, modificare e mescolare input diversi. Veo resta una buona opzione per gli sviluppatori che hanno bisogno di una singola inquadratura cinematografica definita al millimetro.

Dove usare Gemini Omni (ed è gratis?)

Gemini Omni è disponibile in diversi prodotti Google e tramite app partner. Accesso e costo dipendono da dove lo usi.

Gemini Omni è gratis?

Sì, in alcuni casi. YouTube Shorts e l'app YouTube Create permettono a chiunque di usare Omni Flash senza pagare, all'interno degli strumenti di YouTube. Gli studenti universitari, poi, possono avere gratis per un anno il piano Pro di Google. Con il piano gratuito di OmniRender ricevi 160 crediti al mese, sufficienti per un massimo di 3 video in 360p, e non serve la carta.

La Gemini API, invece, non prevede un livello gratuito per Omni.

Quanto costa Gemini Omni?

Per gli sviluppatori, Google fa pagare Omni a token: $1,50 per milione di token in input e $17,50 per milione di token video in output. Un secondo di video in 720p consuma 5.792 token: circa $0,10 al secondo, quindi più o meno $1 per una clip da 10 secondi (prezzi della Gemini API).

Per i creator, di solito un abbonamento è più semplice. I piani di OmniRender vanno da Creator ($14/mese, fino a 56 video) a Studio ($49/mese, fino a 200 video) e Agency ($99/mese, fino a 440 video). Tutti i piani a pagamento includono la licenza commerciale e, se preferisci non abbonarti, ci sono pacchetti di crediti una tantum che non scadono mai.

Vuoi integrare Omni nel tuo prodotto? Leggi la guida alla Gemini Omni API.

I limiti da conoscere prima di iniziare

Gemini Omni impressiona, ma oggi ha limiti precisi. Conoscerli ti fa risparmiare crediti.

• Clip brevi. Una singola generazione arriva al massimo a 10 secondi. Le scene più lunghe si ottengono concatenando estensioni, fino a 40 secondi in totale, e solo alla fine della clip (niente aggiunte in testa o a metà).
• Limiti regionali sui caricamenti. Nel SEE (quindi anche in Italia), in Svizzera e nel Regno Unito non puoi modificare né estendere i video che carichi tu. I video generati da Omni, invece, si possono modificare ed estendere ovunque.
• Persone riconoscibili e minori. Non puoi caricare immagini di determinate persone riconoscibili, e nel SEE, in Svizzera e nel Regno Unito non si possono caricare né modificare immagini di minori.
• Voce. Non puoi modificare la voce di una persona, né aggiungere nuovi dialoghi quando estendi una clip caricata in cui qualcuno sta già parlando.
• Riferimenti video. Omni usa i riferimenti video solo per riprodurre l'aspetto del soggetto; il loro audio viene ignorato. Per ora non può ragionare su più video sorgente contemporaneamente.
• Lingua. L'inglese è pienamente supportato. Le altre lingue, italiano compreso, spesso funzionano, ma Google non le ha valutate formalmente.
• Nessun campo per il prompt negativo. Scrivi le esclusioni direttamente nel prompt, per esempio "nessun dialogo" o "nessun testo a schermo".

Sicurezza e watermark

Ogni video creato da Omni contiene SynthID, il watermark invisibile di Google. I contenuti realizzati nell'app Gemini, in Google Flow o su YouTube includono anche le Content Credentials C2PA. Puoi caricare un video nell'app Gemini e chiedere se è stato creato con l'AI di Google. Prima del lancio Google ha sottoposto il modello a red teaming, automatizzato e umano (affidato a team specializzati esterni al gruppo che lo ha sviluppato), oltre a revisioni etiche e di sicurezza.

I prossimi passi di Gemini Omni

Omni parte dal video, ma Google ha detto che l'output di immagini e audio è in roadmap. Nei prossimi mesi aspettati novità su due fronti: un modello più potente sopra Flash e più tipi di output dallo stesso sistema any-to-any. Per ora il modello da usare in produzione è Gemini Omni 1.1 Flash, e il modo più rapido per prenderci la mano è usarlo.

Domande frequenti su Gemini Omni

Che differenza c'è tra Gemini e Gemini Omni?

Gemini è la famiglia di modelli AI di Google e anche il nome del suo assistente. Gemini Omni è una famiglia di modelli specifica, all'interno di Gemini, che crea e modifica contenuti multimediali, a partire dal video. Puoi usare Omni dentro l'app Gemini, ma è un modello diverso da quelli che usi per chattare.

Come si usa Gemini Omni?

Il modo più veloce è dal browser: crea un account gratuito su OmniRender e trovi Gemini Omni 1.1 Flash già impostato come modello predefinito. Puoi usarlo anche nell'app Gemini e in Google Flow con un piano Google AI Plus, Pro o Ultra, gratis su YouTube Shorts e YouTube Create, oppure tramite la Gemini API. La nostra guida passo passo su come usare Gemini Omni Flash spiega ogni opzione nel dettaglio.

Gemini Omni è a pagamento?

Può essere gratis: YouTube Shorts, YouTube Create e il piano gratuito di OmniRender ti permettono di provarlo senza spendere nulla. Per un uso più intenso serve un abbonamento Google AI, un piano OmniRender da $14/mese oppure l'uso a pagamento della Gemini API, a circa $0,10 al secondo di video in 720p.

Gemini Omni è disponibile in Italia?

Google sta distribuendo Omni ovunque sia disponibile l'app Gemini, con funzioni che variano in base al piano e all'area geografica. OmniRender funziona dal browser in tutto il mondo, Italia compresa. Chi si trova nel SEE (Italia inclusa), in Svizzera o nel Regno Unito non può modificare né estendere i video che carica.

Quanto possono durare i video di Gemini Omni?

Ogni generazione dura da 3 a 10 secondi. Con Gemini Omni 1.1 Flash puoi estendere una clip di 10 secondi alla volta, fino a 40 secondi in totale.

Gemini Omni genera anche l'audio?

Sì. Musica, effetti sonori e dialoghi vengono generati insieme al video. Metti il dialogo tra virgolette e il personaggio lo pronuncia con il labiale sincronizzato.

Gemini Omni può generare immagini?

Non ancora. Per ora Omni produce solo video; Google ha detto che l'output di immagini e audio arriverà. Per le immagini, oggi Google offre i modelli Nano Banana.

Gemini Omni è open source?

No. Gemini Omni è un modello proprietario di Google DeepMind, disponibile tramite le app di Google, la sua API e i partner con licenza.

Cos'è Gemini Omni 1.1 Flash?

È la versione attuale di Omni, disponibile per tutti (ID modello gemini-omni-1.1-flash). Rispetto all'Omni Flash originale aggiunge l'estensione della scena fino a 40 secondi, il controllo di primo e ultimo fotogramma, i riferimenti video e l'output da 360p a 4K. Trovi tutti i dettagli nella nostra panoramica su Gemini Omni 1.1 Flash.

Prova subito Gemini Omni

Il modo migliore per capire Gemini Omni è creare qualcosa. Scrivi una frase, aggiungi una foto se ti va e guarda cosa ne esce. Poi digli cosa cambiare.

Inizia a creare gratis su OmniRender, poi leggi la guida ai prompt di Gemini Omni per sfruttare al meglio ogni credito.

Fonti

• Introducing Gemini Omni, Google, 19 maggio 2026
• Pagina del modello Gemini Omni, Google DeepMind
• Guida ai prompt di Gemini Omni, Google DeepMind
• Generate and edit videos with Gemini Omni Flash, documentazione della Gemini API
• Prezzi della Gemini Developer API, Google
• Gemini Omni nell'app Gemini, Google
• Gemini Omni 1.1 Flash lets you build with more control, Google
• Annuncio della Video Arena di Arena.ai, giugno 2026