Crear videos de arquitectura con Gemini Omni Flash y Veo 3.1: guía paso a paso

Qué aprenderás en esta guía

Esta guía explica cómo elegir entre Gemini Omni Flash y Veo 3.1, y cómo estructurar las instrucciones de texto al preparar un video promocional breve a partir de una imagen arquitectónica. El objetivo no es garantizar un resultado perfecto al primer intento, sino crear una descripción clara de la escena, evaluar el resultado y perfeccionar las instrucciones cuando sea necesario.

La documentación de Gemini API de Google describe Gemini Omni Flash como una herramienta para generar videos cortos a partir de texto e imágenes y editarlos en varias rondas. En la misma documentación, Veo 3.1 se presenta con funciones como generación de audio integrada, extensión de video, generación basada en fotogramas y orientación mediante imágenes. Omni Flash puede ser una opción para un primer video conceptual o para explorar la atmósfera de un interior; si se necesita continuar un clip existente o trabajar con un fotograma específico, conviene consultar las funciones documentadas de Veo 3.1.

Requisitos: software, versión y acceso

El flujo de trabajo se realiza mediante Gemini API. La documentación de Google especifica Interactions API para Gemini Omni Flash y generateContent API para Veo 3.1. Por lo tanto, se necesita un cliente o una aplicación compatible con la API y acceso a Gemini API. Las fuentes no detallan pasos específicos para crear una cuenta, tarifas, cuotas gratuitas ni requisitos de software local; consulta la documentación actualizada de la API para obtener esta información.

Las fuentes no establecen requisitos concretos de computadora, tarjeta gráfica o sistema operativo. Como la generación de video se describe como un flujo de trabajo mediante API, no sería correcto inventar requisitos de hardware local. La documentación menciona Gemini Omni Flash y Veo 3.1 para la generación de video; la página también incluye un aviso sobre la disponibilidad de Gemini 3.8 Flash. Este aviso no implica requisitos adicionales de hardware o instalación para generar video.

Antes de empezar, elige una imagen arquitectónica adecuada. Si el encuadre, los materiales principales y la iluminación se distinguen con claridad, será más fácil evaluar las instrucciones. Si vas a subir imágenes de un proyecto real, asegúrate de contar con los permisos necesarios para compartirlas y utilizarlas.

1. Elige el flujo de trabajo

Primero, define el propósito del video. Si quieres crear un breve video atmosférico a partir de una sola imagen o mejorar el resultado mediante instrucciones conversacionales en varias rondas, prueba Gemini Omni Flash. Si necesitas extender un video existente, generar contenido para fotogramas específicos o guiar la generación con imágenes, considera Veo 3.1. La documentación de Google señala que estos modelos están orientados a distintos flujos de trabajo; la elección debe basarse en las funciones que necesites.

En la primera prueba, céntrate en una sola escena. Por ejemplo, para presentar un interior, describe con claridad el movimiento de cámara, las zonas que deben mostrarse y la atmósfera deseada. Los siguientes ejemplos de prompts se han preparado para usos arquitectónicos en esta guía; no se garantiza que los resultados coincidan exactamente con ellos.

Create a short architectural visualization video from the supplied interior image. Slowly move the camera from the entrance toward the main living area. Preserve the room layout, furniture positions, materials, and daylight mood. Keep the scene calm and realistic.

Este ejemplo especifica un único movimiento de cámara y las características visuales que deben conservarse. Según la documentación de Gemini API, Gemini Omni Flash puede recibir texto e imágenes de forma conjunta, así que, cuando corresponda, añade al flujo de trabajo la imagen del interior elegida.

2. Escribe instrucciones claras y verificables

La guía de diseño de prompts de Google recomienda que las instrucciones sean claras y específicas, y que se describan la tarea, la entrada y el formato de salida deseado cuando sea necesario. Para un video arquitectónico, explica por separado qué representa la escena, qué cambio debe producirse en el video y qué elementos deben conservarse. En lugar de expresiones ambiguas como «hazlo más bonito», especifica, por ejemplo, la dirección de la luz natural o qué parte del espacio debe mostrarse.

Create a short video of this contemporary courtyard from the supplied image. Show the planted courtyard and the adjacent façade in a gentle camera move. Keep the façade geometry, paving pattern, planting layout, and overcast daylight consistent with the reference.

Esta descripción está pensada para una prueba con Veo 3.1 guiada por una imagen. La documentación de Google indica que Veo 3.1 admite orientación mediante imágenes, pero no garantiza que todos los detalles descritos en el prompt se conserven exactamente en el resultado.

3. Revisa el primer resultado y luego edítalo

La documentación de Gemini API de Google indica que Gemini Omni Flash permite editar videos en varias rondas mediante Interactions API. Al evaluar el primer resultado, en lugar de solicitar muchos cambios a la vez, identifica el problema más evidente: por ejemplo, el movimiento de cámara, la iluminación o el encuadre. Después, envía una nueva instrucción que aclare únicamente ese aspecto.

Revise the previous video. Keep the room, materials, furniture, and lighting unchanged. Make the camera movement slower and end with a clear view of the dining area.

Este ejemplo propone pedir una sola corrección después de la primera ronda. Trabajar en varias rondas puede facilitar el seguimiento de los cambios, pero la documentación no especifica un número de rondas ni garantiza resultados. Por eso, hay que comprobar mediante pruebas la disponibilidad y la calidad de los resultados.

4. Continúa un video existente o trabaja con un fotograma específico

La documentación de Veo 3.1 de Google indica que admite la extensión de video y la generación para fotogramas específicos. Para planificar la continuación de un breve clip arquitectónico, describe qué parte de la escena quieres prolongar. Las fuentes consultadas no incluyen parámetros ni instrucciones detalladas sobre cómo utilizar la función de extensión de video; comprueba el procedimiento en la guía actualizada de la API.

También está documentada la generación de Veo 3.1 orientada a fotogramas específicos. Sin embargo, la fuente no explica qué parámetros o pasos requiere esta función. Por lo tanto, no debe suponerse que basta con describir la selección del fotograma en el prompt; consulta el método de implementación en la guía actualizada de generateContent API.

Extend the supplied architectural video with a quiet continuation of the same courtyard view. Maintain continuity with the existing scene, including the façade, planting, paving, and lighting. Do not introduce a new location.

Este ejemplo describe el flujo de extensión de video a partir de una escena arquitectónica. Aunque la documentación de Google indica que la función está disponible, aquí no se explica cómo cargar el clip ni cómo ajustar la duración de la extensión; consulta los pasos de implementación en la guía actualizada de la API.

Errores frecuentes y próximos pasos

• Pedir en un solo prompt, de forma ambigua, cambios en el espacio, el movimiento de cámara, la iluminación y muchos otros elementos puede dificultar la evaluación. Simplifica las instrucciones y prueba una variable a la vez.

• No des por hecho que la geometría o los materiales de la imagen de referencia se conservarán exactamente. Compara el resultado con la imagen del proyecto y formula claramente las correcciones necesarias.

• No trates Gemini Omni Flash y Veo 3.1 como si formaran parte del mismo flujo de trabajo. Elige el modelo según necesidades como la edición en varias rondas, la extensión de video, la generación basada en fotogramas o la orientación mediante imágenes.

• Las fuentes proporcionadas no especifican precios, cuotas, límites de salida ni pasos de uso de la API. Antes de empezar un proyecto real, consulta esta información en la documentación actualizada de Gemini API.

En estudios de arquitectura e interiorismo, este método puede ayudar a preparar rápidamente un borrador audiovisual para presentaciones conceptuales y pruebas de atmósfera. Los artistas de visualización arquitectónica deberían comprobar si se conserva el lenguaje visual existente y si el video contribuye a comunicar el proyecto. Como siguiente paso, compara ambos modelos con la misma imagen y unas instrucciones similares, teniendo en cuenta las funciones que necesitas; antes de incorporarlos al proceso de producción, verifica también las licencias, los costos y las condiciones para compartir datos del proyecto.

Fuentes y licencia

Esta guía se ha adaptado al turco a partir de las páginas “Video generation in the Gemini API” y “Prompt design strategies” de la documentación de Gemini API de Google. Ambas fuentes están disponibles bajo la licencia CC BY 4.0. Los ejemplos de prompts para uso arquitectónico se han redactado específicamente para esta guía.