Cómo usar Gemini Omni 1.1 Flash: pide una sola toma y no pongas el diálogo entre comillas

Si la primera frase no pide una toma continua, Gemini Omni 1.1 Flash divide el clip en varios planos, y una línea entre comillas puede acabar escrita en pantalla. Así se arma el prompt en sus cinco modos, desde 1980 créditos por un clip de diez segundos a 720p.

Publicado:

Una tira de película continua, iluminada en turquesa, se curva sobre un fondo oscuro con una onda de sonido ámbar a lo largo; detrás, otra tira cortada en pedazos se dispersa.

Gemini Omni 1.1 Flash es el modelo de video de Google que genera imagen y sonido a la vez a partir de una descripción en lenguaje natural. En LUVI tiene cinco modos: texto a video, imagen a video (con último fotograma opcional), referencia a video, edición de video y extensión de video. Los tres primeros cuestan desde 1980 créditos por un clip de diez segundos a 720p (precios revisados el 20 de octubre de 2026). La edición y la extensión se cobran según el clip que subas, y el espacio de trabajo te muestra la estimación antes de generar. Si todavía estás comparando Omni con otros modelos, la comparativa entre MiniMax H3, Gemini Omni 1.1 y Wan 3.0 resuelve esa duda. Aquí vamos a lo práctico: qué reglas aplica nuestra guía de prompts a Omni y por qué existe cada una.

¿Por qué Omni corta mi clip en varios planos?

Gemini Omni 1.1 Flash corta porque así funciona por defecto, no porque tu prompt (la instrucción que le das al modelo) estuviera mal escrito. La documentación de Google lo dice sin rodeos: el modelo intenta armar un video con varios planos y una pequeña narrativa, y si quieres una sola escena tienes que pedirla de forma explícita.

La guía de LUVI lo convierte en regla fija: todo prompt de una sola toma abre con una cláusula de continuidad en la primera frase, por ejemplo "In a single continuous shot", "In a single unbroken scene" u "One continuous shot, no jump cuts". Si el movimiento de cámara es compuesto, la cláusula se repite al final. Esto importa por dos motivos:

  • El sonido se corta junto con la imagen. Como el audio se genera en la misma pasada, un corte que no pediste también interrumpe el ambiente o una línea de diálogo.
  • Pedir un movimiento de cámara sin la cláusula es el detonante clásico. Pides una revelación y el modelo la resuelve con un corte en lugar de mover la cámara.

¿Cómo se ve un buen prompt para Omni?

Un buen prompt para Gemini Omni se lee como una descripción de cuarenta a sesenta palabras, no como una lista de etiquetas. La guía de LUVI lo ordena en cinco partes: encuadre y movimiento, estilo, iluminación, lugar y acción. Después vienen los pequeños movimientos del sujeto o de la luz, una frase aparte para el sonido y, al final, las exclusiones.

El prompt se escribe en inglés. Google indica que el inglés tiene soporte completo y que los demás idiomas no se han evaluado. El diálogo puede ir en otro idioma; las instrucciones que lo rodean, no.

In a single continuous shot, a slow push-in at eye level on a potter at her wheel in a sunlit ceramics studio, shallow depth of field, golden hour light through dusty windows. Her wet hands draw the clay upward into a tall cylinder while fine spray catches the light. In a voice that is calm and low, the potter says: Not yet, it needs another minute. Sound design: the hum of the wheel, wet clay under her palms, a distant radio playing a song. No text overlay on screen.

Dos hábitos más lo mantienen en pie:

  • Define el encuadre y deja que el modelo ponga el mundo. Di dónde está la cámara, cómo se mueve y qué pasa. Los detalles de época, la lógica del vestuario y la física quedan en manos del modelo.
  • Un solo momento narrativo por clip. Puedes marcar tiempos dentro de una toma continua ("After 3 seconds, she lifts her hands"), pero los hechos distintos van en generaciones distintas.

¿Cómo escribo el diálogo, la música y el texto en pantalla?

En Gemini Omni 1.1 Flash el diálogo va después de dos puntos y sin comillas; las comillas se reservan para palabras que deben verse en la imagen. Los ejemplos de Google solo ponen comillas alrededor de texto visible, como un letrero o una placa de auto, y la guía de LUVI saca la regla de ese patrón: una línea entre comillas corre el riesgo de quedar pintada en el cuadro como subtítulo. La calidad de la voz va antes de los dos puntos: "In a voice that is calm and low, the potter says: Not yet."

  • El sonido tiene su propia frase, detrás de la etiqueta "Sound design:". Efectos, ambiente y diálogo van ahí o justo al lado.
  • La música hay que pedirla, y funciona mejor si describes de dónde sale en vez de su género: "a distant radio playing a song" en lugar de "lo-fi hip hop".
  • No hay prompt negativo ni interruptor de audio. Las exclusiones son fragmentos cortos al final: "No dialogue." "No extra sound effects." "No text overlay on screen." Para quitar un objeto visible en una edición, describe cómo debe quedar ("Make the phone invisible.") en lugar de enumerar lo que no quieres.

¿Qué ajustes importan de verdad?

En Gemini Omni 1.1 Flash, la resolución, la duración y la relación de aspecto concentran casi todo el costo y la calidad.

  • Resolución. 360p, 720p, 1080p o 4K, con 720p por defecto. La referencia de Google marca 1080p y 4K como escalados, así que 720p es la imagen nativa; 360p es un nivel de borrador más barato para probar el plano.
  • Duración. De tres a diez segundos, con diez por defecto. Mantén cualquier marca de tiempo dentro de la duración que elijas y no la escribas en el prompt: es un ajuste.
  • Relación de aspecto. 16:9 o 9:16, nada más. Escribir "21:9" en el texto no cambia nada.

Antes de planear una historia conviene saber una regla de seguridad: Omni no genera niños fotorrealistas. La guía de LUVI registra los dos desenlaces posibles, un rechazo directo o un niño que aparece convertido en adulto. Si la historia necesita uno, usa un estilo ilustrado o animado, o déjalo fuera de cuadro.

El catálogo todavía muestra los modos anteriores de Gemini Omni Flash, de la versión preliminar. Con sus valores por defecto cuestan más (texto a video arranca en 2500 créditos) y no tienen extensión ni espacio para el último fotograma. Los modos 1.1 son los que conviene usar.

¿Cómo cambia el prompt en imagen a video, edición y extensión?

Cada modo con archivos de entrada en Gemini Omni 1.1 Flash pide menos descripción, no más, porque la imagen ya la aporta el archivo.

  • Imagen a video. Tu imagen es el primer fotograma. Describe el movimiento (cámara, sujeto, entorno) y llama a las personas "the subject" o "she" en vez de describirlas de nuevo. Si agregas un último fotograma, el clip se vuelve una interpolación: describe la transición entre las dos imágenes, no cada una.
  • Edición. Una cláusula con el cambio y luego "Keep everything else the same." Google es claro: para editar funcionan mejor los prompts simples, y los demasiado descriptivos pueden provocar cambios que no pediste. La edición no lleva duración, resolución ni relación de aspecto; las hereda de tu clip.
  • Extensión. Cada pasada agrega hasta diez segundos y Google pone el tope total en 40 segundos. Las marcas de tiempo vuelven a cero donde empieza la parte nueva, la cláusula de continuidad hay que repetirla (si no, la continuación puede abrir con un corte) y conviene indicar el sonido ("The music continues into the chorus."), porque si no simplemente sigue igual.

En LUVI cada edición y cada extensión es una solicitud nueva sobre el clip que subes; no hay una conversación que retome el turno anterior. Planea la primera generación para que salga bien y limita cada edición a un solo cambio.

Cómo lo verificamos

  • Modelos: Gemini Omni 1.1 Flash en texto a video, imagen a video, referencia a video, edición y extensión, más los modos anteriores de Gemini Omni Flash para comparar.
  • Qué se revisó: el contrato de parámetros en vivo de cada modo en LUVI, los precios en créditos del catálogo de LUVI y de las páginas públicas de los modelos, la guía de prompts de LUVI para la familia tal como la sirven el espacio de trabajo y el conector, y la documentación de Omni de Google, el 20 de octubre de 2026. El prompt de ejemplo pasó la revisión de prompts de LUVI para el modo texto a video.
  • Resultados: desde 1980 créditos por diez segundos a 720p en los modos 1.1 de texto, imagen y referencia; desde 2500 créditos en el modo anterior de texto a video. No se generó ninguna salida para este artículo, así que no afirma nada sobre la calidad de los resultados.
  • Limitaciones: la regla de los dos puntos sin comillas para el diálogo es de la guía de LUVI y se deduce de los ejemplos de Google; la página de Google no la formula con esas palabras.

En LUVI

Elige un modo de Gemini Omni 1.1 Flash en el espacio de trabajo y toca la pluma junto al prompt: revisa y reescribe tu borrador según la guía de prompts de la familia, cuya primera regla es la cláusula de continuidad. Claude y ChatGPT leen la misma guía a través del conector de LUVI. Lo que cada ajuste hace con el precio está explicado en cómo cambian el precio la resolución y la duración.

Las cuentas nuevas empiezan con 100 créditos y pueden sumar hasta 1500 más verificando un teléfono y una tarjeta. Puedes crear una cuenta de LUVI y probar tu primer plano secuencia a 360p antes de pasar a 720p.

Fuentes

Más de Guías