Google Vids se vuelve un estudio de video personal con IA y avatares digitales

La herramienta de video de Google Workspace acaba de dar un salto que la lleva de ser un asistente de presentaciones a un estudio de producción completo. Google Vids ahora permite a cualquier usuario crear un avatar digital que se parece y suena como él mismo, y además genera videos completos a partir de texto e imágenes de referencia usando el modelo multimodal Gemini Omni. El anuncio, hecho el 16 de julio, incluye también la integración del modelo de texto a video Veo 3.1, capaz de producir clips de ocho segundos con audio sincronizado, y la posibilidad de editar paso a paso sin tener que empezar de cero.

El mecanismo detrás de los avatares es simple pero potente: el usuario sube una selfie y una grabación de voz, y el sistema construye una réplica digital que luego puede actuar en los videos. Google asegura que estos avatares quedan vinculados a la cuenta del usuario, van marcados invisiblemente con SynthID y solo están disponibles para mayores de 18 años en ciertas regiones. La compañía también aclara que no se podrá usar la herramienta para suplantar a nadie, como sí ocurría con Sora, la app de OpenAI que cerró en marzo.

Gemini Omni, por su parte, es el modelo que orquesta todo. No solo genera video a partir de texto, sino que puede tomar una o varias imágenes de referencia y combinarlas con la descripción escrita para crear una escena coherente. También permite ajustar la iluminación, cambiar fondos o añadir efectos sobre videos grabados con el teléfono. Y lo más importante: ahora soporta ediciones iterativas, es decir, puedes modificar un clip en lugar de regenerarlo entero.

Con esto, Google Vids compite directamente con startups como HeyGen, Synthesia, Captions o D-ID, que ya ofrecen avatares personalizados para empresas. Pero la gran diferencia es que Vids viene incluido en Google Workspace, la suite de productividad que ya usan millones de compañías en América Latina. Para un negocio en la región, esto significa que puede producir videos de capacitación, comunicaciones internas o campañas de marketing sin necesidad de estudios de grabación, actores o software costoso. Un gerente de recursos humanos en Bogotá o un equipo de marketing en São Paulo pueden generar un video con su propia imagen hablando en español, portugués o inglés con solo escribir un prompt.

La integración con Veo 3.1 añade además calidad cinematográfica a los clips, con movimiento más suave y mejor fidelidad que versiones anteriores. Aunque la duración máxima de ocho segundos limita la narrativa, es suficiente para inserts, transiciones o pequeños anuncios. La generación de música también viene incluida gracias al modelo Lyria 3, lo que redondea la producción.

La comunidad de desarrolladores ya está experimentando con estas capacidades. En GitHub han aparecido repositorios como "awesome-gemini-omni-prompts" y una CLI para generar y editar videos usando la API REST de Gemini Omni Flash, lo que sugiere que el potencial va más allá de la interfaz de Vids. Las empresas latinoamericanas con equipos técnicos podrían construir flujos personalizados de generación de video, integrando sus propios datos o imágenes de producto.

¿Qué significa esto para el mercado local? Que la barrera de entrada a la producción de video corporativo se reduce drásticamente. Ya no se necesita un equipo de producción, un estudio ni siquiera un presentador humano. Una pyme puede generar un video de bienvenida para nuevos clientes o un tutorial de producto en minutos. Pero también hay riesgos: la suplantación de identidad y los deepfakes son una preocupación real, aunque Google ha puesto salvaguardas como el watermarking y la restricción por edad. La pregunta que cada ejecutivo debería hacerse es si su organización está preparada para adoptar esta herramienta de manera ética y si los beneficios en productividad justifican los posibles riesgos de reputación.