Google ha introdotto in Google Vids due nuove funzioni dedicate alla produzione video assistita dall’intelligenza artificiale: Gemini Omni e gli avatar personali. L’aggiornamento amplia in modo significativo il ruolo del servizio, nato principalmente come strumento collaborativo per realizzare presentazioni e comunicazioni video aziendali e ora trasformato in un ambiente integrato per generare, modificare e personalizzare contenuti audiovisivi.
Gemini Omni è un modello multimodale capace di elaborare congiuntamente istruzioni testuali e materiali visivi. L’utente può descrivere in linguaggio naturale la scena che desidera ottenere e affiancare alla richiesta una fotografia, un disegno, uno schizzo o un’altra immagine di riferimento. Il sistema interpreta contemporaneamente le indicazioni linguistiche e gli elementi visivi, generando un nuovo filmato che cerca di conservarne soggetti, composizione, stile e caratteristiche principali.
L’integrazione permette di utilizzare le immagini come base progettuale invece di affidare l’intera generazione a una descrizione testuale. Una fotografia può definire l’aspetto di un ambiente o di un oggetto, mentre uno schizzo può indicare la disposizione degli elementi all’interno della scena. Il prompt viene impiegato per specificare movimenti, atmosfera, illuminazione, comportamento dei soggetti e trasformazioni da applicare nel filmato.
Google descrive Gemini Omni come un sistema nel quale le capacità di ragionamento di Gemini vengono combinate con i propri modelli generativi multimediali. Il progetto è stato concepito per ricevere differenti modalità di input e produrre contenuti in formati diversi, iniziando dalla generazione video. Oltre a testo e immagini, l’architettura generale è stata presentata come capace di integrare anche audio e video all’interno dello stesso processo creativo.
Il modello è progettato per comprendere non soltanto l’aspetto visivo degli elementi, ma anche le relazioni che ne determinano il comportamento. Google ha dichiarato di aver migliorato la rappresentazione di fenomeni fisici come gravità, energia cinetica e dinamica dei fluidi, con l’obiettivo di produrre scene più coerenti nei movimenti e nelle interazioni. Queste capacità vengono affiancate alle conoscenze generali di Gemini in ambiti quali storia, scienza e cultura, così da costruire video che non siano soltanto visivamente convincenti, ma anche maggiormente aderenti al contesto richiesto.
L’aggiornamento interviene in modo particolare sulla fase di modifica. In precedenza, per correggere un risultato generato, poteva essere necessario produrre più volte l’intera sequenza, modificando il prompt e sperando di ottenere una versione più vicina alle aspettative. Con Gemini Omni, Google Vids permette invece di continuare a lavorare sul filmato attraverso una conversazione in linguaggio naturale. L’utente può chiedere di cambiare lo sfondo, aumentare la luminosità, modificare l’illuminazione o aggiungere un effetto, senza dover ricostruire manualmente l’intero progetto. Il modello interpreta l’istruzione come una modifica applicata al contenuto esistente, mantenendo gli elementi che non devono essere alterati. Il processo diventa quindi più simile a una revisione progressiva che a una successione di generazioni indipendenti.
Le modifiche possono essere eseguite anche sui filmati acquisiti con smartphone o videocamere tradizionali. Gemini Omni non è limitato ai contenuti creati artificialmente, ma può ricevere riprese reali e trasformarle attraverso comandi testuali. Questo permette di intervenire su materiali già disponibili, aggiornando lo sfondo, l’aspetto della scena o altri dettagli senza utilizzare strumenti professionali di montaggio ed elaborazione video.
La possibilità di modificare il contenuto per passaggi successivi riduce inoltre la necessità di ripartire dalla versione iniziale. Un filmato può essere perfezionato con più richieste consecutive, concentrando ogni intervento su un elemento specifico. L’utente può prima correggere lo sfondo, poi intervenire sulle luci e infine aggiungere un effetto, conservando le modifiche già approvate. Questo tipo di editing conversazionale rende accessibili operazioni che normalmente richiedono la conoscenza di livelli, maschere, strumenti di selezione, correzione cromatica e compositing. Il modello traduce l’intenzione espressa dall’utente nelle trasformazioni necessarie, nascondendo gran parte della complessità tecnica dell’elaborazione.
Gemini Omni si aggiunge alla precedente integrazione di Veo 3.1, il modello di generazione video messo a disposizione degli utenti di Google Vids nel febbraio 2026. Veo ha fornito la capacità di creare nuove clip, mentre Omni estende il processo alla combinazione tra differenti input e alla modifica conversazionale dei filmati. Google riunisce così generazione ed editing nello stesso ambiente operativo.
L’altra novità principale è costituita dagli avatar personali. La funzione permette di creare un rappresentante digitale che riproduce l’aspetto e la voce dell’utente, evitando la necessità di registrarsi ogni volta davanti a una videocamera. Per generare l’avatar è sufficiente caricare un selfie e una breve registrazione vocale. Il sistema utilizza l’immagine per ricostruire le caratteristiche visive della persona e il campione audio per riprodurne la voce. Una volta completata la configurazione, l’utente può inserire il testo che desidera comunicare e ottenere un video nel quale l’avatar pronuncia il messaggio. Non è quindi necessario preparare una postazione di ripresa, utilizzare un microfono professionale o registrare fisicamente ogni versione del contenuto.
Gli avatar personali possono essere impiegati per comunicazioni aziendali, aggiornamenti interni, formazione, presentazioni, messaggi personalizzati e brevi annunci. Un responsabile può produrre rapidamente un video destinato ai dipendenti, mentre un’organizzazione può creare più versioni dello stesso contenuto modificando soltanto lo script. La funzione può risultare utile anche quando un video deve essere aggiornato frequentemente. Se cambiano una data, una procedura o una parte del messaggio, non è necessario convocare nuovamente la persona e ripetere la registrazione. È sufficiente modificare il testo e generare una nuova versione con lo stesso avatar.
Questo approccio rende inoltre possibile produrre comunicazioni coerenti in serie. L’aspetto, la voce e lo stile di presentazione rimangono costanti tra più filmati, mentre il contenuto può essere adattato a destinatari, reparti o situazioni differenti. Per le imprese significa poter aumentare il numero di video prodotti senza incrementare nella stessa misura il tempo dedicato alle riprese. Google aveva già introdotto in Vids avatar AI predefiniti, utilizzabili scegliendo un personaggio virtuale e fornendogli uno script. Gli avatar personali estendono questa possibilità perché non impiegano un presentatore generico, ma una rappresentazione digitale direttamente collegata all’utente.
L’utilizzo della somiglianza personale è sottoposto a restrizioni specifiche. L’avatar può riprodurre soltanto l’aspetto del titolare dell’account Google con cui viene creato. Non è quindi previsto l’impiego libero di fotografie appartenenti a terze persone per generare un avatar che ne imiti le caratteristiche. Il profilo digitale rimane inoltre collegato all’account dell’utente. Questa associazione serve a limitare l’impiego della funzione e a ridurre il rischio che l’immagine di una persona venga riutilizzata da altri senza controllo. L’accesso agli avatar personali è attualmente riservato agli utenti maggiorenni e soltanto in alcune regioni.
Le restrizioni sono particolarmente importanti perché la combinazione tra aspetto e voce rende il contenuto più realistico rispetto a un avatar generico. Un sistema capace di riprodurre una persona potrebbe essere utilizzato impropriamente per attribuirle dichiarazioni mai pronunciate. Il collegamento all’account e la limitazione alla somiglianza del titolare rappresentano quindi una prima barriera contro la creazione arbitraria di video impersonificati.
Google ha applicato anche un sistema di tracciabilità ai filmati prodotti con l’intelligenza artificiale. Ogni clip generata contiene SynthID, una filigrana digitale invisibile inserita direttamente nel contenuto. Il segnale non modifica in modo percepibile il video, ma permette agli strumenti compatibili di verificarne l’origine artificiale. SynthID è stato sviluppato per mantenere l’identificazione anche quando il file viene condiviso o sottoposto a trasformazioni comuni. La presenza della filigrana non impedisce la diffusione del contenuto, ma offre un meccanismo tecnico per controllare se un filmato è stato prodotto attraverso i sistemi generativi di Google.
La verifica può essere effettuata attraverso prodotti dell’ecosistema Google, tra cui la Gemini app, Gemini in Chrome e Google Search. L’obiettivo è permettere agli utenti di distinguere più facilmente un filmato registrato tradizionalmente da uno generato o trasformato dall’intelligenza artificiale. La filigrana digitale non sostituisce comunque le valutazioni sul contesto e sull’affidabilità del contenuto. Un video generato può essere chiaramente dichiarato come artificiale ma contenere comunque informazioni errate, mentre un contenuto manipolato con strumenti esterni potrebbe non includere SynthID. Il sistema fornisce quindi un’indicazione tecnica sull’origine, non una certificazione della veridicità del messaggio.
L’introduzione di Gemini Omni e degli avatar personali modifica la posizione di Google Vids all’interno di Workspace. Il servizio era stato progettato per aiutare le organizzazioni a trasformare documenti e indicazioni testuali in storyboard, scene, script, musica e contenuti multimediali. La piattaforma comprende inoltre modelli grafici, una raccolta di media utilizzabili e strumenti per registrare schermo, voce e immagine dell’utente. Gemini può generare una prima struttura del video a partire da un prompt e da un file conservato in Google Drive. Il sistema propone una sequenza di scene, contenuti multimediali, testi e musica di sottofondo, che l’utente può successivamente modificare. Le nuove funzioni ampliano questa impostazione introducendo la generazione multimodale, l’editing conversazionale e la rappresentazione digitale della persona.
Google Vids diventa quindi un ambiente che copre una parte più estesa del processo produttivo. L’utente può partire da un documento o da un’idea, creare lo storyboard, generare le clip, aggiungere una voce o un avatar, modificare i filmati in linguaggio naturale e condividere il risultato all’interno dell’organizzazione. L’integrazione in Workspace favorisce anche il lavoro collaborativo. I contenuti possono essere realizzati utilizzando file provenienti da Drive e inseriti nei flussi già impiegati da aziende e gruppi di lavoro. Il video non viene trattato come un elemento separato, ma come un ulteriore formato attraverso cui comunicare informazioni presenti nei documenti aziendali.
Questa evoluzione risponde alla crescente richiesta di contenuti audiovisivi per formazione, comunicazione interna, assistenza e aggiornamenti. Molte organizzazioni dispongono delle informazioni necessarie, ma non delle competenze, del personale o del tempo richiesti per trasformarle regolarmente in video. L’intelligenza artificiale interviene soprattutto nella riduzione di questo costo operativo. Un documento di onboarding può essere trasformato in una sequenza video, accompagnato da uno script e presentato da un avatar. Una procedura può essere aggiornata modificando soltanto alcune frasi, mentre una comunicazione destinata a gruppi differenti può essere personalizzata senza ripetere l’intero processo di produzione. La velocità non elimina però la necessità di una revisione umana. I materiali generati devono essere controllati per verificare che il contenuto corrisponda alle fonti, che le immagini siano appropriate e che l’avatar non introduca errori nella pronuncia o nell’interpretazione del testo. Nei contesti aziendali, la responsabilità editoriale e comunicativa rimane quindi in capo all’organizzazione che pubblica il video.
Gemini Omni e gli avatar personali sono disponibili per gli abbonati ai piani Google AI Pro e Google AI Ultra e per i clienti aziendali di Google Workspace. La distribuzione degli avatar personali è più limitata e dipende dall’età dell’utente e dalla regione in cui si trova. L’aggiornamento colloca Google Vids in concorrenza con piattaforme specializzate nella generazione video, nell’editing assistito e nella creazione di avatar digitali. Il vantaggio competitivo di Google deriva soprattutto dall’integrazione tra modello generativo, strumenti di produttività, gestione dei file e account aziendali. Invece di fornire soltanto un generatore isolato, Google può collegare il video a documenti, presentazioni, materiali conservati in Drive e flussi di collaborazione Workspace. Questa continuità permette di inserire la produzione audiovisiva in processi già utilizzati quotidianamente dalle organizzazioni.
Gemini Omni amplia inoltre il concetto di generazione multimediale oltre la semplice trasformazione da testo a video. La possibilità di combinare immagini, istruzioni, riprese esistenti e modifiche conversazionali rende il modello un sistema di produzione e revisione continua. Il risultato non viene considerato definitivo dopo la prima generazione, ma può essere trattato come un contenuto modificabile attraverso il dialogo. Gli avatar personali intervengono invece sul problema della presenza umana nei filmati. La produzione tradizionale richiede disponibilità della persona, registrazione, eventuale montaggio e nuove riprese quando il testo cambia. L’avatar trasforma la presenza dell’utente in una risorsa digitale riutilizzabile, generando nuovi messaggi a partire da uno script.
Google Vids evolve così da strumento per costruire presentazioni video a piattaforma più completa per la comunicazione audiovisiva assistita dall’intelligenza artificiale. Generazione, editing, narrazione e personalizzazione vengono riuniti nello stesso ambiente, con l’obiettivo di permettere anche agli utenti privi di competenze tecniche di realizzare contenuti professionali.