Google sacó dos familias de modelos de la fase de vista previa en la misma semana, ambas orientadas a medios en lugar de texto.

Gemini Omni Flash

gemini-omni-1.1-flash alcanzó disponibilidad general el 27 de agosto con tres nuevas capacidades: extensión de video, interpolación entre imágenes y control de resolución de hasta 4K. Está previsto que el endpoint de vista previa al que reemplaza se cierre el 30 de septiembre de 2026, así que quien todavía lo esté usando tiene una fecha límite concreta.

El control de resolución de hasta 4K es la novedad más relevante en la práctica. Un video generado que no supera la resolución de emisión es una demostración; un video que alcanza 4K es algo que un equipo de producción puede usar realmente sin un paso adicional de escalado.

Voz a texto

Un día antes, el 26 de agosto, tanto gemini-3.5-transcribe como gemini-3.5-transcribe-live alcanzaron disponibilidad general. Admiten más de 85 idiomas con diarización de hablantes y marcas de tiempo a nivel de palabra.

Estas dos últimas características son las que separan un juguete de transcripción de un producto de transcripción. La diarización indica quién habló; las marcas de tiempo a nivel de palabra permiten construir sobre eso funciones de búsqueda, subtítulos y edición. La variante en vivo cubre el uso en tiempo real, donde la restricción es la latencia y no la precisión.

Por qué importa

Contar con voz a texto con diarización en más de 85 idiomas, disponible como una API de uso general, presiona directamente al mercado de la transcripción independiente. Las herramientas de esa categoría históricamente han competido precisamente en esas dos características.

Lo mismo ocurre con la generación de video. Cada capacidad que pasa de un proveedor especializado a una API de propósito general de Google, OpenAI o Anthropic reduce lo que le queda por vender al especialista, que suele ser flujo de trabajo, integraciones y soporte más que el modelo subyacente.

Qué revisar

Si usas el endpoint de vista previa de Omni Flash, migra antes del 30 de septiembre. Y si pagas por un servicio de transcripción, vale la pena calcular el costo del mismo trabajo a través de la API: la respuesta puede no favorecer el cambio, pero la diferencia es menor de lo que era antes.