Blog / 6 min de lectura · 2026-05-24

Fallos habituales de Gemini Omni: texto, manos, coherencia entre tomas y prompts largos

Dónde falla Gemini Omni: el texto en pantalla se degrada, las manos se deforman, el personaje aguanta 4 tomas y luego cambia, y los prompts de más de 50 palabras pierden fuerza. Según pruebas prácticas de la comunidad.

En el lanzamiento de Gemini Omni, la cobertura se llenó de videos de puro bombo. Los fallos reales quedaron enterrados en las pruebas prácticas que PixVerse, Atlas Cloud, digit.in y Seaart publicaron al día siguiente. Este artículo reúne todas las limitaciones documentadas, con sus fuentes, para que redactes tus prompts teniéndolas en cuenta.

1. El texto en pantalla se degrada

El problema: Cualquier texto en pantalla (rótulos, etiquetas, carteles, logotipos o subtítulos) se degrada en los resultados de Omni. Las letras se emborronan, las tipografías se deforman y las palabras se vuelven ilegibles.

Por qué ocurre: Los modelos de video basados en difusión tratan el texto como una textura visual, no como contenido simbólico. Cada fotograma vuelve a generar el texto por separado, así que la forma de las letras cambia de un fotograma a otro.

Cómo evitarlo:

• No menciones ningún texto superpuesto en el prompt.
• En planos de producto, pide “unbranded packaging” (envase sin marca) o “blurred logo in background” (logotipo desenfocado al fondo).
• En carteles y escaparates, pide “stylized signage with abstract symbols” (rótulos estilizados con símbolos abstractos) en lugar de palabras concretas.
• Si necesitas texto sí o sí, añádelo en posproducción (no lo generes con Omni).

Verificado por: prueba práctica de PixVerse, que lo observó con texto en inglés, chino y japonés. En el lanzamiento no había ninguna solución que dependiera del idioma.

2. Las manos se deforman

El problema: Manos que sujetan objetos, teclean, hacen gestos en lengua de signos o tocan instrumentos: la articulación fina se viene abajo. Los dedos se fusionan, los objetos atraviesan las manos y los nudillos se doblan hacia donde no deben.

Por qué ocurre: Las manos tienen más grados de libertad que otras partes del cuerpo y quedan tapadas con más frecuencia. En los datos de entrenamiento abundan los retratos estáticos y los planos generales (wide shots), no los primeros planos (close-ups) de manos trabajando.

Cómo evitarlo:

• Encuadra para que no se vean las manos siempre que puedas. Un travelling lateral (tracking shot from the side), las manos a la espalda o un encuadre cortado a la altura de la muñeca.
• No pidas primeros planos de manos trabajando. “Close-up of fingers typing” (primer plano de dedos tecleando) casi siempre sale mal.
• Con instrumentos musicales: pide “playing the piano” sin indicar dónde van los dedos y deja que Omni lo resuelva a grandes rasgos.
• Acepta cierta imperfección. Las manos a más de 1,5 metros de la cámara suelen salir bien; las que ocupan un 30 % o más del encuadre suelen fallar.

Verificado por: análisis de PixVerse y prueba de digit.in.

3. El personaje solo se mantiene igual durante unas 3-4 tomas

El problema: Para conservar la identidad de un personaje entre tomas se usa @character_name con una foto de referencia. Funciona en las tomas 1 a 3. En la 4 o la 5, la cara ya se ha desviado de forma evidente. A partir de la 6, es otra persona.

La puntuación de Atlas Cloud: 3 sobre 5 en coherencia del personaje a lo largo de 4 tomas o más. Queda por debajo de lo que suele exigir un trabajo profesional.

Cómo solucionarlo:

• Planifica la producción en bloques de 3 tomas. Pasadas 3 tomas, trata el siguiente grupo como una secuencia nueva y vuelve a anclar el personaje.
• Usa siempre @character_name con una foto de referencia adjunta. No te fíes solo de la descripción del personaje en el prompt.
• Incluye el bloqueo “keep [character_name]‘s face, hair, and outfit identical” (mantén idénticos la cara, el pelo y la ropa) en el prompt de cada toma del bloque.
• Cuenta con tener que regenerar. A veces hacen falta entre 3 y 5 generaciones del mismo prompt para que la cara se parezca lo suficiente.

Verificado por: análisis de Atlas Cloud sobre la coherencia en varios turnos.

4. El movimiento complejo produce artefactos de IA

El problema: Las acciones complejas (bailar, hacer gimnasia, movimientos deportivos, tocar un instrumento) muestran artefactos de IA a simple vista: extremidades de más, ángulos articulares imposibles y emborronamiento en los movimientos rápidos.

Lo que encontró digit.in: Las acciones sencillas (caminar, estar de pie, hablar) salen limpias. Las complejas (bailar, gimnasia de cuerpo entero) fallan una y otra vez.

Cómo evitarlo:

• Elige acciones sencillas para el sujeto cuando importe la calidad final.
• En planos de «acción compleja», usa lenguaje de cámara lenta (slow motion), por ejemplo “slow-motion ballet pose mid-spin” (pose de ballet a cámara lenta en mitad de un giro): así el modelo genera menos fotogramas de movimiento intermedio.
• Encuadra para dejar fuera lo más exigente: muestra a la bailarina de cintura para arriba, no de cuerpo entero durante un salto.

Verificado por: análisis de digit.in.

5. Con más de unas 50 palabras, el prompt pierde foco

El problema: Un prompt más largo no te da proporcionalmente más control. Pasadas unas 50 palabras, el modelo reparte la atención entre más detalles y el resultado sale más genérico, no más preciso.

Lo que encontró Seaart: La calidad del resultado se estanca en torno a las 30-50 palabras y empeora a partir de 60-70.

Cómo evitarlo:

• Quédate en 30-50 palabras. Alargar el prompt no suma: resta.
• Si necesitas más precisión, usa el patrón desencadenante (trigger pattern) para repartir los cambios de estado entre un prompt base y un turno de seguimiento.
• Recorta adjetivos sin piedad. “Stunning beautiful epic cinematic” son cuatro palabras de adorno; cámbialas por una sola referencia de estilo concreta (“35mm film, warm tungsten”: película de 35 mm, luz cálida de tungsteno).

Verificado por: análisis de Seaart.

6. Marcas y propiedad intelectual: describe el medio, no al dueño

El problema: Nombrar propiedad intelectual protegida (“Marvel character”, “Studio Ghibli style”) o a personajes públicos reales equivale a pedirle al modelo que reproduzca algo que pertenece a otra persona, y está hecho para negarse. A menudo se niega en silencio: en lugar de devolver un error, el resultado simplemente sale genérico.

Por qué ocurre: Es así por diseño. Las salvaguardas de Google existen para evitar infracciones de propiedad intelectual, y ese es el comportamiento correcto. Omni no está ajustado a ninguna propiedad intelectual concreta, y los resultados que se acercarían demasiado se retienen o se rebajan.

Qué hacer en su lugar:

• Describe el estilo en vez de nombrar la obra. “Hand-painted watercolor animation” (animación en acuarela pintada a mano), no “Ghibli style”. “3D animated character with soft rim lighting” (personaje animado en 3D con luz de contorno suave), no “Pixar style”.
• No nombres a personas vivas en los prompts. Incluso una referencia indirecta puede empeorar la calidad del resultado.
• En la función Avatar: usa solo tu propio @username. Los intentos de clonar otras caras fallan en el paso de verificación de identidad.

7. Límite fijo de 10 segundos (más que un fallo, una restricción)

Según la cobertura del lanzamiento de TechCrunch, Gemini Omni Flash no puede generar un solo clip de más de 10 segundos. Para piezas más largas, encadena clips en Google Flow en vez de pelearte con el límite.

Tabla resumen

Si un prompt se rechaza directamente en lugar de fallar en lo visual, pásalo por el diagnosticador de prompts rechazados, una herramienta gratuita que señala los términos que probablemente han provocado un falso positivo y propone reformulaciones neutras.

Cómo usar esta lista

No los trates como errores que se arreglarán solos con el tiempo: son rasgos estables de Gemini Omni Flash en su lanzamiento. Tenlos en cuenta en tu forma de escribir prompts desde el principio:

1. Por defecto, nada de texto en pantalla, manos ocultas siempre que se pueda y prompts de menos de 50 palabras.
2. Planifica la producción en bloques de 3 tomas, con @character_name explícito y bloqueos.
3. Sustituye los nombres de propiedad intelectual por descriptores del medio.
4. Para historias más largas, une los clips en Flow en vez de pelearte con el límite de 10 segundos.

Lecturas relacionadas

• Guía de campo completa — trata todos estos fallos en contexto
• Vocabulario de cámara — los verbos que conviene usar dentro de estas limitaciones
• El bloqueo “Keep X identical” — método para producciones de varias tomas
• Glosario — definición de cada fallo