Generación de video con IA: cómo Omni 1.1 alarga una escena

El 27 de agosto de 2026 Google sacó de vista previa a Gemini Omni 1.1 Flash con una función llamada extensión de escena: el modelo lee hasta 10 segundos de un clip que ya generó y sigue, en tramos de 10 segundos, hasta 40 en total. Si quieres la generación de video con IA explicada en una sola frase, aquí va: un modelo de video es un programa que arranca desde estática pura, la va quitando paso a paso, y todo el tiempo se deja guiar por tu texto y por los cuadros que ya dio por buenos. Esa última parte, “los cuadros que ya dio por buenos”, es la clave para entender por qué las escenas largas a veces se van desviando.

Puntos clave

• Un modelo de generación de video no “filma” nada. Le quita ruido a un bloque de cuadros (espacio más tiempo) hasta que aparece un clip creíble, guiado por un prompt de texto.
• Omni 1.1 Flash extiende una escena condicionándose en los 10 segundos previos (los modelos anteriores usaban más o menos 1 segundo), con tope de 40 segundos.
• La interpolación entre primer y último cuadro es el mismo truco apuntado hacia adentro: le das dos cuadros ancla y rellena el medio.
• El “4K” es una pasada de escalado encima de una generación de menor resolución; por eso las vistas previas salen a 360p.
• La mejor lección en casa es un flipbook: los niños aprenden condicionamiento, desvío e interpolación con papel antes de tocar una caja de prompts.

Qué lanzó Google el 27 de agosto

Gemini Omni 1.1 Flash es el modelo de video de producción de Google, y la versión de agosto de 2026 sumó cuatro cosas: extensión de escena, interpolación entre primer y último cuadro, salida en 1080p y 4K, y un modo de vista previa barato a 360p. El post para desarrolladores de Google describe la mecánica sin rodeos. La extensión de escena “analiza hasta 10 segundos de contexto previo” (antes era cerca de un segundo), extiende en incrementos de 10 segundos y se detiene en 40 acumulados. La interpolación toma un primer cuadro y un último cuadro y genera “video continuo entre dos keyframes”, pensado para giros de cámara, transiciones de zoom y loops sin costura. La vista previa sale a 360p, que según Google es hasta 60 % más rápida y cuesta más o menos un tercio de un render a 720p. El modelo también acepta hasta tres segundos de video de referencia para mantener consistente a un personaje u objeto.

Dónde está disponible importa porque define por dónde se lo va a cruzar tu hijo: Google AI Studio, la API de Gemini Enterprise Agent Platform, Google Flow para suscriptores de AI Plus, Pro y Ultra, y la app de Gemini para consumidores (solo la extensión de escena). El resumen mensual de Google del 1 de septiembre lo describió como “producción de video con calidad de estudio”. Eso es marketing. La versión honesta: clips cortos y coherentes, con menos costuras visibles entre segmentos que hace un año.

Un dato más: Google dice que las salidas de sus modelos generativos llevan SynthID, una marca de agua invisible incrustada en los cuadros del video que “resiste cambios de velocidad de cuadros”. No se ve, y tu hijo no la borra recortando el clip. Volvemos a eso más abajo.

Generación de video con IA explicada: de la estática a la escena

Un modelo de difusión para video es una red neuronal entrenada para revertir un proceso de ensuciado. Ho, Jain y Abbeel publicaron la receta base en 2020 para imágenes: tomas una foto real, le agregas un poco de ruido aleatorio, un poco más, y sigues cientos de pasos hasta que solo queda estática. Después entrenas a una red para deshacer exactamente un paso de ese daño. Al generar, arrancas desde estática pura y aplicas la red cientos de veces, cada pasada quita una capa de ruido, hasta que aparece una imagen limpia. El prompt entra en cada paso, así que la “limpieza” se inclina hacia imágenes que coinciden con las palabras.

El video agrega una dimensión. Ho y colegas de Google extendieron la misma arquitectura a video en 2022 (arXiv 2204.03458) tratando un clip como un bloque 3D de píxeles, alto por ancho por tiempo, y quitándole ruido al bloque completo a la vez. La red ve todos los cuadros juntos, así que aprende que una pelota a la izquierda en el cuadro 1 debería estar un poquito más a la derecha en el cuadro 2. Esa mirada conjunta es lo que le da coherencia de movimiento a los clips modernos. También es carísima en cómputo, y por eso los sistemas de producción generan a una resolución base modesta y usan un escalador aparte para llegar a 1080p o 4K. Por eso las vistas previas de Omni salen a 360p: mismo proceso, menos píxeles, menos cómputo.

Ahora la extensión de escena. El paper de 2022 ya describía una técnica de muestreo condicional para videos más largos: generas un bloque, después generas el siguiente condicionándote en los cuadros que ya tienes. El avance de Omni 1.1 es cuantitativo, no mágico. Se condiciona en hasta 10 segundos previos en vez de uno. Más contexto significa mejor memoria del color de la camiseta, la altura de la cámara y hacia dónde iba el perro. Menos desvío. Pero el modelo sigue sin tener un modelo del mundo en el sentido físico. Tiene estadísticas de qué suele seguir a qué. Empuja una escena más allá de lo que vio en entrenamiento y la camiseta cambia de color, el perro gana una pata, una puerta abre al cuarto equivocado. El propio Google lo describe con cuidado: “mejor consistencia visual y adherencia narrativa”.

La interpolación es la misma idea corrida desde los dos extremos. Fijas el cuadro cero y el cuadro N, y el modelo tiene que producir un medio consistente con ambos. Es vocabulario viejo de animación: los animadores senior dibujan los keyframes; los “intercaladores” dibujan lo que va entre medio. El modelo es un intercalador que vio muchísimo metraje.

¿Y qué tiene que ver esto con la educación de un niño de 10 años? Tres cosas. Alfabetización mediática: un clip coherente de 40 segundos con un personaje estable ya es barato de hacer, así que “se ve continuo” dejó de ser prueba de que algo pasó. Pensamiento computacional: condicionamiento, ventana de contexto y desvío son las mismas ideas que gobiernan a los chatbots, solo que con píxeles. Y trabajo creativo: un niño que entiende keyframes e intercalado entiende a Pixar y a Omni a la vez.

Cómo enseñarle esto a tu hijo

De 5 a 8 años: el intercalador de flipbook

Hagan un flipbook de 12 páginas con una pelota que rebota (sirve un taco de notas adhesivas). Ahora tapa las páginas 4 a 9 y pídele que dibuje las que faltan usando solo las páginas 1 a 3 y 10 a 12 como pistas. Eso es interpolación entre primer y último cuadro. Después ve al final y pídele tres páginas más que “sigan la historia”. Eso es extensión de escena. Señálale que usó las últimas páginas para decidir qué venía, y que el modelo hace lo mismo con sus últimos 10 segundos.

De 9 a 12 años: el experimento del desvío

Jueguen “teléfono descompuesto con dibujos”. El niño A dibuja una escena. El niño B la mira 10 segundos y dibuja el momento siguiente de memoria. El niño C ve solo el dibujo de B, y así seis rondas. Pongan los seis en fila. La camiseta cambió de color, el árbol se movió. Explícale que por eso Omni frena en 40 segundos y por eso Google subió el contexto de 1 segundo a 10: más memoria, menos teléfono descompuesto. Pídele que escriba una frase sobre qué significa “contexto”.

De 13 en adelante: la bitácora de fallas

Con tu supervisión y una cuenta de adulto, generen un clip de 8 segundos en Google AI Studio o Flow (algo como “un niño baja en bici por una calle de barrio, la cámara lo sigue”). Extiéndanlo dos veces. Luego hagan una revisión formal: captura de pantalla en cada momento donde se rompa la física, la permanencia de objetos o la continuidad, y una página de “bitácora de fallas” con marcas de tiempo. Un adolescente que hace esto una vez deja de creer que “el video con IA es básicamente real” y empieza a verlo como una herramienta con un perfil de error específico. Extra: suban el clip a Gemini y pregunten si lleva marca de agua SynthID.

La pregunta que debes hacer: “Si el modelo solo recuerda los últimos 10 segundos, ¿qué podría olvidar del comienzo del video, y cómo lo notarías?”

Cuatro técnicas, lado a lado

Cada función de Omni 1.1 Flash es una variación de la misma operación: quitarle ruido a un bloque de cuadros condicionándose en algo. La tabla muestra qué es ese “algo” en cada caso.

Técnica	Qué recibe el modelo	Qué produce	Falla típica
Texto a video (base)	Solo el prompt	Clip de 8 s a 720p desde ruido	Cantidad de objetos, manos, texto en carteles
Extensión de escena	Prompt más hasta 10 s de metraje previo	Los siguientes 10 s, hasta 40 s	Desvío lento en color, ropa, disposición
Interpolación primer/último cuadro	Prompt más dos cuadros ancla	Los cuadros intermedios	Movimiento inverosímil si las anclas difieren mucho
Video de referencia	Prompt más hasta 3 s de clip de referencia	Clip con personaje o estilo consistente	La identidad del personaje se afloja con el tiempo
Escalado a 4K	Un clip terminado de menor resolución	Versión más nítida en 1080p o 4K	Detalle fino inventado (texturas, letras)

La última fila es la que hay que recordar cuando un video “se ve 4K”. El escalado agrega píxeles que nunca se generaron. Un texto pequeño en un cartel de un clip escalado es una suposición encima de otra suposición.

¿Y en América Latina?

Esto no es un tema de Silicon Valley que llega en diferido. Según PISA 2025 (publicado el 8 de septiembre de 2026), Colombia tiene el porcentaje más alto de la región de estudiantes de 15 años que usan IA semanalmente para aprender: 56 %, seguido de Perú con 54 % y Uruguay con 53 %, contra un promedio OCDE de 46 %. O sea, los adolescentes de Bogotá y Lima ya están dentro de estas herramientas más que el promedio del mundo rico. Y la misma OCDE advierte que el uso frecuente no se traduce en mejores resultados.

Al mismo tiempo, el Observatorio de IA en Educación para América Latina y el Caribe que UNESCO lanzó en Santiago en abril de 2026 reporta que menos del 10 % de las instituciones de la región tienen lineamientos formales para integrar IA. Traducción: la escuela de tu hijo probablemente no tiene una política sobre video generado. Los grupos de WhatsApp del curso ya circulan clips “de la marcha”, “del partido” o “del profe” que nadie verificó. La alfabetización sobre video generado, por ahora, se enseña en casa.

Qué hacer en casa

Enseña “generado” como categoría, no como alarma

Los niños menores de 12 se cruzan con video de IA sobre todo de forma pasiva: un clip en el grupo familiar, un tráiler de un juego que no existe. Haz que “generado” sea una palabra neutra en tu casa, como “dibujo animado”. La encuesta de Common Sense Media del 18 de agosto de 2026 encontró que solo el 27 % de los adolescentes en EE. UU. dijo que un profesor les habló alguna vez de uso seguro de IA. En la región la cifra es desconocida, y eso ya te dice algo.

Aplica las dos preguntas a cualquier video sorprendente

Antes de creerle a un clip: (1) ¿Quién lo publicó primero? (2) ¿Hay un segundo ángulo? El video generado casi nunca tiene un segundo ángulo, porque cada clip es su propia corrida de generación. Es un hábito mejor que “fíjate en las manos raras”, que deja de funcionar cada pocos meses.

Caras de personas reales, fuera de los prompts

La función de video de referencia de Omni puede sostener el aspecto de un personaje durante todo un clip. Pon una línea clara desde ya: nada de generar video de compañeros, profesores o familiares, ni en broma. En varios países de la región los deepfakes de menores ya tienen consecuencias legales, y la regla es más fácil de cumplir si existe antes de la primera tentación.

Que tu hijo sea el director, no el público

Si tu adolescente va a usar estas herramientas, exige storyboard primero. Keyframes en papel, después interpolación en la herramienta. Eso invierte la relación: el modelo rellena, el humano decide. Además salen mejores clips, porque el modelo es bueno intercalando y malo contando historias.

Lo que no hay que hacer

No prohíbas la frase “video con IA” esperando que desaparezca. La app de Gemini ya tiene extensión de escena en el nivel de consumidor, y cada celular importante va a tener algo parecido en un año. Un niño que nunca vio el desvío le va a creer a un clip desviado.

Qué observar en los próximos 3 meses

• Semana 4: Tu hijo puede explicar “quitar ruido” y “contexto” con sus propias palabras, usando el flipbook o el teléfono descompuesto como ejemplo.
• Señales de alerta en el mes 2: Tu hijo cita un video como prueba de algo que solo existe en un clip; o encuentras clips generados con personas reales que conoce.
• Autoevaluación del mes 3: ¿Tu familia tiene una regla explícita sobre etiquetar video generado cuando se comparte? SynthID de Google y el código europeo de transparencia empujan a las plataformas hacia etiquetas; la norma de tu casa ya debería existir.

Preguntas frecuentes

¿Mi hijo puede darse cuenta si un video fue hecho con IA?

A veces, y cada año menos. Las pistas visuales (manos derretidas, texto que cambia) se reducen con cada modelo. Los chequeos duraderos son la procedencia (quién lo publicó, si hay segundo ángulo) y las herramientas de detección de marca de agua como el SynthID Detector de Google, todavía en pruebas limitadas. Enseña los chequeos duraderos, no las pistas.

¿El modelo entiende física?

No. Aprendió regularidades estadísticas de una cantidad enorme de video: las pelotas tienden a hacer arco, las sombras tienden a seguir a los objetos. Alcanza para clips cortos y falla en situaciones raras. La simulación física y el machine learning informado por física son herramientas distintas.

¿A qué edad puede probar un generador de video?

Las herramientas para consumidores exigen cuenta de adulto. Antes de los 13, quédate con las actividades de papel y con mirar por encima del hombro. De 13 en adelante pueden usar las herramientas contigo presente, idealmente con la regla de storyboard primero.

¿Por qué importa el “4K” si es solo escalado?

Porque la nitidez convence. Un clip nítido en 4K se lee como “metraje real” para casi todo el mundo aunque cada píxel sea generado. Saber que el 4K es una pasada aparte ayuda a que los niños traten la resolución como decisión de estilo, no como evidencia.

¿El tope de 40 segundos es importante?

Es un techo práctico que refleja el desvío. Google subió el contexto de un segundo a 10 y limitó el largo total a 40 segundos. Espera que ambos números crezcan, y espera que el problema del desvío se mueva en vez de desaparecer.

¿Puede usar video con IA para un trabajo del colegio?

Primero revisa la política del colegio; muchos cambiaron reglas en 2026. Si está permitido, exige el enfoque de storyboard más bitácora de fallas para que el trabajo demuestre pensamiento y no solo resultado. Nuestra guía sobre cómo funcionan los modelos de IA sirve para el informe.

---

Sobre el autor

Ricky Flores es el fundador de HiWave Makers e ingeniero eléctrico con más de 15 años de experiencia desarrollando tecnología de consumo en Apple, Samsung y Texas Instruments. Escribe sobre cómo los niños aprenden a construir, pensar y crear en un mundo saturado de tecnología. Lee más en hiwavemakers.com.

---

Fuentes

1. Google. (2026, 27 de agosto). “Gemini Omni 1.1 Flash lets you build with more control.” The Keyword. https://blog.google/innovation-and-ai/technology/developers-tools/build-with-gemini-omni-1-1-flash/
2. Google. (2026, 1 de septiembre). “Google AI updates: August 2026.” The Keyword. https://blog.google/innovation-and-ai/technology/google-ai-updates-august-2026/
3. Ho, J., Salimans, T., Gritsenko, A., Chan, W., Norouzi, M., & Fleet, D. J. (2022). “Video Diffusion Models.” arXiv 2204.03458. https://arxiv.org/abs/2204.03458
4. Ho, J., Jain, A., & Abbeel, P. (2020). “Denoising Diffusion Probabilistic Models.” NeurIPS 2020 / arXiv 2006.11239. https://arxiv.org/abs/2006.11239
5. Google DeepMind. (2026). “SynthID: Identifying AI-generated content.” https://deepmind.google/technologies/synthid/
6. Pulzo. (2026, 8 de septiembre). “Estudiantes en Colombia lideran uso de IA, según la OCDE.” https://www.pulzo.com/tecnologia/inteligencia-artificial-en-la-educacion-estudiantes-en-colombia-lideran-uso-de-ia-segun-la-ocde-PP5296043A
7. UNESCO. (2026, 14 de abril). “UNESCO launches Observatory on Artificial Intelligence in Education for Latin America and the Caribbean.” https://www.unesco.org/en/articles/unesco-launches-observatory-artificial-intelligence-education-latin-america-and-caribbean
8. Common Sense Media. (2026, 18 de agosto). “Teens in the AI Era: Schoolwork and the Skills That Matter.” https://www.commonsensemedia.org/research/teens-in-the-ai-era-schoolwork-and-skills-that-matter