Aggiungici come fonte preferita su Google
Al Google I/O 2026 Google ha presentato molti prodotti, aggiornamenti e numeri sulla crescita dell’intelligenza artificiale dentro il proprio ecosistema. Ma tra le decine di annunci ce n’è stato uno che più degli altri sembra indicare la direzione in cui l’azienda vuole andare: Gemini Omni, una nuova famiglia di modelli capaci di generare e modificare video partendo da qualunque combinazione di input, usando semplicemente il linguaggio naturale.
Il primo modello disponibile si chiama Gemini Omni Flash e, almeno nelle intenzioni di Google, rappresenta qualcosa di diverso rispetto agli strumenti di generazione video visti finora. Non solo un sistema che crea clip partendo da un prompt, ma un modello che tratta il video come un materiale manipolabile, modificabile in tempo reale e coerente nel tempo, quasi fosse “plastilina digitale”.
La definizione usata durante il keynote è stata quella di un passo verso i cosiddetti world model, cioè sistemi che non si limitano a produrre immagini credibili ma che provano anche a comprendere (o almeno simulare) il funzionamento del mondo fisico. È un’espressione che nel settore viene usata spesso in modo piuttosto ampio, ma guardando le demo mostrate da Google si capisce cosa intendesse: Omni non vuole soltanto generare video realistici, vuole far sembrare naturali anche le trasformazioni più assurde.
Un modello che modifica i video invece di rigenerarli
La differenza principale rispetto ai generatori video tradizionali sta nell’editing. Con Gemini Omni Flash l’utente può partire da un video reale, chiedere modifiche successive in linguaggio naturale e ottenere variazioni coerenti senza dover ricominciare ogni volta da zero.
Si può cambiare l’ambiente, aggiungere oggetti, modificare lo stile visivo, alterare l’azione di una scena oppure trasformare singoli elementi mantenendo tutto il resto identico. Google ha mostrato, per esempio, una scena in cui uno specchio diventa liquido quando viene toccato, mentre il braccio della persona si trasforma in materiale riflettente. In un altro esempio una scultura viene trasformata in bolle di sapone senza alterare il resto dell’inquadratura.
La parte più impressionante non è tanto l’effetto in sé, quanto la continuità. I personaggi mantengono identità, proporzioni e movimenti coerenti anche dopo modifiche successive. La scena “ricorda” quello che è successo prima, e ogni nuova istruzione si aggiunge alle precedenti.
È qui che Omni sembra distinguersi da modelli come Veo. Google stessa lo descrive come una sorta di “Nano Banana per i video”, facendo riferimento al proprio sistema di image editing che negli ultimi mesi era diventato molto popolare per la precisione delle modifiche fotografiche.
Video, audio, immagini e testo dentro un unico modello
Dal punto di vista tecnico Google insiste molto su un concetto: Omni non sarebbe un orchestratore che mette insieme modelli separati, ma un sistema multimodale nativo.
Fino a oggi strumenti come Veo, Imagen o i vari modelli audio funzionavano in modo relativamente indipendente. Omni invece unifica tutto dentro una singola architettura che può accettare contemporaneamente testo, immagini, video e audio, producendo un output coerente.
In pratica si può fornire una foto, una traccia audio, un breve filmato di riferimento e un prompt testuale, ottenendo un nuovo video che fonde tutti questi elementi in un’unica scena.
Secondo Google è proprio questa architettura a permettere una sincronizzazione più naturale tra movimenti, audio e fisica della scena. Un bicchiere che cade, il rumore dell’impatto, la reazione degli oggetti circostanti e il movimento della camera vengono generati insieme, invece che assemblati in più passaggi separati.
La fisica è diventata parte della demo
Durante il keynote Google ha parlato esplicitamente di gravità, energia cinetica e dinamica dei fluidi. Sono concetti che fino a poco tempo fa sembravano lontani dalle demo commerciali di intelligenza artificiale, ma che stanno diventando centrali nella nuova generazione di modelli video.
Omni prova a simulare non solo l’aspetto delle cose, ma anche il loro comportamento. Nelle clip mostrate si vedono oggetti che reagiscono con maggiore credibilità ai movimenti, liquidi che seguono traiettorie plausibili e scene d’azione più stabili rispetto a quelle dei primi generatori AI.
Uno degli esempi più citati online è stato il cosiddetto “test degli spaghetti”, diventato quasi un meme dopo i primi video AI molto deformi di un falso Will Smith che mangiava pasta. Nelle demo trapelate di Omni i movimenti della bocca, l’interazione con il cibo e la gestione delle mani appaiono molto più convincenti.
Non significa che il problema sia risolto del tutto. Alcuni tester hanno già notato piccole incoerenze fisiche o traiettorie imperfette. Ma il salto qualitativo rispetto ai modelli di appena uno o due anni fa è evidente.
Flow diventa uno studio creativo conversazionale
Il prodotto in cui Gemini Omni Flash trova la sua applicazione più immediata è Google Flow, lo studio creativo AI che Google aveva lanciato lo scorso anno.
Dentro Flow, Omni permette di modificare clip mantenendo consistenza visiva, identità dei personaggi e continuità narrativa. È un aspetto importante soprattutto per chi lavora su sequenze più lunghe e non su singoli video isolati.
Accanto a Omni Google ha annunciato anche Flow Agent, un agente creativo capace di proporre idee, creare varianti, organizzare asset e applicare modifiche in blocco. Esiste poi un sistema chiamato Flow Tools, che permette di costruire strumenti personalizzati (per esempio editor, shader o sistemi di upscaling) semplicemente descrivendoli in linguaggio naturale.
La direzione è piuttosto chiara: Google non vuole più che la generazione video sia un software separato e specialistico, ma una funzione integrata dentro un ambiente conversazionale più ampio.
Gemini sempre più al centro dell’ecosistema Google
L’annuncio di Omni è arrivato dentro un Google I/O fortemente orientato all’AI agentica. Sul palco Sundar Pichai ha mostrato numeri che servivano soprattutto a comunicare una cosa: Gemini sta diventando il centro operativo di gran parte dei prodotti Google.
La modalità AI della Ricerca ha superato il miliardo di utenti attivi mensili, mentre l’app Gemini avrebbe oltre 900 milioni di accessi al mese. Google ha anche dichiarato che più di 8,5 milioni di sviluppatori utilizzano ogni mese i suoi modelli AI.
Parallelamente l’azienda continua a investire enormemente nell’infrastruttura: i piani di spesa in capitale previsti per il 2026 arrivano a circa 190 miliardi di dollari, contro i 31 miliardi del 2022. Una parte consistente riguarda le nuove TPU di ottava generazione, progettate specificamente per addestramento e inferenza AI.
In questo contesto Omni non appare come un prodotto isolato, ma come un tassello di una strategia più ampia in cui testo, voce, video e automazione convergono dentro un’unica interfaccia conversazionale.
Il problema della fiducia nei video generati
Google sa bene che strumenti del genere aprono problemi evidenti di autenticità e manipolazione. Per questo ogni video creato con Omni include sia la filigrana invisibile SynthID, sia le credenziali C2PA, standard usato per certificare provenienza e modifiche dei contenuti digitali.
L’azienda ha anche deciso di non rilasciare subito una delle funzioni più delicate: la modifica della voce in video esistenti. È una capacità già funzionante internamente, ma Google teme che possa facilitare impersonificazioni e disinformazione.
Al lancio sarà possibile usare soltanto avatar creati con la propria voce, registrata attraverso procedure di verifica.
È una scelta prudente, soprattutto considerando che molti concorrenti stanno adottando approcci molto meno restrittivi.
Per ora i video durano dieci secondi
C’è però un limite evidente: le clip generate da Omni Flash possono durare al massimo dieci secondi.
Google sostiene che sia una “decisione di prodotto” e non una limitazione tecnica. In pratica l’azienda ritiene che il formato breve sia quello più utile nella fase iniziale, soprattutto pensando a Shorts, TikTok e Reels.
Omni Flash è disponibile da subito nell’app Gemini, in Google Flow e dentro YouTube Shorts per gli abbonati Google AI Plus, Pro e Ultra, mentre l’accesso tramite API arriverà nelle prossime settimane.
Esiste già anche una variante chiamata Gemini Omni Pro, ma Google non ha ancora comunicato una data di rilascio.
La vera novità è il flusso creativo continuo
La parte più interessante di Gemini Omni forse non sta nella qualità dei video, che inevitabilmente verrà raggiunta anche da altri modelli concorrenti, ma nell’idea di continuità creativa.
Per anni i generatori AI sono stati strumenti separati: un sistema per scrivere testo, uno per fare immagini, uno per creare video, uno per montare audio. Omni prova invece a trasformare tutto in un unico processo conversazionale.
L’utente non “usa un software video”: parla con un modello che comprende immagini, scene, audio, riferimenti culturali e modifiche successive dentro lo stesso contesto.
È probabilmente questo il vero obiettivo strategico di Google: fare in modo che la produzione multimediale non sia più una serie di strumenti distinti, ma una lunga conversazione con un sistema capace di trasformare idee astratte in contenuti concreti.