Audio sincronizado siempre activo
Cada clip se entrega con sonido generado — ambiente, efectos, habla. Dirígelo con una línea "Audio:" en el prompt.
Modelo · Google Gemini Omni Flash
Gemini Omni Flash: video de IA con sonido, desde $0.30 por clip
El modelo de mundo de Google para vídeo corto: cada clip llega con audio sincronizado, movimiento con física realista y edición por conversación: describe un cambio y la escena se regenera. Fijas la duración exacta: de 3 a 10 segundos por clip, 16:9 o vertical 9:16 para Shorts y Reels; la generación 1.1 añade borradores en 360p, 1080p y 4K, y extensión de escena hasta 40 segundos. $0.10 por segundo en 720p ($0.30–$1.00 por clip), pagado con cripto. Sin suscripción.
Omni 1.1 Flash ya está disponible
La segunda generación añade borradores en 360p a un tercio del precio, salida en 1080p y 4K, fotograma final, referencias de vídeo y extensión de escena hasta 40 segundos. Desde septiembre de 2026 es el modelo detrás de Omni Flash en el estudio.
01Qué es
¿Qué es Gemini Omni Flash?
Gemini Omni Flash es el primer modelo de la familia Gemini Omni de Google. Un modelo de mundo que razona sobre la escena como un motor de física y luego la renderiza en video. Envías texto, una imagen o un resultado anterior; devuelve un clip de 720p a 24 fps con audio sincronizado nativo, exactamente con la duración solicitada (de 3 a 10 segundos). En BananaBanana se ejecuta en producción junto a la familia Veo 3.1: mismo saldo, $0.10 por segundo de video ($0.30–$1.00 por clip), pagado con criptomonedas.
¿Por qué está diseñado para Shorts, Reels y TikTok?
Los videos cortos necesitan tres cosas: sonido activado por defecto, movimiento creíble e iteración rápida. Omni Flash ofrece las tres. El audio está siempre activo: el modelo decide cómo debe sonar la escena. El movimiento proviene de un modelo de mundo que razona sobre la escena. Y en lugar de volver a escribir desde cero, perfeccionas por conversación: «haz que sea al atardecer», «añade lluvia» mientras el modelo mantiene el personaje y la iluminación. El prompt también es el panel de control: pide una sola toma continua, marca intervalos [0-3s] y cita el texto que debe aparecer en pantalla. Genera en vertical 9:16 para Shorts, Reels o TikTok sin recorte.
02Capacidades
Lo que Omni Flash puede hacer
Edición conversacional
Describe un cambio y la escena se regenera manteniendo el personaje, la iluminación y la cámara. Las ediciones se encadenan turno tras turno, y cualquier video terminado, incluso un clip de Veo o tu propia carga, se puede volver a enviar para una edición de video a video.
Modelo mundial consciente de la física
El modelo razona sobre la escena como un motor de física — líquidos, humo y telas suelen comportarse de manera plausible al primer intento.
Imagen a video
Cualquier foto se convierte en el fotograma inicial —tu propia generación o una carga— mientras el prompt describe el movimiento y el entorno sonoro. Se puede combinar con imágenes de referencia en la misma solicitud.
Referencias de sujeto
Hasta 10 imágenes de referencia mantienen un personaje o producto consistente en una escena completamente nueva, y se pueden combinar con un fotograma inicial.
Tú eliges el formato y la duración
Elige la relación de aspecto por generación —la salida vertical está enmarcada para Shorts, Reels y TikTok— y la duración exacta del clip, de 3 a 10 segundos completos, pagando $0.10 por cada uno de ellos.
03Limitaciones
Lo que no puede hacer — con honestidad
Son límites de la propia API de Google, no de nuestra integración, y conviene conocerlos antes de gastar un dólar. 720p es el render nativo: la primera generación se queda ahí, y los niveles 1080p y 4K de Omni 1.1 son reescalados del mismo paso a 720p, no más detalle; para 4K nativo usa Veo 3.1. Un clip dura 3–10 segundos: la primera generación no puede pasar de ahí, y Omni 1.1 solo va más allá añadiendo extensiones de 3–10 segundos, hasta 40 en total. La edición cambia una escena, nunca la alarga: un clip editado vuelve siempre con la misma duración exacta que su origen.
También faltan en la API en vista previa: semillas, parámetros de prompt negativo, mejora de prompt, múltiples muestras por solicitud y desactivación de audio. Si cualquiera de estos es imprescindible, la familia Veo 3.1 los cubre: mismo saldo, mismo generador.
04Cómo funciona
De prompt a clip en minutos
Regístrate gratis
Email y contraseña — sin tarjeta de crédito, sin cuenta de Google, saldo inicial gratuito de $0.20.
Recarga con criptomonedas
Desde $1 en USDT, USDC, BTC, ETH, SOL, TON y más. +5% de bonificación a partir de $50, +10% a partir de $100.
Genera y conversa con él
Escribe el prompt (añade una línea "Audio:"), elige 16:9 o 9:16 y la duración exacta, genera desde $0.30 y luego perfecciona describiendo cambios.
05Precios
Precio por segundo, audio incluido
| Modelo | Precio por clip | Duración | Resolución | Audio |
|---|---|---|---|---|
| Gemini Omni Flash$0.10 por segundo | $0.30–$1.00 | 3–10 s (tú eliges) | 720p | siempre activo |
| Veo 3.1 Fastcon audio | $0.50–$1.00 | 4–8 s (tú eliges) | hasta 4K | opcional |
| Veo 3.1con audio | $1.50–$3.00 | 4–8 s (tú eliges) | hasta 4K | opcional |
Precios de Veo mostrados para 720p/1080p; 4K cuesta más. Omni Flash se factura a $0.10 por segundo de salida, por lo que un clip cuesta $0.30–$1.00; una edición es una nueva generación de la misma duración que su origen, a la misma tarifa. Tablas completas en la página de precios.
Compara todos los modelos en la página completa de precios — o lee la reseña práctica de la API de Omni Flash antes de gastar.
06Más información
Guías del blog
Reseña de la API Gemini Omni Flash: Qué hace realmente la vista previa
Reseña práctica: qué soporta realmente la API, qué permanece exclusivo de Flow, costes reales por clip.
Leer la guíaGuía de Prompts de Veo 3.1: Escribe Prompts que Realmente Funcionen
La estructura de prompt de siete partes, términos de movimiento de cámara y señales de audio.
Leer la guíaImagen IA a Video: Convierte Cualquier Foto en un Clip en Movimiento
Primeros fotogramas, últimos fotogramas, bucles y videos extendidos.
Leer la guía07Preguntas Frecuentes
Gemini Omni Flash, respuestas
¿Qué es Gemini Omni Flash?
Gemini Omni Flash es el primer modelo de la familia Gemini Omni de Google — un modelo mundial que convierte texto, imágenes o un clip previo en un video corto de 720p con sonido sincronizado generado en la misma pasada. Fue lanzado para consumidores en mayo de 2026 y su API, gemini-omni-flash-preview, estuvo disponible el 30 de junio de 2026. En BananaBanana funciona en producción junto a la familia Veo 3.1.
¿Cuánto cuesta un video de Gemini Omni Flash?
$0.10 por segundo de video en BananaBanana: $0.30 por un clip de 3 segundos, $1.00 por los 10 segundos completos, audio incluido, sin suscripción. Una edición de un clip existente es una nueva generación de la misma duración, a la misma tarifa. Recargas con criptomonedas desde $1 y pagas por clip.
Leer la respuesta completa¿Gemini Omni Flash genera sonido?
Sí — siempre. Cada clip se entrega con audio nativo sincronizado: ambiente, efectos e incluso habla si lo pides. No puedes desactivarlo; el único control es el texto, así que describe el paisaje sonoro en una línea "Audio:" dentro del prompt.
¿Puedo elegir la duración o la resolución del clip?
La duración, sí: cualquier número entero de segundos entre 3 y 10, y pagas $0.10 por cada uno en 720p. La resolución depende de la generación: Omni Flash 1.0 renderiza solo 720p, mientras que Omni 1.1 Flash añade un nivel de borrador en 360p a un tercio del precio y reescalados a 1080p y 4K con una tarifa por segundo más alta. También eliges la relación de aspecto: 16:9 para pantalla ancha o 9:16 vertical para Shorts, Reels y TikTok. Una excepción: un clip editado hereda la duración de su origen, porque el modelo no puede estirar ni acortar un vídeo.
Leer la respuesta completa¿Cómo funciona la edición conversacional?
Genera un clip y luego describe el cambio —«que nieve», «cambia la taza por un vaso»— y Omni Flash regenera la escena manteniendo personaje, luz y cámara. Las ediciones se encadenan. También puedes editar un vídeo que no hizo él: envía cualquier clip terminado, incluida una generación de Veo o tu propia subida, y vuelve con el nuevo estilo y la misma duración. Cada edición es una generación normal a $0.10 por segundo. Alargar un clip es otra función distinta —la extensión de escena— y solo existe en Omni 1.1 Flash.
¿Debería usar Gemini Omni Flash o Veo 3.1?
Elige Omni Flash cuando el sonido importa y el formato es vídeo corto vertical o para redes: el audio siempre está activo, la física se ve bien y se itera por conversación a $0.10 el segundo ($0.30–$1.00 por clip); elige la generación 1.1 para borradores en 360p, entregas en 4K o escenas de más de diez segundos. Elige Veo 3.1 cuando necesites control: duraciones exactas de 4/6/7/8 segundos, 4K nativo, audio opcional, semillas, primer y último fotograma y extensiones hasta 148 segundos.
¿Necesito una cuenta de Google o tarjeta de crédito?
No. BananaBanana solo acepta criptomonedas — USDT, USDC, BTC, ETH, SOL, TON y otras monedas principales, recarga mínima de $1. Regístrate con un email, recarga, genera; el saldo no utilizado nunca caduca.
Crea tu primer clip con sonido
Gemini Omni Flash: $0.30–$1.00 por clip con audio siempre activo, facturado a $0.10 el segundo; Veo 3.1 desde $0.10. Pago por uso con criptomonedas, sin suscripción, $0.20 gratis para empezar.