O Gemini Omni Flash venceu nosso teste comparativo de primeira saída, mas o resultado foi bastante acirrado, e não uma vitória esmagadora. Em oito tarefas idênticas, o Omni venceu cinco, contra três do Veo 3.1 Fast, e terminou com 4,124/5 contra 4,009/5. O Omni seguiu as instruções com maior precisão e apresentou resultados mais rapidamente por meio de nossa rota conectada; o Veo produziu um acabamento visual mais impactante, objetos mais estáveis e um resultado de áudio superior.
Essa diferença é o que realmente importa. O Omni Flash é um modelo de 720p desenvolvido para gerar um clipe curto e, em seguida, continuar trabalhando nele por meio de iterações. O Veo 3.1 é uma família mais ampla, com áudio nativo, modos de alta resolução, controle do primeiro e do último quadro e extensão de vídeo. A escolha certa depende menos de uma única pontuação de qualidade visual e mais do que você precisa: uma execução precisa logo na primeira tentativa e iterações rápidas, ou uma abordagem mais cinematográfica para uma produção mais longa e com resolução mais alta.
Se você deseja um único ambiente de trabalho para todo o fluxo de trabalho de IA, GlobalGPT é a opção mais prática. Além disso, Gemini Omni Flash e o Veo 3.1, que reúne os principais modelos de chat, pesquisa, imagem e vídeo, para que você possa dar forma à ideia, aperfeiçoar o prompt, gerar recursos visuais e escolher o melhor modelo de vídeo para a cena final sem precisar pagar por várias ferramentas de IA separadas. O plano Pro anual custa $10,80/mês, enquanto o plano Ilimitado é $25/mês e inclui acesso ao Veo 3.1.
A Omni vence o teste; o Veo mantém o limite máximo de produção mais alto
O Gemini Omni Flash lidera o Veo 3.1 Fast por 0,115 pontos.
O Omni se destaca em movimento, restrições, física, direção da câmera e texto.
| Prioridade | Melhor ajuste | Por que |
|---|---|---|
| Texto exato a seguir | Gemini Omni Flash | Maior aderência média e execução mais precisa das cenas com restrições. |
| Acabamento cinematográfico e estabilidade do objeto | Veo 3.1 Rápido | Médias mais elevadas de qualidade visual e consistência temporal. |
| Iteração rápida em 720p | Gemini Omni Flash | Média de 29,29 segundos em nosso percurso, além da edição coloquial. |
| Cenas com prioridade no áudio neste teste | Veo 3.1 Rápido | O trecho gravado no café tinha um nível de áudio muito mais forte e adequado para uso. |
| 4K, controle de quadros ou extensão | Família Veo 3.1 | Estas são as opções documentadas do fluxo de trabalho Veo que ultrapassam o limite atual de 720p da Omni. |
Conclusão: Escolha o Omni como a melhor opção padrão para vídeos curtos, rápidos e sensíveis às instruções. Escolha o Veo quando o acabamento visual e o fluxo de produção mais abrangente forem mais importantes.
Índice
- Gemini Omni Flash x Veo 3.1: comparação rápida
- Resultados de testes de desempenho públicos
- Preço e valor
- Como realizamos os testes
- Resultados do vídeo prático
- Pontuação geral
- Custo e velocidade
- Diferenças de edição, resolução e fluxo de trabalho
- Qual modelo você deve usar?
- Limitações
- PERGUNTAS FREQUENTES
- Veredicto final
Gemini Omni Flash x Veo 3.1: uma visão geral
A maneira mais clara de entender a comparação é deixar de tratar “Veo 3.1” como um único produto fixo. Documentos do Google Variantes Standard, Fast e Lite. Nosso teste prático utiliza Veo 3.1 Rápido, pois esse é o nível mais próximo do Omni Flash tanto em termos de posicionamento voltado para velocidade quanto de preço da API para 720p. Quando discutimos 4K, qualidade máxima ou o conjunto completo de recursos do Veo, estamos nos referindo à família mais ampla do Veo 3.1, sem afirmar que todas as saídas “Fast” utilizam essas configurações.
| Capacidade | Gemini Omni Flash | Família Veo 3.1 |
|---|---|---|
| Status oficial do modelo | Pré-visualização; ID do modelo gemini-omni-flash-pré-visualização | Pré-visualização na API Gemini; os IDs dos modelos Standard, Fast e Lite são listados separadamente |
| Função principal | Geração rápida de vídeos, além de edição em linguagem natural com múltiplas trocas de mensagens | Geração de vídeo com controles cinematográficos, modos de alta resolução e extensão |
| Comprimento da saída | 3 a 10 segundos | 4, 6 ou 8 segundos; alguns modos avançados exigem 8 segundos |
| Resolução | 720p a 24 FPS | 720p, 1080p ou 4K; a versão Lite não é compatível com 4K |
| Proporção da imagem | 16:9 ou 9:16 | 16:9 ou 9:16 |
| Áudio | Gerado junto com o vídeo; referências de áudio enviadas não são compatíveis com a API atual | Áudio gerado nativamente, incluindo diálogos e efeitos sonoros |
| Entradas de referência | Texto, imagens e vídeo, com tarefas relacionadas ao vídeo e de edição | Conversão de imagem em vídeo, além de até três imagens de referência |
| Edição e continuação | Edição conversacional com estado; sem extensão de vídeo nem interpolação do primeiro/último quadro | Geração do primeiro e do último quadro e extensões de vídeo de 7 segundos; não há um ciclo de edição conversacional equivalente no guia da API Veo |
| Proveniência | Marca d’água invisível SynthID | Marca d'água SynthID |
Essa diferença de funcionalidade é mais importante do que os rótulos de marketing. O Omni funciona como um modelo de vídeo com um editor integrado à conversa: gere, solicite uma alteração, preserve o restante e continue. O Veo funciona mais como um sistema de geração de tomadas: defina o formato, as referências, os quadros e a resolução e, em seguida, crie ou amplie a sequência. Um é otimizado para revisões; o outro oferece um pipeline de renderização mais abrangente.
Se você precisar de uma introdução mais completa à família de produtos Veo antes de comparar os níveis, nosso Guia completo do Veo 3.1 abrange o modelo e suas principais vias de acesso.
O que os índices de referência públicos realmente revelam
Análise Artificial classifica modelos de vídeo por meio de comparações cegas. Um votante vê dois resultados gerados a partir do mesmo prompt de texto ou da mesma imagem de entrada, não sabe qual modelo produziu cada clipe e escolhe aquele de que mais gosta. Esses votos alimentam um sistema de classificação Elo. Isso é muito mais útil do que pedir a um fornecedor de modelos que avalie seu próprio portfólio de demonstração, mas ainda é um teste de preferência, não uma medição laboratorial da completude do prompt ou da precisão física.
Tabelas de classificação de análise artificial com áudio
Texto para vídeo
Imagem para vídeo
Verificado em 15 de julho de 2026. Número de amostras de conversão de texto para vídeo: Omni Flash 3.488; Veo 3.1 7.411; Veo 3.1 Fast 8.235. Número de amostras de imagem para vídeo: 2.834; 6.926; e 7.319, respectivamente. As classificações mudam à medida que novos votos e modelos são adicionados.
A diferença não é sutil. O Omni Flash lidera o Veo 3.1 Fast por 150 pontos Elo na conversão de texto para vídeo e por 124 pontos na conversão de imagem para vídeo. Ambos os modelos Veo foram avaliados com base em mais amostras; portanto, o Omni não está na liderança apenas por ter aparecido em um pequeno teste inicial. Quanto à pergunta feita pela Artificial Analysis – “Qual resultado uma pessoa preferiria assistir?” –, o Omni Flash é o modelo mais forte neste panorama.
Mas essa frase precisa da segunda parte. Um voto de preferência cego pode premiar uma composição mais atraente, um movimento mais limpo, cores melhores ou simplesmente uma interpretação mais agradável à primeira vista. Ela não nos diz se o modelo manteve todos os objetos solicitados, se o movimento da câmera seguiu o trajeto exato, se uma marca pode revisar o clipe de forma eficiente ou se o produto final pode ser entregue em 4K. É por isso que um ranking deve estabelecer uma hipótese para um teste prático, e não substituí-lo.
O Google DeepMind também informa que uma avaliação interna de edição de vídeo na qual o Omni Flash superou outros modelos de vídeo importantes em termos de preferência geral e cumprimento das instruções. Avaliadores humanos compararam os resultados em 504 exemplos de edição. Isso corrobora a afirmação do Google de que a edição conversacional é um verdadeiro ponto forte, mas trata-se de um estudo conduzido pelo próprio fornecedor e o texto divulgado ao público não apresenta uma pontuação Veo 3.1 diretamente comparável. Portanto, consideramos isso como evidência do foco do Omni na edição, e não como um veredicto independente sobre a comparação como um todo.
Preços do Gemini Omni Flash e do Veo 3.1
O Google cobra por esses modelos por segundo de saída de vídeo bem-sucedida. A tabela abaixo utiliza as tarifas apresentadas no Página de preços da API para desenvolvedores do Gemini e calcula o custo dos comprimentos de clipe relevantes para essa comparação. Essa é a única tabela de preços do artigo; as recomendações posteriores fazem referência a essa análise de custo-benefício, em vez de repeti-la.
| Modelo | Taxa oficial da API | Vídeo de 6 segundos em 720p | Vídeo de 8 segundos em 720p | Opção de 8 segundos com resolução mais alta |
|---|---|---|---|---|
| Gemini Omni Flash | $0,10/seg | $0.60 | $0.80 | Não disponível em resolução superior a 720p |
| Veo 3.1 Padrão | $0,40/seg em 720p ou 1080p; $0,60/seg em 4K | $2.40 | $3.20 | $3.20 em 1080p; $4.80 em 4K |
| Veo 3.1 Rápido | $0,10/seg. em 720p; $0,12/seg. em 1080p; $0,30/seg. em 4K | $0.60 | $0.80 | $0.96 em 1080p; $2.40 em 4K |
| Veo 3.1 Lite | $0,05/seg. em 720p; $0,08/seg. em 1080p | $0.30 | $0.40 | $0.64 em 1080p; 4K não é compatível |
A principal conclusão do estudo sobre as tabelas de preços é que O Omni Flash e o Veo 3.1 Fast custam ambos $0,10 por segundo em 720p. Um arquivo entregue com duração de seis segundos equivale, portanto, a aproximadamente $0,60. Em nossa rota de teste conectada, no entanto, o Omni retornou clipes de 6,02 segundos, enquanto o Veo retornou arquivos de 8,00 segundos, apesar da solicitação de seis segundos. As estimativas dos arquivos entregues para esse lote foram, consequentemente, cerca de $0,60 e $0,80 por clipe. Consideramos os dois segundos a mais do Veo como uma incompatibilidade de formato de rota, e não como prova de que o modelo subjacente não seja capaz de produzir vídeos de seis segundos.
O Veo Standard é uma escolha diferente. Seu preço mais alto dá acesso ao nível voltado para a qualidade e a resoluções que o Omni não consegue produzir. Afirmar que o Omni custa “um quarto do preço do Veo” só é correto quando a comparação é feita especificamente com o Veo Standard em 720p ou 1080p. Isso é incorreto quando a comparação é feita com o Veo Fast e incompleta quando o Veo é escolhido para saída em 4K. O custo adicional só faz sentido se a resolução extra ou a qualidade de renderização do nível Standard se mantiverem ao longo do restante do processo de produção.
O preço de tabela também não leva em conta o custo que mais pesa para os criadores: as repetições. Um clipe barato que exija cinco tentativas pode acabar saindo mais caro do que um clipe caro que dê certo na primeira tentativa. Como nossa política proíbe repetições por motivos de qualidade e todos os 16 arquivos salvos eram válidos, esse lote pode apresentar o custo por primeiro arquivo válido entregue. Não é possível garantir um custo universal por resultado utilizável, pois isso depende do padrão de aceitação de cada projeto. O Google observa que as gerações Veo bloqueadas por problemas de processamento de áudio ou de segurança não são cobradas, embora o faturamento no nível da plataforma possa diferir do da API direta.
Para obter informações sobre assinaturas e acesso a produtos de consumo, consulte nossos guias específicos sobre Preços da assinatura do Veo 3.1 e se o Veo 3.1 é gratuito. Os valores acima correspondem às tarifas da API para desenvolvedores, e não aos preços dos planos para consumidores.
Como elaboramos o teste prático
Uma comparação justa precisa eliminar as saídas mais fáceis. Utilizamos as mesmas oito instruções em inglês, definimos a duração para seis segundos no formato 16:9 e 720p, solicitamos áudio natural quando a cena assim exigia e avaliamos a primeira saída válida. Falhas no nível do provedor podiam ser repetidas para se obter um arquivo decodificável, mas um resultado válido que não fosse satisfatório não podia ser substituído. Essa última regra é importante porque novas tentativas com foco na qualidade transformam discretamente uma análise em um vídeo de melhores momentos.
Mesmo briefing, primeira resposta válida, sem repetições por motivos de qualidade
| Modelos | Gemini Omni Flash e Veo 3.1 Fast |
|---|---|
| Política de prompts | Texto de prompt idêntico para ambos os modelos; sem reescrita específica para cada modelo |
| Resultado esperado | 6 segundos, 16:9, 720p, com áudio adequado à cena |
| Executar política | Primeira saída válida registrada; as falhas do provedor poderiam ser repetidas, mas nenhum clipe válido recebeu uma nova tentativa por motivos de qualidade |
| Pontuação | Pontuação editorial de 0 a 5, avaliada com base na primeira saída válida salva |
| Velocidade medida no percurso | Tempo de espera de ponta a ponta em nosso fluxo de trabalho conectado, e não uma afirmação de latência baseada apenas em um modelo universal |
Âmbito: O resultado prático do Veo refere-se ao Veo 3.1 Fast na rota testada, e não a todos os níveis do Veo ou a todas as interfaces de usuário.
A pontuação ponderada atribui 20% cada para a adesão ao prompt e a qualidade visual; 15% cada para o realismo do movimento e a consistência temporal; e 10% cada para a correspondência de áudio, velocidade e confiabilidade, além da usabilidade prática. Mantemos essas dimensões separadas porque um clipe deslumbrante ainda pode falhar na função. Um frasco de produto que muda de forma não é um anúncio utilizável. Um pôster com texto quase correto não está correto. O ambiente natural de um café não salva uma mão que se funde com a xícara.
Todos os 16 arquivos salvos contêm uma faixa de áudio em AAC. As avaliações de áudio são deliberadamente conservadoras: elas levam em conta a presença da faixa, o nível medido e a atividade de frequência, e não uma alegação infundada de que cada sinal sonoro solicitado foi ouvido e identificado com perfeição.
Resultados práticos: oito prompts, dois modelos
Cada teste isola um modo de falha diferente. O objetivo não é encontrar oito temas bonitos. Trata-se de verificar se um modelo continua confiável quando a solicitação pede pessoas, objetos específicos, colisões, trajetórias controladas da câmera, som sincronizado, texto legível ou uma ideia visual incomum. O Omni vence o teste geral por 5 a 3, mas os clipes individuais mostram por que a diferença de 0,115 ponto na pontuação é pequena.
Teste 1: Movimento humano e consistência facial
Por que esse teste é importante
Uma tomada em movimento, filmada sob chuva, tem um aspecto cinematográfico mesmo quando a modelo comete pequenos erros. Observar como o rosto, as mãos, o guarda-chuva, o ritmo da caminhada e o movimento da câmera para trás se combinam revela se a cena é coerente ou meramente atmosférica.
| Métrico | Gemini Omni Flash | Veo 3.1 |
|---|---|---|
| Arquivo de saída | 6,02 s · 1280×720 · 24 FPS · AAC | 8,00 s · 1280×720 · 24 FPS · AAC |
| Tempo de percurso com conexões | 32,1 s | 104,9 s |
| Custo aproximado da lista de arquivos entregues | $0.60 | $0.80 |
| Adesão imediata | 4.4 | 3.5 |
| Qualidade visual | 4.3 | 4.6 |
| Realismo de movimento | 4.1 | 3.3 |
| Consistência temporal | 3.8 | 4.6 |
| Correspondência de áudio | 3.7 | 3.8 |
| Total ponderado | 4.225/5 | 3.935/5 |
A mulher caminha, em vez de simplesmente deslizar, e o casaco amarelo, o guarda-chuva, a chuva, o beco e o movimento de câmera para trás permanecem em cena. O rosto e o cabelo se movem levemente.
O rosto, o capuz, o guarda-chuva e o beco estão excepcionalmente bem definidos e refinados. No entanto, a parte do corpo acima da cintura do personagem muda tão pouco que o movimento solicitado parece mais uma pose estática.
Veredicto: O Veo se destaca pela consistência, mas o Omni executa a tarefa de movimento de forma mais convincente e retorna o formato com o comprimento solicitado.
Ver o prompt exato
Crie um vídeo cinematográfico de 6 segundos, no formato 16:9, 720p. Uma jovem vestindo uma capa de chuva amarela caminha por um beco chuvoso de Tóquio à noite, segurando um guarda-chuva transparente. Letreiros de néon se refletem no asfalto molhado. A câmera faz um movimento lento para trás, acompanhando-a. Movimentos corporais naturais, expressões faciais e gestos das mãos consistentes, chuva realista, sem sobreposição de texto.
Teste 2: Qualidade comercial do produto
Por que esse teste é importante
O vídeo de produto não dá margem a erros. A garrafa de vidro deve manter a mesma silhueta enquanto a câmera gira ao redor dela, e os destaques em movimento devem descrever o objeto, em vez de redesenhá-lo. Um quadro bem trabalhado não é suficiente se o produto mudar de forma no meio da órbita.
| Métrico | Gemini Omni Flash | Veo 3.1 Rápido |
|---|---|---|
| Arquivo de saída | 6,02 s · 1280×720 · 24 FPS · AAC | 8,00 s · 1280×720 · 24 FPS · AAC |
| Tempo de percurso com conexões | 27,2 s | 103,1 s |
| Custo aproximado da lista de arquivos entregues | $0.60 | $0.80 |
| Adesão imediata | 3.6 | 3.8 |
| Qualidade visual | 4.2 | 4.6 |
| Realismo de movimento | 3.7 | 4.2 |
| Consistência temporal | 2.8 | 3.7 |
| Correspondência de áudio | 3.5 | 3.6 |
| Total ponderado | 3.725/5 | 4.005/5 |
A luz dourada e os reflexos no mármore conferem um aspecto sofisticado, mas o corpo, o gargalo e a tampa do frasco mudam de proporções e cor conforme a câmera se move.
O tratamento visual do comercial é mais marcante e o frasco está mais estável. A tampa e a silhueta ainda apresentam algumas imperfeições, por isso este continua sendo um vídeo conceitual, e não uma versão com precisão de produto.
Veredicto: O Veo cria a maquete comercial mais funcional. Nenhum dos modelos define totalmente a identidade do produto ao longo da trajetória.
Ver o prompt exato
Crie um comercial de produto premium de 6 segundos, no formato 16:9, 720p. Um frasco de perfume de vidro transparente está sobre uma mesa de mármore preto. Uma luz dourada suave se reflete no frasco. A câmera faz uma rotação lenta de 180 graus. O formato do frasco deve permanecer inalterado. Não deve haver texto legível da marca nem objetos extras.
Teste 3: Adesão a prompts com múltiplos objetos
Por que esse teste é importante
Isso é deliberadamente menos glamoroso. O modelo deve manter visíveis uma bicicleta vermelha, uma parede azul, um cachorro branco e um guarda-chuva amarelo enquanto a neve cai e a câmera permanece fixa. Um resultado bonito em que um objeto seja deixado de lado ou a câmera se mova não atende às instruções.
| Métrico | Gemini Omni Flash | Veo 3.1 Rápido |
|---|---|---|
| Arquivo de saída | 6,02 s · 1280×720 · 24 FPS · AAC | 8,00 s · 1280×720 · 24 FPS · AAC |
| Tempo de percurso com conexões | 27,8 s | 91,5 s |
| Custo aproximado da lista de arquivos entregues | $0.60 | $0.80 |
| Adesão imediata | 4.9 | 4.2 |
| Qualidade visual | 4.1 | 4.4 |
| Realismo de movimento | 4.0 | 3.8 |
| Consistência temporal | 4.6 | 4.5 |
| Correspondência de áudio | 3.0 | 3.2 |
| Total ponderado | 4.360/5 | 4.065/5 |
A bicicleta vermelha, a parede azul, o cachorro branco, o guarda-chuva amarelo aberto, a neve caindo e a câmera fixa permanecem nítidos durante todo o vídeo.
Todos os objetos e cores exigidos aparecem, mas o guarda-chuva fica parcialmente atrás da bicicleta e do cachorro, o que torna menos claro o objeto separado solicitado.
Veredicto: Ambas as saídas são utilizáveis. O Omni transforma a lista de verificação em uma resposta visual mais clara e é a que mais se aproxima da conclusão literal do prompt.
Ver o prompt exato
Crie um vídeo realista de 6 segundos, no formato 16:9, 720p. Uma bicicleta vermelha está encostada em uma parede azul. Um cachorrinho branco está sentado ao lado dela. Um guarda-chuva amarelo está aberto no chão. Neve leve cai. A câmera permanece fixa, sem zoom. Mantenha os três objetos visíveis durante todo o vídeo.
Teste 4: Física e realismo das colisões
Por que esse teste é importante
Erros de física costumam se esconder no movimento de fluidos. Aqui, é possível examinar a sequência: uma bolinha de gude rola por uma pista em espiral, toca três sinos e para. Buscamos uma gravidade convincente, contato no momento certo, geometria estável dos objetos e uma parada que pareça ter sido causada por um motivo, em vez de ter sido animada artificialmente.
| Métrico | Gemini Omni Flash | Veo 3.1 Rápido |
|---|---|---|
| Arquivo de saída | 6,02 s · 1280×720 · 24 FPS · AAC | 8,00 s · 1280×720 · 24 FPS · AAC |
| Tempo de percurso com conexões | 32,0 s | 87,5 s |
| Custo aproximado da lista de arquivos entregues | $0.60 | $0.80 |
| Adesão imediata | 3.3 | 2.8 |
| Qualidade visual | 4.2 | 4.3 |
| Realismo de movimento | 3.6 | 3.1 |
| Consistência temporal | 4.0 | 3.2 |
| Correspondência de áudio | 3.3 | 3.4 |
| Total ponderado | 3.810/5 | 3.365/5 |
A bola de gude segue por um caminho contínuo de madeira e aparecem três sinos, mas os três impactos separados e a parada final não ficam claramente definidos.
Os objetos parecem bem acabados, mas os sinos aparecem por meio de uma transição esmaecida e o mármore parece passar por baixo deles sem que se percebam três colisões.
Veredicto: A sequência “Omni” é a que apresenta menos falhas, mas não é uma simulação física na qual confiaríamos. Nenhum dos dois modelos consegue completar de forma confiável as três colisões e a parada final.
Ver o prompt exato
Crie um vídeo de 6 segundos em close-up, no formato 16:9 e resolução 720p. Uma bola de vidro rola por uma pista espiral de madeira, bate suavemente em três sinos de metal pequenos e, em seguida, para no final da pista. Gravidade realista, colisões convincentes, forma estável do objeto e profundidade de campo rasa.
Teste 5: Movimento de câmera cinematográfico
Por que esse teste é importante
Uma revelação suave da imagem captada pelo drone testa se o modelo compreende um espaço tridimensional contínuo. Cortes bruscos, paredes de cânion que parecem feitas de borracha ou um rio que surge sem uma linha de visão plausível podem criar um efeito espetacular sem um controle genuíno da câmera.
| Métrico | Gemini Omni Flash | Veo 3.1 Rápido |
|---|---|---|
| Arquivo de saída | 6,02 s · 1280×720 · 24 FPS · AAC | 8,00 s · 1280×720 · 24 FPS · AAC |
| Tempo de percurso com conexões | 28,2 s | 91,5 s |
| Custo aproximado da lista de arquivos entregues | $0.60 | $0.80 |
| Adesão imediata | 4.6 | 3.8 |
| Qualidade visual | 4.4 | 4.8 |
| Realismo de movimento | 4.3 | 4.4 |
| Consistência temporal | 4.1 | 4.5 |
| Correspondência de áudio | 3.8 | 3.8 |
| Total ponderado | 4.390/5 | 4.235/5 |
A tomada começa em um ângulo alto, desce entre as paredes do cânion e revela o rio mais tarde. Ela segue rigorosamente a gramática visual solicitada, com exceção de um pequeno artefato de transição.
A imagem é mais rica e o movimento da câmera é suave, mas o rio já é visível desde o primeiro quadro, o que enfraquece o efeito de revelação pretendido.
Veredicto: Veo leva o prêmio de melhor imagem; a Omni vence na categoria “reportagem com câmera dirigida” e vence o teste por uma margem estreita.
Ver o prompt exato
Crie uma tomada cinematográfica de 6 segundos filmada por drone, no formato 16:9, 720p. A câmera começa acima de um cânion no deserto, desce suavemente entre duas paredes rochosas e, em seguida, revela um pequeno rio ao pôr do sol. Movimento suave da câmera, sem cortes bruscos, escala realista e iluminação natural e aconchegante.
Teste 6: Áudio nativo e correspondência de cena
Por que esse teste é importante
A qualidade do áudio não se resume simplesmente a “o som está presente: sim”. O fluxo do café deve acompanhar o fluxo do leite, o café deve transmitir uma sensação de tranquilidade, e não de vazio, e a modelo deve respeitar a orientação de evitar música. Também verificamos a mão, a xícara e a espuma, pois o áudio não pode compensar um close-up mal feito.
| Métrico | Gemini Omni Flash | Veo 3.1 Rápido |
|---|---|---|
| Arquivo de saída | 6,02 s · 1280×720 · 24 FPS · AAC | 8,00 s · 1280×720 · 24 FPS · AAC |
| Tempo de percurso com conexões | 27,8 s | 106,7 s |
| Custo aproximado da lista de arquivos entregues | $0.60 | $0.80 |
| Adesão imediata | 3.6 | 4.0 |
| Qualidade visual | 4.6 | 4.5 |
| Realismo de movimento | 4.5 | 4.5 |
| Consistência temporal | 4.5 | 4.6 |
| Correspondência de áudio | 2.3 | 4.0 |
| Total ponderado | 4.120/5 | 4.265/5 |
O derramamento e o padrão do café com leite em formação são visualmente excelentes. A trilha de áudio gravada está extremamente baixa, o que a torna menos útil sem pós-processamento.
O jarro, o fio d’água, o copo e o padrão de espuma final permanecem estáveis ao longo da tomada mais longa. Sua trilha de áudio apresenta um nível e uma faixa dinâmica substancialmente maiores.
Veredicto: A disputa visual está acirrada, mas o Veo atende melhor a essa exigência de priorizar o áudio. A avaliação se baseia na presença da trilha sonora, no nível de som medido e na atividade de frequências, em vez de uma afirmação sem fundamento sobre cada elemento sonoro individual.
Ver o prompt exato
Crie um vídeo de 6 segundos com áudio natural, proporção 16:9 e resolução 720p. Um barista despeja leite vaporizado em uma xícara de café em um café tranquilo. O som deve incluir o som suave do leite sendo servido, o ambiente discreto do café e nenhuma música. Tom de close-up, com movimento realista da espuma.
Teste 7: Precisão na renderização de texto
Por que esse teste é importante
A frase solicitada é curta o suficiente para que não haja como escondê-la. O modelo deve reproduzir “AI VIDEO TEST” exatamente como está, mantê-la legível durante um zoom e preservar as letras ao longo do tempo enquanto uma pessoa passa sem bloquear o pôster.
| Métrico | Gemini Omni Flash | Veo 3.1 Rápido |
|---|---|---|
| Arquivo de saída | 6,02 s · 1280×720 · 24 FPS · AAC | 8,00 s · 1280×720 · 24 FPS · AAC |
| Tempo de percurso com conexões | 28,3 s | 100,9 s |
| Custo aproximado da lista de arquivos entregues | $0.60 | $0.80 |
| Adesão imediata | 4.5 | 3.6 |
| Qualidade visual | 4.2 | 4.3 |
| Realismo de movimento | 4.0 | 3.9 |
| Consistência temporal | 4.7 | 4.3 |
| Correspondência de áudio | 3.0 | 3.0 |
| Total ponderado | 4.315/5 | 3.860/5 |
“AI VIDEO TEST” permanece nítido e legível durante o movimento de aproximação. O transeunte cobre uma pequena parte do cartaz, de modo que a orientação de não obstruir a visão não foi totalmente seguida.
A composição da imagem é, em geral, estável, mas a pessoa tem uma estrutura física muito maior e oculta uma parte maior do pôster durante a passagem.
Veredicto: O Omni preserva o texto e a composição pretendida de forma mais confiável, embora nenhuma das duas saídas cumpra perfeitamente a cláusula de não bloqueio.
Ver o prompt exato
Crie um vídeo de 6 segundos, no formato 16:9, com resolução de 720p. Um pôster branco e sem nada escrito, afixado na parede de um estúdio, exibe exatamente este texto: “AI VIDEO TEST”. Uma pessoa passa pelo pôster sem bloqueá-lo. A câmera faz um zoom in lentamente. Mantenha o texto legível e inalterado.
Teste 8: Realismo macro criativo
Por que esse teste é importante
Um minúsculo robô-chef combina um tema criativo com um estilo fotográfico realista. O resultado deve evitar cair na estética de desenho animado, mantendo ao mesmo tempo o corpo do robô estável, a ação de preparar o bolo compreensível e efeitos delicados, como vapor e partículas de farinha, fisicamente convincentes.
| Métrico | Gemini Omni Flash | Veo 3.1 Rápido |
|---|---|---|
| Arquivo de saída | 6,02 s · 1280×720 · 24 FPS · AAC | 8,00 s · 1280×720 · 24 FPS · AAC |
| Tempo de percurso com conexões | 30,8 s | 93,0 s |
| Custo aproximado da lista de arquivos entregues | $0.60 | $0.80 |
| Adesão imediata | 3.9 | 4.4 |
| Qualidade visual | 4.5 | 4.8 |
| Realismo de movimento | 4.0 | 4.4 |
| Consistência temporal | 3.4 | 4.5 |
| Correspondência de áudio | 3.5 | 3.5 |
| Total ponderado | 4.050/5 | 4.345/5 |
O robô, o bolo, o vapor e o estilo macro são atraentes, mas várias mudanças bruscas na tomada tornam o corpo do robô menos consistente entre as diferentes perspectivas.
O chef esquelético continua reconhecível, enquanto o bolo, o vapor, a farinha, os utensílios e a escala em miniatura formam uma composição mais coerente.
Veredicto: Veo apresenta a história em miniatura mais impactante e o tema do herói mais consistente.
Ver o prompt exato
Crie um vídeo cinematográfico de 6 segundos, no formato 16:9 e resolução 720p. Um minúsculo robô-chef prepara um bolo de morango em uma cozinha em miniatura. O estilo é de fotografia macro realista, não de desenho animado. O vapor sobe de uma pequena panela, partículas de farinha flutuam no ar e o corpo metálico do robô mantém sua aparência consistente.
A aderência e a velocidade da Omni superam o resultado final da Veo por 0,115 pontos
Cinco tarefas concluídas com sucesso; destaque no cumprimento das instruções e na velocidade do percurso.
Três vitórias nas tarefas; destaque na apresentação visual, na consistência e no áudio.
| Pontuação média da dimensão | Omni Flash | Veo 3.1 Rápido | Líder |
|---|---|---|---|
| Adesão imediata | 4.100 | 3.763 | Omni |
| Qualidade visual | 4.313 | 4.538 | Veo |
| Realismo de movimento | 4.025 | 3.950 | Omni |
| Consistência temporal | 3.988 | 4.238 | Veo |
| Correspondência de áudio | 3.263 | 3.538 | Veo |
| Rapidez e confiabilidade | 5.000 | 3.500 | Omni |
| Usabilidade prática | 4.138 | 4.175 | Veo, quase empate |
| Total ponderado | 4.124 | 4.009 | Omni |
Como ler isto: A pontuação geral premia a obtenção da imagem solicitada, e não apenas a produção do quadro mais bonito. A vantagem visual do Veo é real; a capacidade do Omni de seguir instruções e sua vantagem em termos de tempo de resposta foram um pouco mais valiosas sob esse critério.
A mesma resolução de 720p, mas com duração e tempo de espera diferentes
| Resultado medido do lote | Gemini Omni Flash | Veo 3.1 Rápido |
|---|---|---|
| Resolução oficial de 720p | $0,10/seg | $0,10/seg |
| Tempo médio de percurso de ponta a ponta | 29,29 s | 97,40 s |
| Duração média dos retornos | 6,02 s | 8,00 s |
| Custo de tabela aproximado por arquivo entregue | $0.60 | $0.80 |
| Custo aproximado de um lote de oito arquivos | $4.80 | $6.40 |
| Saídas salvas e decodificáveis | 8/8 | 8/8 |
Limite: Esses tempos medem nosso fluxo de trabalho integrado, e não apenas a infraestrutura do modelo. A rota Veo retornou arquivos de oito segundos para solicitações de seis segundos; isso aumentou a estimativa do tempo de entrega do arquivo, mas não deve ser generalizado como uma afirmação de que a Veo não é capaz de produzir resultados em seis segundos.
A grande diferença: iteração x controle de produção
A disputa pelos benchmarks pode fazer com que essa comparação pareça uma corrida para ver qual renderização inicial fica mais bonita. Na prática, é depois que essa primeira renderização é gerada que os modelos apresentam as diferenças mais acentuadas.
O Omni Flash foi desenvolvido com o objetivo de fazer você mudar de ideia
Por meio de API de Interações do Google, uma sessão do Omni lembra o vídeo gerado anteriormente. É possível solicitar a alteração da iluminação, a remoção de um objeto, a troca de um plano de fundo ou a modificação do estilo sem precisar reenviar e redescrever toda a cena. O Google afirma que os desenvolvedores podem encadear até três edições sequenciais. Isso transforma o prompt de um briefing de produção único no início de uma conversa.
A desvantagem é que o limite atual da API do Omni é rígido. Ela gera saída em 720p, não permite estender uma cena, não consegue interpolar entre um primeiro e um último quadro especificados e não aceita referências de áudio enviadas. Seu valor reside na iteração controlável dentro de um clipe curto, e não na cobertura de todas as etapas de um fluxo de produção de vídeos de longa duração.
O Veo 3.1 tem como base a definição e a ampliação do plano
O Veo oferece controles essenciais quando o formato final de entrega já está definido. Você pode orientar um tema com imagens de referência, especificar um quadro inicial e um final, escolher uma saída com resolução mais alta e estender um clipe gerado pelo Veo em incrementos de sete segundos. O Google permite até 20 extensões, embora a saída das extensões seja limitada a 720p e cada continuação acrescente mais uma oportunidade para que a identidade ou o movimento se desviem.
É por isso que a pergunta “Qual modelo é melhor?” tem duas respostas válidas. O Omni é mais fácil de recomendar quando o trabalho é exploratório e envolve muitas revisões. O Veo se torna mais atraente quando o briefing exige um resultado final definido: uma tomada em 4K de 8 segundos, uma transição controlada entre quadros ou uma sequência que deve continuar além do clipe original. Você está escolhendo um ciclo criativo, não apenas um mecanismo de renderização.
Para uma análise mais aprofundada do som nativo, consulte como o Veo 3.1 processa o áudio. Para fluxos de trabalho de extensões, nosso guia sobre Veo 3.1 – Duração do vídeo explica como gerações curtas se transformam em sequências mais longas.
Qual modelo você deve usar?
Como primeira opção geral, nossas evidências apontam para o Gemini Omni Flash. Ele venceu o teste comparativo, lidera os dois rankings atuais de Análise Artificial citados acima e alcançou um resultado válido cerca de três vezes mais rápido em nosso processo. Essa recomendação muda quando se valoriza mais um acabamento cinematográfico estável, áudio de melhor qualidade, 4K, controle de quadros ou extensão do que a execução exata de formatos curtos.
Escolha o Gemini Omni Flash quando a iteração for o produto
O Omni é a melhor opção para conceitos rápidos, vídeos para redes sociais, prompts restritos, texto legível, transformações baseadas em referências e equipes que esperam que o briefing mude depois de verem o primeiro resultado. Ele venceu cinco das nossas oito tarefas e obteve uma média de 4,100/5 em adesão ao prompt. Sua liderança em preferência do público dá a esse fluxo de trabalho um ponto de partida sólido: você não está aceitando uma qualidade de primeira geração obviamente inferior apenas para ganhar conveniência na edição.
Escolha o Veo 3.1 Fast quando a conclusão for mais importante do que o tempo de resposta
O Fast é a alternativa direta mais adequada ao Omni em 720p. Ele se destacou nos testes de comercial de produto, áudio em café e macro criativa, e liderou a média de qualidade visual com 4,538 contra 4,313. Escolha-o quando um objeto principal estável e uma primeira impressão refinada forem mais importantes do que o tempo exato ou a resposta mais rápida da rota conectada. Ele também mantém você dentro de uma família que pode migrar para resoluções mais altas e controles de filmagem mais estruturados quando o projeto exigir.
Escolha o Veo 3.1 Padrão quando o teto de produção justificar o prêmio
A configuração “Padrão” não é a opção padrão mais sensata para todos os clipes curtos. É o nível a ser considerado quando a tomada é importante o suficiente para que a qualidade máxima de renderização e a entrega em 4K sejam mais relevantes do que o custo das iterações. Essa é uma decisão de produção, não uma decisão baseada em benchmarks: uma opção em 4K só tem valor se o canal final, a edição e o público forem capazes de perceber a diferença.
Utilize ambas quando a criação e a revisão forem etapas distintas
Um fluxo de trabalho misto pode ser mais prático do que a fidelidade a uma única marca. O Veo pode definir uma tomada principal em alta resolução ou controlada por quadros; o Omni pode lidar com a geração rápida de formatos curtos e alterações conversacionais em vídeos enviados compatíveis. A restrição é regional e técnica — a edição de vídeos enviados não está disponível por meio da API do Omni no Espaço Econômico Europeu (EEE), na Suíça e no Reino Unido — portanto, isso deve ser tratado como um fluxo de trabalho a ser validado, e não como uma garantia de que todas as interfaces disponibilizem todos os recursos.
Onde o GlobalGPT se encaixa no fluxo de trabalho
GlobalGPT é mais útil quando o trabalho começa antes que a instrução final do vídeo esteja pronta. Ele mantém o planejamento, o desenvolvimento da instrução, a geração e a comparação de modelos em um único espaço de trabalho, em vez de dividir o processo entre vários aplicativos.
- Elaborar o briefing: Utilize modelos como o GPT-5.6 Sol, o Claude Opus 4.8 ou o Gemini 3.1 Pro para transformar um conceito inicial em requisitos claros relativos ao tema, à câmera, ao movimento, ao estilo e ao som.
- Criar e comparar rascunhos: Use o Gemini Omni Flash para gerações rápidas e sensíveis às instruções, ou experimente o Sora 2, o Kling 3.0 e o Seedance 2.0 quando um estilo de movimento ou perfil de custo diferente for mais adequado para a tarefa.
- Passe para uma jogada mais refinada: Utilize o Veo 3.1 quando o acabamento cinematográfico e a estabilidade do objeto forem mais importantes do que o prazo de entrega mais rápido.
Com o faturamento anual, o plano Pro custa $10,80/mês e abrange quase todos os modelos de vídeo, exceto o Veo 3.1. O plano Ilimitado é $25/mês e inclui o acesso ao Veo 3.1, tornando-o a melhor opção quando se deseja o fluxo de trabalho completo de comparação. O página de preços apresenta o acesso completo aos modelos para cada plano.
Para projetos que dependem de controles específicos para 4K, extensão ou quadros, verifique essas configurações no fluxo de trabalho oficial da API correspondente antes da produção.
Limitações desta comparação
- Testamos o Veo 3.1 Fast, e não o Veo 3.1 Standard ou Lite. As características oficiais da família são identificadas separadamente das evidências empíricas.
- Um resultado é realista, mas não é estatisticamente exaustivo. A regra de não repetição reflete a experiência de pagar por uma primeira tentativa, enquanto uma nova tentativa poderia ser diferente.
- A latência de ponta a ponta inclui a rota conectada. Isso não deve ser interpretado como uma promessa universal sobre a infraestrutura do Google ou sobre todos os provedores.
- A rota Veo retornou arquivos de oito segundos para solicitações de seis segundos. Classificamos e avaliamos os arquivos que chegaram, mas não consideramos essa incompatibilidade de conector como prova de que o próprio Veo não possua saída de seis segundos.
- A análise do áudio se baseia, em parte, nos instrumentos. Verificamos as faixas de AAC, o nível sonoro, os picos e a atividade de frequência; não afirmamos ter identificado todos os sinais solicitados apenas de ouvido.
- O teste compartilhado consiste na conversão de texto em vídeo em 720p. As funcionalidades “imagem para vídeo”, edição conversacional, geração do primeiro/último quadro, extensão e 4K continuam sendo comparações de recursos oficiais, a menos que sejam testadas separadamente.
- As tabelas de classificação públicas mudam. Os resultados da Análise Artificial representam um instantâneo desatualizado, e o Google também pode revisar os modelos de pré-visualização antes do lançamento da versão estável.
Perguntas frequentes
O Gemini Omni Flash é melhor do que o Veo 3.1?
O Gemini Omni Flash é a melhor configuração padrão para vídeos em 720p sensíveis à instrução, de acordo com nossos resultados. Ele superou o Veo 3.1 Fast 5-3 por 4,124/5 a 4,009/5 em nosso teste de primeira saída e lidera os atuais rankings de análise artificial de texto para vídeo e imagem para vídeo com áudio. O Veo continua sendo superior em termos de estabilidade cinematográfica e variedade de fluxos de trabalho, incluindo 1080p, 4K, geração do primeiro e do último quadro e extensão.
O Veo 3.1 Fast é o mesmo que o Veo 3.1?
O No. Veo 3.1 Fast é a variante voltada para a velocidade dentro da mesma família. Ele oferece suporte a áudio nativo e a muitos dos principais controles de geração da família, mas seu preço e seu objetivo de otimização diferem dos do Standard. Os resultados práticos do Fast não devem ser apresentados como um teste direto do modo de qualidade máxima do Standard.
Qual é mais barato, o Gemini Omni Flash ou o Veo 3.1?
Em 720p, o Omni Flash e o Veo 3.1 Fast apresentam a mesma taxa oficial de API de $0,10 por segundo. Em nosso lote, o Omni gerou arquivos de aproximadamente seis segundos por cerca de $0,60 cada, enquanto a rota Veo testada gerou arquivos de oito segundos por cerca de $0,80 cada. O Veo Lite é mais barato; o Veo Standard e os modos de resolução mais alta do Veo custam mais.
O Omni Flash Gemini é compatível com vídeo 4K?
Não. A página atual do modelo do Google indica que a saída do Omni Flash é de 720p a 24 FPS. O Veo 3.1 e o Veo 3.1 Fast podem gerar 4K nos modos de oito segundos compatíveis, enquanto o Veo 3.1 Lite atinge no máximo 1080p.
O Omni Flash Gemini consegue editar vídeos já gravados?
Sim. O Omni Flash oferece suporte à edição conversacional com estado e permite editar vídeos enviados por meio da API de Arquivos. A edição de vídeos enviados não está disponível no EEE, na Suíça ou no Reino Unido, e a API atual não oferece suporte à edição de voz, ao alongamento de vídeo nem a referências de áudio enviadas.
O Gemini Omni Flash e o Veo 3.1 geram áudio?
Sim. Ambos geram uma trilha de áudio junto com o vídeo. Em nosso teste no café, a faixa salva pelo Veo apresentou um nível substancialmente mais alto e uma dinâmica mais ampla, enquanto a do Omni ficou extremamente baixa. As instruções continuam sendo importantes: descreva diálogos, ambiente, música ou ruídos indesejados de forma explícita. O Google afirma que as saídas do Veo bloqueadas por processamento de áudio ou verificações de segurança não são cobradas.
O Veo 3.1 está disponível gratuitamente?
A tabela de preços da API para desenvolvedores do Gemini não oferece o Veo 3.1 em seu plano gratuito. O acesso por meio do Google AI Studio, do Gemini, do Flow, de assinaturas ou de plataformas de terceiros é uma questão à parte, pois cada interface possui seus próprios limites e regras de plano.
Posso usar os vídeos do Veo 3.1 para fins comerciais?
O uso comercial depende dos termos do serviço por meio do qual o vídeo foi gerado, dos direitos sobre o seu prompt e os recursos de referência, bem como da legislação local. Verifique os termos aplicáveis antes de utilizar um clipe em publicidade paga ou em trabalhos para clientes; nosso Veo 3.1 – Guia de uso comercial aborda essa questão em detalhes.
Veredicto final
O Gemini Omni Flash é o nosso grande vencedor nesta comparação. Ele venceu cinco das oito tarefas de primeira saída, obteve uma pontuação de 4,124/5 contra os 4,009/5 do Veo 3.1 Fast, seguiu as instruções restritas com maior rigor e foi muito mais rápido ao longo do percurso testado. A diferença é pequena demais para considerar o Veo obsoleto ou inferior em todos os aspectos: o Veo produziu o melhor comercial, o resultado de áudio mais robusto e a cena macro mais coerente.
A decisão prática é clara. Use o Omni quando precisar de um clipe curto e fiel rapidamente e pretender revisá-lo de forma coloquial. Use o Veo quando o acabamento cinematográfico, a estabilidade do objeto, a entrega em 4K, o controle do primeiro e do último quadro ou a extensão forem mais importantes do que a entrega exata de seis segundos e a iteração rápida. O Omni venceu a rodada que realmente realizamos; o Veo ainda possui o conjunto mais abrangente de ferramentas de produção.
Experimente o fluxo de trabalho com seu próprio prompt: Abrir GlobalGPT, esboce o conceito usando um modelo de chat, transforme-o em uma descrição de vídeo mais concisa e, em seguida, processe o briefing no Gemini Omni Flash, no Veo 3.1 ou em outro modelo de vídeo adequado à cena. Se você estiver decidindo entre opções, o página de preços apresenta as opções exatas de modelos disponíveis em cada pacote.
