Google Flow y Gemini Omni: cómo crear una marca visual consistente con IA

En los últimos meses hemos asistido a una revolución sin precedentes en la creación de vídeos e imágenes con inteligencia artificial. Prácticamente no nos ha dado tiempo a probar todos los modelos, actualizaciones y variantes que han ido apareciendo. Pero cuando hablamos de construir una marca visual consistente, el reto ya no es conseguir un plano bonito, un prompt cinematográfico o un vídeo llamativo para redes. El reto es bastante más exigente: lograr que la identidad de una marca no se rompa cada vez que cambia la cámara, la luz, el fondo o el movimiento del personaje. La pregunta, entonces, es inevitable: ¿ha superado Google esa barrera con Omni?

En este artículo te cuento:

• Qué es el face drift y por qué puede arruinar una estrategia visual de marca.
• Por qué los entrenamientos LoRA han sido útiles, pero no siempre suficientes para vídeo.
• Cómo Google Flow y Gemini Omni apuntan hacia una nueva forma de trabajar con personajes, logos y escenas.
• Cómo construí la marca visual de mArki.

¿En qué consiste el face drift y por qué es un quebradero de cabeza?

Durante mucho tiempo, el debate sobre vídeo generado con IA giraba en torno al fotorrealismo: si la piel parecía natural, si la iluminación funcionaba, si el movimiento era creíble o si la escena tenía ese acabado cinematográfico que, hasta hace nada, parecía reservado a producciones con cámara, equipo y presupuesto.

Pero, en marketing generativo, una imagen bonita no es suficiente.

El verdadero obstáculo aparece cuando quieres convertir esa pieza en un sistema. Es decir, cuando necesitas que un personaje aparezca en varios vídeos, que una mascota o avatar virtual de marca conserve sus rasgos, que un logotipo no se deforme y que sea siempre el mismo. En líneas generales: que el vestuario sea estable, que el estilo visual no cambie por completo entre una escena y otra o que no le salgan más brazos de los que debería tener.

Ahí entra en juego el llamado face drift o, dicho de forma más sencilla, la deriva de identidad. El concepto hace referencia a la pérdida de consistencia visual de un personaje en un vídeo generado con IA. Ocurre cuando el modelo no mantiene una “memoria” estable del sujeto y empieza a reinterpretarlo frame a frame: unos ojos cambian de color, unas gafas modifican su forma, el rostro se deforma ligeramente o el personaje deja de parecer el mismo a mitad del clip.

Tal y como lo define KlingAI en su blog, -que en temas de edición de videos con IA tiene mucho que aportar, en mi opinión- este problema aparece porque muchas herramientas “ven el vídeo como una secuencia de tareas creativas independientes, y no como una realidad continua”. La IA no siempre entiende que ese personaje debe seguir siendo exactamente el mismo durante toda la escena. Trabaja con probabilidades, reconstruye cada momento y, si arrastra pequeños errores entre frames, esos detalles pueden acumularse hasta romper la identidad visual.

Por eso, el face drift no es solo un fallo estético. Para una prueba creativa puede ser anecdótico; para una marca, una mascota o un avatar corporativo, es un problema serio. Si en una escena mArkI, el avatar virtual de marketinggenerativo.es presenta unas proporciones concretas, un tipo de rostro y un logotipo reconocible, pero en la siguiente cambia ligeramente, la marca pierde continuidad. Y cuando eso ocurre, el vídeo deja de funcionar como un activo de branding y se convierte en una pieza aislada difícil de reutilizar.

Compara esta imagen con la que aparece en la cabecera de este post. ¿Identificas las siete diferencias?

LoRA: una solución potente, pero no siempre sencilla

Hasta ahora, una de las respuestas más habituales para fijar personajes o estilos visuales ha sido el uso de entrenamientos LoRA, o Low-Rank Adaptation. Dicho de forma muy simple, un LoRA permite entrenar al modelo para reconocer un concepto visual concreto: una persona, un personaje, un producto, un estilo gráfico o una estética determinada. La ventaja es clara: en imagen estática, puede ayudar muchísimo a mantener consistencia. Si entrenas bien un personaje, el modelo aprende rasgos, proporciones, elementos visuales y patrones que después puede reutilizar en nuevas generaciones. Y esto es especialmente útil cuando una marca quiere crear una mascota, un avatar, un producto recurrente o una línea visual reconocible sin depender de prompts completamente nuevos en cada pieza.

¿Cómo funciona el entrenamiento LoRA?

• Primero se reúnen imágenes de referencia del personaje, producto o estilo que quieres fijar. Lo ideal es que sean imágenes consistentes, con buena calidad, distintos ángulos y rasgos visuales claros.
• Después se limpia y selecciona el material. No sirve cualquier imagen: si unas referencias tienen un estilo muy distinto, mala luz o detalles contradictorios, el modelo puede aprender una identidad confusa.
• Luego se entrena una pequeña capa adicional sobre un modelo base. La idea no es reentrenar toda la IA desde cero, sino añadir una especie de “memoria visual” ligera que le ayude a reconocer ese personaje o estilo.
• Esa capa aprende patrones concretos: proporciones, rasgos faciales, colores, texturas, ropa, logotipo, forma del producto o estilo gráfico.
• Una vez entrenado, puedes invocar ese concepto en nuevos prompts, manteniendo una mayor coherencia entre generaciones. Por ejemplo: “mArkI explicando un flujo de marketing automation con IA en una oficina moderna”.
• El resultado no es una copia exacta en todos los casos, sino una guía visual mucho más estable para que el modelo no reinvente el personaje desde cero cada vez.

Aunque es una solución muy potente, también tiene límites.

• Primero, porque sigue exigiendo una buena materia prima. Necesitas imágenes de referencia claras, consistentes y bien seleccionadas. Si entrenas el sistema con referencias débiles, contradictorias o mal iluminadas, lo que vas a amplificar no es una identidad sólida, sino ruido visual.
• Segundo, porque un personaje que funciona muy bien en imagen fija puede degradarse cuando entra en vídeo: cambia la cámara, se mueve el cuerpo, aparece una iluminación compleja o el plano exige coherencia durante varios segundos.
• Y tercero, porque incluso con herramientas más accesibles, sigue siendo necesario criterio: decidir qué rasgos son intocables, qué variaciones son aceptables y qué elementos forman realmente parte de la identidad de marca.

Qué cambia con Google Flow y Gemini Omni

Para entender por qué Google Flow y Gemini Omni pueden ser relevantes para la consistencia visual con IA, conviene separar dos momentos. Por un lado, tenemos el nacimiento de Flow, que no aparece como un simple generador de vídeo más, sino como una herramienta de creación audiovisual presentada por Google en 2025 y pensada para trabajar con escenas, cámara, personajes, ingredientes visuales y continuidad narrativa. No nace sólo para escribir un prompt y recibir un clip, sino para acercar la generación de vídeo a un flujo creativo más parecido al de una producción audiovisual.

Después llega Gemini Omni, presentado en el contexto de Google I/O 2026 como una nueva familia de modelos orientada a crear y editar vídeo desde distintos tipos de entrada: texto, imagen, audio o vídeo. Lo relevante no es solo que genere vídeo, sino que apunta a una comprensión más integrada de la escena. Google Flow lo describe como «un avance en comprensión del mundo, multimodalidad y edición conversacional». Dicho de forma sencilla: el modelo no debería limitarse a leer una frase, sino interpretar mejor las referencias visuales, el movimiento, el estilo, los objetos y la continuidad entre cambios.

Aunque en este enlace puedes encontrar los detalles sobre este modelo, algunos aspectos que podemos destacar son:

• A diferencia de otros modelos, no es una suma de herramientas independientes unidas a posteriori. Según DeepMind,«es un modelo basado en arquitectura Transformer con soporte multimodal nativo para entradas de texto, visión, vídeo y audio».
• Destaca por su capacidad de modificar piezas audiovisuales mediante instrucciones en lenguaje natural. El usuario puede coger un clip y, mediante una conversación con el modelo, cambiar el estilo, el ángulo, el escenario, o incluso un detalle específico dentro del vídeo.
• Soporta de manera nativa tareas de transferencia de estilo e imagen a vídeo. Esto permite «utilizar contenidos de marca ya existentes para generar nuevas piezas que respeten y coincidan exactamente con la identidad visual preestablecida».

En otras palabras, con Google Flow y Omni, la promesa es otra: trabajar la consistencia desde el propio flujo creativo, no solo desde el prompt. Puedes partir de un personaje, reutilizarlo como ingrediente, moverlo a otra escena, ajustar la cámara, extender una toma o refinar un detalle sin tener que reconstruir toda la identidad visual cada vez. Para una marca, eso es especialmente importante porque permite pensar en vídeos seriados, piezas recurrentes, avatares corporativos o mascotas visuales con más continuidad

Cómo construí la identidad visual de mArkI con Google Flow (y qué consejos te puedo dar)

Hasta ahora, yo había resuelto bastante bien esa consistencia visual con IA a través de entrenamientos LoRA en herramientas como Magnific. Y la verdad es que me funcionaban muy bien para fijar el aspecto de mArkI: sus proporciones, su estilo, su presencia visual. El problema no era tanto el resultado, porque funcionaba razonablemente bien, sino el coste añadido: otro flujo de trabajo, otra herramienta y otra capa más dentro de una factura de soluciones de IA que no deja de crecer. Por eso me interesó tanto probar Flow dentro de esta lógica con Omni. No porque sustituya automáticamente todo lo anterior, sino porque abre una vía más integrada para trabajar la identidad sin depender siempre de un entrenamiento externo.

Lo primero de todo es crear un nuevo proyecto en Google Flow y, después, generar el personaje (carácter). Aquí hay un detalle práctico importante: solo puedes subir dos imágenes de referencia. Y eso, lejos de ser una anécdota, condiciona bastante la forma de trabajar para los que estábamos acostumbrados a subir 20 fotografías en un entrenamiento LoRA.

Como ya tenía un book previo de mArkI en Magnific, hice una composición con sus mejores imágenes: las más nítidas, las más expresivas, en las que se visualizase mejor algún movimiento. Después, pedí a Flow que me creara una nueva imagen donde mArkI apareciera de frente, en tres cuartos, de perfil y con una vista trasera o lateral más clara. No es un entrenamiento LoRA al uso pero nos permite generar nuestra mascota virtual desde diferentes perspectivas. Esto es lo que se conoce como crear un character sheet. Este prompt puede ayudarte a conseguirlo:

Prompt: Un panel de visualización de ficha técnica de personaje (character turnaround sheet) fotorrealista y de alta resolución, presentado con una disposición estilo tríptico pero que contiene cinco vistas rectangulares distintas y alineadas del personaje. La visualización general presenta una estética de tablero de información técnico y elegante sobre un fondo de estudio limpio y moderno, con etiquetas tipográficas nítidas debajo de cada panel. [NOMBRE DEL PERSONAJE] está representado con [RASGOS FÍSICOS CLAVE, EJ: su cuerpo metálico pulido, gafas redondas de montura negra] y su [ROPA O VESTIMENTA, EJ: jersey de punto gris texturizado premium], mostrando el logotipo [DESCRIPCIÓN DEL LOGO, EJ: claro, naranja y blanco de "marketinggenerativo.es"] en su [UBICACIÓN DEL LOGO, EJ: pecho]. Todas las vistas deben mantener una estricta consistencia en los elementos y assets del personaje.

Panel 1 (Superior Izquierda, etiqueta "FRONT VIEW"): [NOMBRE DEL PERSONAJE] de pie, mirando directamente hacia el frente, con los brazos relajados a los lados y el cuerpo completo visible. El logotipo es grande y está perfectamente centrado.

Panel 2 (Superior Centro, etiqueta "BACK VIEW"): [NOMBRE DEL PERSONAJE] ha girado 180 grados. Este panel muestra la parte trasera de su [ROPA, EJ: jersey de punto gris] y de su cabeza. El logotipo no es visible.

Panel 3 (Superior Derecha, etiqueta "RIGHT PROFILE"): [NOMBRE DEL PERSONAJE] mira hacia la derecha, mostrando el perfil lateral de su cabeza y el lateral de [ELEMENTO CLAVE, EJ: la patilla de sus gafas].

Panel 4 (Inferior Izquierda, etiqueta "LEFT PROFILE"): [NOMBRE DEL PERSONAJE] mira hacia la izquierda, mostrando el perfil lateral opuesto.

Panel 5 (Inferior Centro, etiqueta "PLANO AMERICANO / MEDIUM AMERICAN SHOT"): Una vista más cercana desde la mitad del muslo hacia arriba, que muestra a [NOMBRE DEL PERSONAJE] en una postura de tres cuartos sutilmente confiada, mirando ligeramente hacia la izquierda. Sus [ELEMENTO DESTACADO, EJ: gafas redondas] son prominentes. El logotipo [DESCRIPCIÓN DEL LOGO] en su [UBICACIÓN] es grande, nítido y claramente legible. La pose resalta detalles expresivos de [DETALLE FÍSICO, EJ: sus manos metálicas].

Pequeños iconos técnicos relacionados con el modelado 3D están colocados sutilmente en el tablero, y un título principal en la parte superior reza: "[NOMBRE DEL PERSONAJE EN MAYÚSCULAS]: OFFICIAL CHARACTER TURNAROUND SPECIFICATIONS".

La segunda imagen que subí fue el logotipo de marketinggenerativo.es en limpio, bien legible y con buena calidad. Esto ayuda muchísimo a que el sistema no se invente letras raras, no deforme el texto y no convierta el branding en un jeroglífico visual. Separar personaje y logotipo, aunque parezca una obviedad, reduce bastante el riesgo de que la identidad gráfica se contamine. Sobre todo en mi caso, que busco la impresión de la marca en la sudadera del personaje, una composición cuya integridad puede peligrar con movimientos de mArkI.

Una vez subidas esas dos referencias, no te recomiendo que pidas directamente una escena compleja. Antes hice algo más estratégico: probar el carácter por si hubiera que hacer correcciones en las plantillas subidas. Y esto cambia bastante el resultado. Porque en lugar de pedirle a la IA que improvise cada vez, le estás ayudando a trabajar con una referencia más sólida y más estable. Lo que mejor me funciona es evitar el prompt kilométrico y trabajar con una lógica modular.

Es decir, separar siempre los mismos bloques:

• Personaje: quién aparece y qué rasgos debe mantener.
• Entorno: dónde está.
• Acción: qué está haciendo.
• Cámara: desde qué plano o movimiento se graba.
• Estilo visual: qué atmósfera debe conservar.
• Elementos de marca: dónde aparece el logo o la identidad visual.
• Restricciones: qué no debe cambiar.

En el caso de mArkI, un prompt útil podría ir en esta línea:

mArKI aparece en una oficina moderna de marketing digital. Está frente a una pantalla donde se ve un flujo de automatización con IA: captación, scoring, nurturing, CRM y reporting. Plano medio, cámara estable, luz natural, estética realista y profesional. 

En esta primera prueba la respuesta es correcta. Ha respetado los diseños iniciales y el logotipo se puede leer correctamente y de forma natural. El texto en la pizarra se muestra con sentido, otra de las ventajas que presenta Omni con el renderizado de textos.

Después de validar una escena relativamente controlada, quise forzar el sistema con un contexto menos previsible: movimiento, emoción y una postura corporal mucho más exigente.

mArkI aparece sentado en una montaña rusa. Está sujeto a la barra y con la boca abierta de felicidad. Plano medio, cámara estable, luz natural, estética realista y profesional. 

En este caso, experimentamos el denominado face drift pero nos sirve con una lección aprendida. En ninguna de las imágenes que subimos para la composición del personaje incluimos referencias a cómo debería comportarse con la boca abierta. Sin embargo, mantiene la estructura del logotipo que se lee exactamente como debería y aparece estampado de forma natural.

A continuación, trabajamos para experimentar con su interacción con objetos.

mArkI aparece en una oficina moderna de marketing digital. Está frente a una mesa. Sujeta un MacBook en una mano y un libro cuyo título se puede leer. "Cómo ser más humano".  El jersey es rojo. Plano medio, cámara estable, luz natural, estética realista y profesional.

En este otro caso, nos ha realizado una variación en el logotipo que, aunque no rompe por completo la identidad visual, ya supone una variación y de un plano a otro en un video podría tener un impacto no deseado. Pero nos sirve como otra lección aprendida: hemos detectado que en el character sheet, una de las imágenes mostraba el logotipo con el isotipo a la izquierda.

Y, por último, lanzamos la prueba de fuego: que es la creación de un video. Fíjate en un detalle importante: en este prompt ya no describo desde cero cómo es Marky, cuáles son sus rasgos físicos o qué elementos lo caracterizan. Lo invoco directamente dentro de Flow y el sistema entiende que debe trabajar con ese personaje como referencia visual.

Personaje:
Aparece mArkI, el avatar de marketinggenerativo.es. 

Entorno:
Está en una oficina corporativa moderna y elegante, con mesa de cristal de diseño, silla ergonómica y un monitor holográfico flotante. El espacio debe transmitir un entorno profesional vinculado al marketing digital y la estrategia con IA.

Acción:
El vídeo comienza con mArkI caminando con energía mientras lleva una tablet metálica. Después se detiene, se apoya de forma natural en una mesa de cristal y gesticula con las manos como si estuviera explicando una estrategia de inteligencia artificial. Finalmente, se sienta en una silla ergonómica, cruza las piernas y empieza a interactuar con un monitor holográfico flotante.

Cámara:
El vídeo comienza con un dramático plano en contrapicado con tracking shot mientras  mArkI camina. Después, la cámara pasa de forma fluida a un movimiento continuo de grúa en 360 grados alrededor del personaje. Por último, la cámara hace un dolly in suave hasta terminar en un medium close-up nítido, acercándose mientras el personaje se sienta e interactúa con la pantalla holográfica.

Estilo visual:
Estética corporativa cinematográfica, realista y premium. Iluminación suave con tonos azules y ámbar cálido que perfilan las superficies metálicas del personaje y la textura del jersey gris. Sensación fotorrealista, movimiento fluido, transiciones naturales y acabado de alta calidad.

Restricciones:
No cambiar el diseño del personaje entre planos. No deformar el rostro, el cuerpo, las manos ni el jersey. No alterar la geometría ni la legibilidad del logotipo. Mantener consistencia total en proporciones, materiales, colores y vestuario. Evitar flickering, drift, mutaciones o cambios bruscos en postura, iluminación o identidad visual.

¿Estoy satisfecho con el resultado? Al 75%, si tengo que ser honesto. Aunque mArkI mantiene su integridad visual, el logotipo del jersey pierde su legibilidad en algunos planos. No es que no se vea como consecuencia de pliegues de la ropa. Es que las letras, si lo miras muy al detalle, cambian de forma.

Para cerrar las pruebas, lanzamos un prompt más arriesgado. No es una escena que vaya a utilizar mañana en una campaña, pero sí me servía para probar hasta dónde aguantaba la identidad del personaje cuando el entorno, la física, la cámara y la acción se volvían mucho más exigentes.

Personaje:
Aparece mArkI, con una expresión facial seria, hiperconcentrada y la boca firmemente cerrada, manteniendo el equilibrio de forma perfecta mientras hace surf sobre el lomo suave y húmedo de una enorme ballena jorobada.

Entorno:
Un océano turbulento con olas gigantescas que rompen con fuerza y una densa capa de rocío marino. El espacio transmite una atmósfera de aventura extrema bajo un dramático atardecer de hora dorada, con una luz naranja intensa y púrpuras profundos que se reflejan en el agua violenta.

Acción:
El vídeo muestra a mArkI surfeando con total estabilidad sobre el lomo del animal. La ballena jorobada emerge a la superficie (breaches) y se desliza con potencia a través del mar embravecido, desafiando la intensidad de la tormenta y el impacto de las olas.

Cámara:
Comienza con un primer plano extremo (extreme close-up) del personaje que luego pasa de forma fluida a un plano general con un plano secuencia de seguimiento (wide tracking shot). La cámara utiliza un épico ángulo contrapicado (low-angle) en movimiento dinámico, capturando la escala monumental de la ballena y la magnitud del entorno.

Estilo visual:
Estética de aventura cinematográfica, hiperrealista y de calidad de obra maestra en resolución 8k. Físicas de agua hiperrealistas con recreación detallada de espuma, oleaje y neblina marina. Iluminación fotorrealista y volumétrica que interactúa con el agua, desenfoque de movimiento (motion blur) cinematográfico y transiciones fluidas.

Existe un elevado grado de consistencia visual: al menos en los rasgos físicos de mArkI y en el jersey pero, sin embargo, ha insertado pestañas y ojos azules. Ninguno de estos elementos estaban definidos en la arquitectura inicial del personaje. El logotipo, aparentemente, se capta con detalle pero es cierto que el movimiento de cámara lo diluye ante la mirada del espectador.

Qué nos llevamos de este experimento sobre consistencia visual con IA

Después de probar Flow con mArKi, mi respuesta a la pregunta inicial sería esta: sí, Google ha avanzado mucho en la barrera de la consistencia visual, pero todavía no la ha resuelto por completo.

La mejora es evidente. Poder trabajar con referencias, construir un personaje, reutilizarlo en escenas distintas y mantener una parte importante de su identidad visual supone un salto real frente a la generación de clips aislados. Para quienes venimos de trabajar con LoRAs en herramientas como Magnific, Flow abre una vía más integrada, más cómoda y potencialmente más útil para producir contenido audiovisual de marca sin depender siempre de entrenamientos externos.

Pero los matices son importantes.

El personaje puede mantenerse bastante bien, sí. El jersey puede conservar su textura. La silueta puede seguir siendo reconocible. Incluso el logotipo puede aguantar mejor de lo que ocurría en modelos anteriores. Sin embargo, cuando complicas la escena —más movimiento, más emoción, más cámara, más objetos o más física— siguen apareciendo pequeñas grietas: letras que se deforman, rasgos que cambian, ojos que no estaban en el diseño original o expresiones que el modelo inventa porque no tenía referencias suficientes.

Y esta es, para mí, la gran lección del experimento: la consistencia visual con IA ya no depende solo del modelo. Depende también del sistema de trabajo que construyas alrededor.

Si subes malas referencias, obtendrás inconsistencias. Si no defines qué rasgos son intocables, la IA improvisará. Si no separas personaje y logotipo, el branding puede contaminarse. Y si empiezas directamente por la escena más espectacular, es probable que sacrifiques coherencia por impacto.

Por eso, la respuesta no es “Omni lo ha solucionado todo”, pero tampoco “seguimos igual que antes”. Estamos en un punto intermedio muy interesante. Hemos avanzado muchísimo, sobre todo en control, legibilidad y reutilización de personajes. Pero todavía queda recorrido para que una marca pueda producir vídeo con IA con la misma seguridad con la que hoy trabaja una sesión de fotos, una plantilla gráfica o una línea visual cerrada.

La conclusión práctica sería esta: si quieres crear una marca visual con IA, no pienses solo en prompts. Piensa en referencias, character sheets, logotipos separados, pruebas de estrés, restricciones claras y revisión humana.