5 funciones de edición de vídeo de Gemini Omni que casi nadie usa (con los prompts exactos)
Esta es la verdad incómoda a la que llegué tras una semana llevando a Gemini Omni al límite: la mayoría de la gente utiliza alrededor del diez por ciento de lo que puede hacer.
Abren la app de Gemini, escanean un rostro, generan un avatar parlante, quizá le ponen un filtro metálico de TikTok y lo dan por terminado. Lo cual está bien. Eso es la superficie. Pero la verdadera razón por la que la edición de vídeo de Gemini Omni es interesante no son los avatares — es que el modelo edita metraje real que ya grabaste. Tus clips del móvil. Tus archivos de dron. Lo aburrido que está en tu carrete de fotos. Y los prompts que desbloquean esa capacidad no están en ningún lugar de la interfaz predeterminada. Tienes que saber qué preguntar.
Así que fui a buscar. Subí mi propio clip de playa, una foto de paisaje estática, algo de metraje POV conduciendo, un vídeo de los perros dormidos de mi amigo y un puñado de primeros planos de flores. Luego pasé una semana ejecutando ediciones, rompiendo cosas, volviendo a ejecutarlas y anotando cada prompt que realmente funcionó.
Esta es la guía de campo que me habría gustado tener el primer día. Cinco funciones de las que casi nadie habla, los prompts exactos para activar cada una, cuántos intentos requirió cada una, y — la parte que la mayoría de las publicaciones de "tutorial de Gemini Omni" se saltan por completo — dónde falla y deberías devolver el clip a un editor humano. Sin demos impecables. Conteos de iteración reales. Empecemos.
Qué es realmente la edición de vídeo de Gemini Omni (y por qué la nomenclatura es confusa)
Breve orientación, porque la nomenclatura del stack de vídeo de Google es un desastre y quiero que sepas exactamente qué herramienta hace qué.
Gemini Omni es el modelo de vídeo multimodal any-to-any de Google. Se lanzó como Gemini Omni Flash el 19 de mayo de 2026 y reemplazó la marca independiente Veo dentro de la app Gemini. Se accede de dos formas: directamente en la app Gemini para ediciones conversacionales rápidas, y dentro de Google Flow — la herramienta de cine con IA de Google — cuando quieres más control sobre la duración del clip y la edición iterativa.
Si has usado Veo antes, este es el modelo mental: Veo 3.1 era texto-a-vídeo e imagen-a-vídeo, limitado a 8 segundos. Omni Flash acepta texto, imágenes, audio, y vídeo existente como entrada, edita de forma conversacional y limita los clips a 10 segundos. Google dijo en el escenario que el límite de 10 segundos es una decisión de lanzamiento, no un techo arquitectónico — se esperan duraciones más largas de un tier "Omni Pro" más adelante. (Cubrí el lado estratégico de ese cambio en mi resumen de Google I/O 2026, si quieres el panorama general de por qué Google integró Veo en Gemini.)
Una cosa integrada en cada clip que generas: SynthID, la marca de agua de procedencia invisible de Google. No hay un interruptor para desactivarla, y sobrevive a la recodificación y al cambio de tamaño. Tenlo en cuenta antes de planificar cualquier flujo de trabajo que dependa de una salida "limpia" — cada clip de Omni está permanentemente etiquetado como generado por IA. Eso es una característica, no un error, pero importa para algunos casos de uso.
Para un desglose completo de la configuración de avatares, las plantillas integradas y cómo Omni se compara con Sora y Kling, consulta mi análisis práctico de Gemini Omni. Esta publicación es la secuela: las funciones de edición para las que el análisis no tuvo espacio.
Ahora — las cinco funciones.
Función #1: editar vídeo real, no solo avatares
Esta es la que cambia cómo piensas sobre la herramienta. La mayoría de los modelos de vídeo con IA generan de la nada. Omni edita lo que ya tienes.
Puedes subir un clip que grabaste con tu teléfono y decirle a Omni qué cambiar. No generar una nueva escena que se parezca vagamente a la tuya — realmente modificar tu metraje manteniendo intactas las partes que no mencionaste. Ese es el salto.
Dónde hacerlo: Puedes ejecutar ediciones rápidas directamente en la app Gemini, pero recomiendo encarecidamente Google Flow para esto. Flow te permite subir clips de hasta 10 segundos y aplica ediciones escaladas a la duración del clip, y el flujo de trabajo iterativo es mucho más fácil de gestionar. La app está bien para retoques puntuales. Flow es donde realmente trabajas. (Seguí las actualizaciones aceleradas de Flow cuando empezó a coger ritmo en mi resumen semanal de IA sobre la oleada de Google Flow — ha madurado mucho desde entonces.)
La prueba de la multitud
Mi primera prueba real: tenía un vídeo de playa solo conmigo, a solas, caminando cerca de los acantilados. Quería ver si Omni podía poblarlo.
Prompt: "Edit this video so there's a large crowd on the beach behind me."
Funcionó. De verdad. El modelo añadió una multitud creíble en el fondo — personas a diferentes distancias, poses variadas, el tipo de densidad dispersa que tiene una playa real — mientras yo, los acantilados y el aparcamiento en primer plano se quedaron exactamente donde estaban. Primer intento. No me lo esperaba.
Esa es la capacidad principal: Omni entiende la escena, no solo los píxeles. Sabía que la playa se extendía detrás de mí, sabía dónde estaba el horizonte y colocó la multitud en un espacio plausible.
El truco iterativo que nadie te cuenta
Esta es la técnica que me llevó unas horas descubrir, y es lo más importante de toda esta publicación: edita el vídeo recién generado, no el original.
Cuando haces un cambio y te gusta el resultado, toma esa salida y aliméntala de vuelta para la siguiente edición. Cada pasada es un refinamiento de la anterior, lo que te da mucho más control que intentar meter cada instrucción en un mega-prompt. Apila ediciones, no las agrupes.
Así que después del vídeo de la multitud, borré el prompt e hice una segunda pasada en el nuevo clip:
Prompt: "Make it a sunny day."
El modelo cambió la iluminación, calentó la temperatura de color, desplazó las sombras, iluminó el agua. Un cambio ambiental genuinamente realista — y como estaba operando sobre el clip ya editado con la multitud, la multitud se mantuvo. Esa es la estratificación contextual que solo se consigue iterando.
Usé la misma cadena para construir una revelación antes/después:
Prompt: "Turn this video into a before and after with a 3-second swipe revealing a clear object."
Luego una pasada de seguimiento para añadir texto en pantalla — "before" en el primer segmento, "edited with Omni" en el segundo. Dos pasadas, resultado limpio.
Dónde falla
Ahora la parte honesta. Omni es potente, no perfecto, y las ediciones específicas de tiempo son su punto débil.
Intenté ser creativo:
Prompt: "At the 1-second mark, change the water bottle into a rubber chicken."
No funcionó. La transformación ocurrió desde el inicio del clip, no en la marca de un segundo — Omni no puede analizar instrucciones precisas de marca de tiempo de forma fiable todavía. Ejecuté correcciones iterativas para ajustarlo y obtuve mejoras marginales, pero nunca el intercambio cronometrado limpio que quería. Si tu edición depende de que algo ocurra en un momento exacto, ajusta tus expectativas a la baja y cuenta con varios intentos. A veces simplemente le devuelves esa toma a un editor real con una línea de tiempo real.
Mi regla general: Omni es excelente en qué cambiar y poco fiable en cuándo cambiarlo. Describe el estado final, no el momento.
Si prefieres que alguien construya una pipeline de producción de vídeo completa asistida por IA — Omni para ediciones, más el resto de la cadena de producción — ese es exactamente el tipo de trabajo que acepto. Puedes ver lo que he construido en fiverr.com/s/EgxYmWD.
Eso fue editar el contenido de una toma. La siguiente función edita la cámara — y es impresionante.
Función #2: movimiento de cámara en metraje que nunca se movió
Puedes añadir movimiento de cámara a un clip que no tenía ninguno. Alejamientos, tirones de dron, revelaciones panorámicas — Omni simula trabajo de cámara dinámico en metraje existente y también en imágenes estáticas.
Convertir un clip plano en una toma de dron
Tomé ese mismo vídeo de playa y pedí un alejamiento:
Prompt: "Zoom this out into a wide drone shot."
Omni expandió el encuadre hacia afuera, revelando los acantilados y el aparcamiento como si un dron estuviera ascendiendo y retrocediendo. Hubo artefactos menores en los primeros fotogramas mientras inventaba los bordes recién revelados de la escena, pero se estabilizó rápido y la ilusión se sostuvo. Lo suficientemente convincente como para usarlo en una edición real.
El truco del dron con flechas de referencia (este es el bueno)
Esta es mi función favorita en todo el modelo, y casi nadie la usa.
Tomas una imagen estática, dibujas flechas direccionales que muestran la trayectoria que quieres que la cámara vuele, subes la imagen anotada, y Omni genera un POV de dron continuo que sigue tus flechas. Estás literalmente dibujando una ruta de vuelo y recibiendo metraje de vuelta.
Prompt: "The camera follows the arrows in the reference image. One continuous shot. Remove the arrows in the final video. The POV is of a drone always facing the direction it is flying."
El resultado: una toma de dron virtual suave que trazó mi ruta dibujada — deslizándose entre árboles, pasando bajo un puente, toda la sensación de plano secuencia. Hubo un fallo donde parte del puente desapareció brevemente cuando la cámara pasó por debajo, pero la ilusión general fue lo suficientemente fuerte como para que tuviera que volver a verlo para encontrar el defecto.
Ese prompt de cuatro líneas está haciendo mucho trabajo, así que déjame desglosar por qué cada parte importa:
- "follows the arrows in the reference image" — ancla la trayectoria a tu boceto en vez de un movimiento aleatorio
- "one continuous shot" — evita que Omni corte, cosa que de otra forma haría
- "remove the arrows in the final video" — crucial, o tus flechas se renderizan en el metraje
- "a drone always facing the direction it is flying" — fija la orientación para que la cámara no derive lateralmente como un cangrejo
Elimina cualquiera de esas cláusulas y el resultado se degrada. Lo probé. La línea de orientación en particular es la diferencia entre una sensación real de dron y una cámara flotante confusa.
Incluso cuando esto no es perfecto — y a menudo no lo es — es un punto de partida que nunca podrías obtener de una imagen estática. Para planos de establecimiento y B-roll, es genuinamente útil. Para una toma principal en un entregable de cliente de pago, seguiría contratando a un operador de dron real. Conoce el límite.
El control de cámara es espacial. La siguiente función es lingüística — y viene con una advertencia.
Función #3: avatares multilingües (verifica las traducciones)
Omni puede generar avatares que hablan diferentes idiomas, lo que hace que los saludos multilingües personalizados sean realmente fáciles. Mensajes de cumpleaños, vídeos de bienvenida, intros de cursos — graba un avatar, escribe el guion en cinco idiomas, listo.
Probé saludos de cumpleaños en cinco "idiomas":
- Francés — preciso (lo comprobé con Google Translate)
- Español — preciso (mismo método)
- ASL (Lengua de Señas Americana) — el avatar señó, pero no puedo verificar si las señas eran correctas
- Latín — generado, pero inverificable para mí
- "Vulcano" — sí, pedí un mensaje de cumpleaños en vulcano como broma. Para ser absolutamente claro: Vulcano es el idioma ficticio de Star Trek. Omni generó alegremente algo, pero no existe un vulcano real contra el cual verificarlo, así que trata esa salida como puro entretenimiento, no como traducción.
El flujo de trabajo es simple: elige un avatar de tus assets de la app Gemini, escribe el mensaje en cada idioma objetivo, genera. La sincronización labial funcionó bien en los idiomas que pude leer.
Pero esto es lo que necesitas interiorizar, porque aquí es donde esta función mete en problemas a la gente: verifica cualquier traducción que realmente importe.
Francés y español pasaron la revisión. ASL, latín y obviamente vulcano no pude confirmarlos. Si le envías un mensaje de cumpleaños sincero a un amigo francés, probablemente estés bien. Si estás produciendo marketing orientado al cliente en un idioma que no hablas, pasa el guion por un hablante nativo antes de generar, no después. La traducción por IA dentro de un modelo de vídeo es una comodidad, no una garantía — y un error de traducción horneado en un clip renderizado es mucho más caro de arreglar que un error tipográfico en texto.
Así que: increíble para contenido multilingüe casual, personal y divertido. Trátalo con precaución para cualquier cosa profesional. El modelo es seguro de sí mismo en todos los idiomas, incluyendo los que no existen.
Eso fueron avatares hablando. Lo siguiente: avatares enseñando — a partir de casi nada.
Función #4: vídeos explicativos desde un prompt de una línea
Esta me sorprendió genuinamente. Omni puede recurrir al conocimiento del mundo real y construir un explicativo educativo completo a partir de un prompt mínimo. Sin guion, sin storyboard, sin assets subidos. Una frase.
Prompt: "Create an explainer video that explains how rockets work."
Lo que volvió: un explicativo que cubría la propulsión de cohetes mediante la tercera ley de Newton — acción y reacción — con un avatar informativo narrando y visuales de apoyo. A partir de ocho palabras de entrada. El modelo buscó el concepto, estructuró una explicación y produjo un clip visionable por su cuenta.
Ejecuté un segundo para confirmar que no fue casualidad:
Prompt: "Explain how earthquakes work."
Mismo resultado — placas tectónicas, actividad sísmica, narración y visuales, todo generado solo a partir del tema. Omni recurre a hechos del mundo real y los convierte en contenido sin que tengas que deletrear nada.
Para la creación rápida de prototipos de contenido educativo, esto ahorra mucho tiempo. Puedes obtener un explicativo en borrador en dos minutos que habría tomado una hora en guionizar y hacer storyboard.
La trampa que importa más que la magia
La precisión factual debe verificarse, no asumirse.
La física del explicativo de cohetes me pareció correcta. Pero "me pareció correcta" no es verificación de hechos, y un narrador de IA seguro de sí mismo entregando una explicación errónea es más peligroso que ningún vídeo en absoluto, porque suena con autoridad. Si estás publicando contenido educativo bajo tu nombre o tu marca, cada afirmación en ese explicativo autogenerado es tu responsabilidad. Míralo. Verifica la ciencia. Detecta los errores sutiles antes de que tu audiencia lo haga.
Usa esta función para generar el borrador, no el producto final. Es un fantástico primer paso y una terrible última palabra.
El truco de cambio de ubicación escondido en esta misma capacidad
La comprensión del mundo real de Omni también impulsa algo que no esperaba: ediciones POV basadas en ubicación.
Subí metraje POV de conducción que había grabado, más un par de capturas de pantalla de Google Maps de una ciudad objetivo, y le pedí a Omni que recreara el viaje en otro lugar.
Prompt: "POV inside car driving in the location screenshot image, one continuous shot."
Primera prueba: renderizó mi viaje por el centro de NYC. Fuerte precisión de ubicación, unos pocos errores menores, pero inconfundiblemente Nueva York. Segunda prueba, mismo metraje fuente: cambié las capturas por monumentos de Londres — y Omni volvió a renderizar el mismo viaje pasando por Big Ben y el London Eye.
La parte que me convenció: el interior del coche se mantuvo consistente. El mismo salpicadero, las mismas pegatinas, el mismo encuadre — solo el mundo fuera de las ventanas se transformó de una ciudad a otra. Eso es coherencia espacial real. El modelo entendió qué elementos pertenecían al coche y cuáles al entorno, y solo tocó el entorno.
Esa es una potente capacidad de edición de escenas con usos obvios para contenido de viajes, scouting de localizaciones y pitches de "qué pasaría si hubiéramos rodado esto en ___". Como siempre: pequeños errores se cuelan, así que revisa antes de publicar.
Queda una función, y es la que silenciosamente más me impresionó.
Función #5: texto anclado en 3D que se queda fijo mientras la cámara se mueve
Las superposiciones de texto suelen ser planas. Se colocan encima del vídeo como una pegatina, fijadas a la pantalla, ignorando todo lo que sucede detrás. Omni hace algo mejor: texto con conciencia espacial anclado en espacio 3D.
Lo probé en un vídeo de flores, etiquetando las partes de una orquídea:
Prompt: "Add simple overlaid text labels that describe parts of this flower, AI-styled text."
Las etiquetas no solo flotaron sobre la superficie 2D — se anclaron a las posiciones en el espacio 3D, de modo que cada etiqueta se mantuvo unida a su parte de la flor mientras la cámara se movía. La etiqueta "petal" seguía al pétalo. La etiqueta "column" mantenía su posición. Estable, contextualmente colocada, y se movían con la escena en lugar de deslizarse por el encuadre.
Para contenido educativo y descriptivo, esto es una verdadera mejora. Diagramas de anatomía, destacados de características de productos, vídeos instructivos donde necesitas señalar partes en movimiento — el texto que vive dentro de la escena se percibe mucho más profesional que el texto pegado sobre la escena.
No es perfecto — escenas complejas con mucho movimiento pueden confundir el anclaje — pero para tomas limpias y deliberadas, es una función a la que volveré a recurrir. Combínalo con la función de explicativos y tendrás una pipeline de contenido educativo sorprendentemente completa funcionando enteramente dentro de un solo modelo.
Esas son las cinco. Ahora déjame darte todo en un solo bloque para que puedas dejar de hacer scroll y empezar a probar.
Todos los prompts en un bloque de copiar y pegar
Aquí está el conjunto completo. Tómalos, adáptalos a tu metraje y recuerda la regla de oro: edita el vídeo generado, no el original, y apila ediciones de una en una.
# 1. EDICIÓN DE VÍDEO REAL (usa Google Flow para el mejor control)
Edit this video so there's a large crowd on the beach behind me.
Make it a sunny day.
Turn this video into a before and after with a 3-second swipe revealing a clear object.
At the 1-second mark, change the water bottle into a rubber chicken. # las ediciones de tiempo son poco fiables — espera fallos
# 2. MOVIMIENTO DE CÁMARA
Zoom this out into a wide drone shot.
The camera follows the arrows in the reference image. One continuous shot. Remove the arrows in the final video. The POV is of a drone always facing the direction it is flying.
# 3. AVATARES MULTILINGÜES (verifica cualquier traducción que importe)
Generate a birthday greeting from my avatar, spoken in French.
# cambia "French" por Spanish / ASL / Latin — confirma la precisión con un hablante nativo antes de publicar
# 4. VÍDEOS EXPLICATIVOS (verifica siempre la salida en cuanto a hechos)
Create an explainer video that explains how rockets work.
Explain how earthquakes work.
# 4b. POV CON CAMBIO DE UBICACIÓN (sube metraje POV + capturas de Maps)
POV inside car driving in the location screenshot image, one continuous shot.
# 5. TEXTO ANCLADO EN 3D
Add simple overlaid text labels that describe parts of this flower, AI-styled text.
Cuántos intentos esperar (mis conteos de iteración honestos)
Los vídeos de hype nunca te muestran los intentos fallidos. Esto es aproximadamente lo que experimenté en realidad, para que puedas planificar tu tiempo:
- Adiciones de escena (multitud, clima): a menudo 1-2 intentos. Omni es fuerte aquí.
- Alejamientos de cámara: 1-3 intentos — los artefactos del primer fotograma a veces fuerzan un nuevo intento.
- Tomas de dron con trayectoria de flechas: 2-4 intentos — y mantén las cuatro cláusulas del prompt cada vez.
- Ediciones específicas de tiempo (el pollo de goma): muchos intentos, a menudo sin resultado limpio. Baja tus expectativas.
- Avatares multilingües: 1 intento para generar, pero cuenta con tiempo extra para verificación, no para regeneración.
- Explicativos: 1 intento para generar, pero el trabajo real es la verificación de hechos después.
- Texto 3D: 1-2 intentos en tomas limpias, más en escenas ocupadas.
El cambio mental que me hizo bueno en esto: Omni no es un generador de un solo uso, es una conversación. Las personas que obtienen resultados dignos de revista no escriben mejores prompts individuales — ejecutan mejores ciclos iterativos. Genera, evalúa, refina la salida, repite. Domina el bucle y el modelo se abre.
Cuándo confiar en Omni — y cuándo llamar a un editor real
Déjame trazar la línea claramente, porque este es el valor que realmente puedo añadir más allá de una lista de funciones.
Confía en Omni para: clips sociales, B-roll, planos de establecimiento, borradores de explicativos, mensajes multilingües personales, pitches de concepto y cualquier edición donde "lo suficientemente convincente" supera a "perfecto al píxel." El límite de 10 segundos y la marca de agua permanente SynthID no son problemas aquí.
Llama a un editor real para: todo lo que sea crítico en tiempo (Omni no puede acertar marcas de tiempo exactas), entregas a clientes donde los artefactos son inaceptables, tomas principales y cualquier metraje donde la marca de agua SynthID o la procedencia "generado por IA" creen un problema. Un puente que desaparece brevemente es un fallo de demo divertido y un error de cliente inaceptable — el mismo artefacto, diferentes consecuencias.
El resumen honesto: la edición de vídeo de Gemini Omni es el editor de vídeo conversacional más capaz que he usado, y sigue siendo una herramienta de borrador, no una herramienta final, para trabajo profesional. Eso no es una crítica. Es exactamente donde debería estar tras un lanzamiento.
La mayoría de la gente seguirá usando el diez por ciento. Ahora tú conoces el otro noventa. Ve a subir algo aburrido de tu carrete y mira qué hace Omni con una multitud, una trayectoria de dron y un prompt de una línea. La diferencia entre las personas que sacan magia de este modelo y las que obtienen papilla no es el acceso — son los prompts y el bucle de iteración. Ahora tienes ambos.
Entonces — ¿cuál es el clip más aburrido de tu carrete, y cómo se vería como toma de dron al atardecer con una multitud que nunca estuvo allí?
Preguntas frecuentes
¿Qué es Gemini Omni y en qué se diferencia de Veo?
Gemini Omni es el modelo de vídeo multimodal any-to-any de Google que reemplazó la marca Veo en la app Gemini el 19 de mayo de 2026. A diferencia de Veo 3.1 (texto e imagen a vídeo, límite de 8 segundos), Omni Flash también edita vídeo y audio existentes de forma conversacional, con un límite de clip de 10 segundos. Consulta la sección de introducción anterior para el desglose completo.
¿Puede Gemini Omni editar vídeos que ya grabé?
Sí — subir y editar metraje real es la capacidad más fuerte de Omni. Sube un clip (de hasta 10 segundos en Google Flow) y describe el cambio, como añadir una multitud o cambiar el clima. Para mejor control, edita el vídeo recién generado en lugar del original. Consulta la Función #1 anterior.
¿Dónde accedo a Gemini Omni — la app o Google Flow?
Gemini Omni funciona tanto en la app Gemini como en Google Flow, además de las superficies de creación de YouTube. La app es mejor para ediciones conversacionales rápidas y puntuales; Google Flow ofrece más control sobre la duración del clip y la edición iterativa, que es lo que recomiendo para trabajo serio.
¿Todos los vídeos de Gemini Omni tienen marca de agua?
Sí, cada clip que Gemini Omni produce lleva la marca de agua invisible SynthID de Google, y no hay interruptor para desactivarla. La marca de agua sobrevive a la recodificación y al cambio de tamaño, así que planifica cualquier flujo de trabajo sabiendo que la salida está permanentemente etiquetada como generada por IA.
¿Cuántos intentos requiere una edición de Gemini Omni?
Las ediciones de escena como añadir una multitud suelen funcionar en 1-2 intentos, mientras que las ediciones específicas de tiempo frecuentemente nunca producen un resultado limpio. Trata a Omni como una conversación iterativa, no como un generador de un solo uso — refina la salida a través de múltiples pasadas. Consulta mi desglose completo de conteos de iteración anterior.
Trabajemos juntos
¿Quieres construir sistemas de IA, automatizar flujos de trabajo o escalar tu infraestructura tecnológica? Me encantaría ayudar.
- Fiverr (desarrollos e integraciones a medida): fiverr.com/s/EgxYmWD
- Portfolio: mejba.me
- Ramlit Limited (soluciones empresariales): ramlit.com
- ColorPark (diseño y branding): colorpark.io
- xCyberSecurity (servicios de seguridad): xcybersecurity.io
