KI-Modelle und Plattformen
Googles Gemini Omni 1.2 Flash ist allgemein verfügbar
Unite.AI zu deinen bevorzugten Quellen auf Google hinzufügen
Google kündigte Gemini Omni 1.2 Flash am 5. November 2026 an und machte das Modell zur Videogenerierung und -bearbeitung allgemein verfügbar. Das Update verlängert die native Clipdauer auf 15 Sekunden, ermöglicht mehrstufige dialogbasierte Bearbeitungen und senkt den Preis für 720p um 30 % auf etwa 0,07 US-Dollar pro Sekunde.
Das Modell erstellt aus Text-, Bild- und Videoeingaben synchronisierte Videos mit nativem Ton. Die längere Laufzeit soll es ermöglichen, vollständige Geschichten, Produkterklärvideos und komplette Werbespots für soziale Medien mit einer einzigen Generierung zu erstellen.
Längere Clips und dialogbasierte Bearbeitung
Die Entwicklerdokumentation unterstützt ganzzahlige Dauern von 3 bis 15 Sekunden, verglichen mit einer Höchstdauer von 10 Sekunden bei Omni 1.1. Standardmäßig sind 10 Sekunden eingestellt. Die Standardausgabe erfolgt mit 720p im Querformat mit einem Seitenverhältnis von 16:9; auch das Hochformat mit 9:16 wird unterstützt. Teams können Entwürfe mit 360p oder 720p erstellen und ausgewählte Ergebnisse auf 1080p oder 4K hochskalieren.
Bei der dialogbasierten Bearbeitung lassen sich Produkte oder Hintergründe austauschen, Beleuchtung oder Wetter verändern und Seitenverhältnisse wechseln, während nicht erwähnte Elemente unverändert bleiben. Eine Kennung der vorherigen Interaktion bewahrt den Kontext zwischen API-Anfragen, sodass das vorherige Video nicht erneut hochgeladen werden muss. Für jede Anfrage können außerdem bis zu sechs Referenzbilder verwendet werden, darunter bis zu drei Bilder pro Figur für bis zu zwei Figuren.
Die Verlängerung von Videos ist von der nativen Generierung getrennt: Sie fügt pro Durchgang 3 bis 10 Sekunden hinzu und verwendet dabei die letzten 10 Sekunden als Kontext. Die Gesamtlänge ist auf 30 Sekunden begrenzt. Material kann weder am Anfang eingefügt noch mitten in einen Clip eingefügt werden. Auch die Interpolation zwischen dem ersten und dem letzten Bild bleibt auf Ausgaben von 3 bis 10 Sekunden beschränkt.
Preise und Umstellung
Bei der kostenpflichtigen Gemini API beträgt der Preis 12 US-Dollar pro Million Videoausgabetokens; abgerechnet wird auf Grundlage von 5.792 Tokens pro Sekunde Video mit 720p. Die angegebenen Kosten belaufen sich auf etwa 0,70 US-Dollar für einen 10-Sekunden-Clip und 1,04 US-Dollar für einen 15-Sekunden-Clip. Texteingaben sowie Bild- und Videoeingaben kosten 1,50 US-Dollar pro Million Tokens. Das Modell ist im kostenlosen Tarif nicht verfügbar.
Gemini Omni 1.1 Flash bleibt während einer vierwöchigen Übergangsphase verfügbar. Am 3. Dezember 2026 werden API-Anfragen an Version 1.1 automatisch an Version 1.2 weitergeleitet, ohne dass Codeänderungen erforderlich sind, und zu den niedrigeren Preisen von Version 1.2 abgerechnet. Bestehende Integrationen haben damit einen festgelegten Umstellungstermin, ohne dass sie sofort neu geschrieben werden müssen.
Qualitätsangaben und Einschränkungen im Produktionsbetrieb
Google zufolge bewahrt das Update Gesichter, Kleidung, Typografie auf Verpackungen und Markenfarben über verschiedene Kamerawinkel und Übergänge hinweg besser und reduziert visuelle Abweichungen und Verformungen. Außerdem sorgt es für klarere Lippensynchronität, natürlichere Dialoge, eine getrennte Konditionierung mehrerer Sprecher und durchgehende Kamerabewegungen mit weniger unerwünschten abrupten Schnitten.
Bei den direkten Vergleichstests von Google DeepMind erzielt Omni 1.2 in Text-zu-Video-Tests eine Erfolgsquote bei der visuellen Konsistenz von 62 % gegenüber 38 % bei Omni 1.1. Im Vergleichstest zur Umwandlung von Referenzen in Videos erreicht Version 1.2 bei der Identitätskonsistenz mit mehreren Referenzen eine Erfolgsquote von 63 % gegenüber 37 %.
Es gibt außerdem ausdrücklich benannte technische Einschränkungen. Die Entwicklung wird in den Bereichen schnelle Sportbewegungen, rasche Drehbuchänderungen und komplexe Physik fortgesetzt. Die Gemini API unterstützt Englisch vollständig, andere Sprachen wurden jedoch nicht evaluiert. Sprachbearbeitung, hochgeladene Audioeingaben und Audioreferenzen werden von der aktuellen API nicht unterstützt. Die Generierungsdauer variiert je nach Länge, Auflösung und API-Auslastung; für Prompts und generierte Videos gelten Sicherheitsfilter.
Verfügbarkeit und Einsatz im Produktionsbetrieb
Entwickler können Prototypen in Google AI Studio erstellen und die kostenpflichtige Gemini API nutzen. Die breitere Einführung umfasst Flow für die Szenensteuerung und mehrstufige Bearbeitungen, längere Clips in Google Vids ohne zusätzliche Kosten mit einem Google-Konto oder Workspace-Abo, die Einführung in der Gemini-App für Google AI Ultra-Abonnenten sowie die Erstellung von Kampagnen in Google Ads. Jedes über die API generierte Video enthält ein unsichtbares SynthID-Wasserzeichen, das sich zur Überprüfung der Herkunft programmatisch erkennen lässt.
Die Ankündigung der allgemeinen Verfügbarkeit durch Google Cloud umfasst den Zugriff über Konsole und API, Unternehmensinfrastruktur und -sicherheit sowie Provisioned Throughput. Audioreferenzen sind nur nach Aufnahme in eine Allowlist verfügbar. Photoroom-CEO Matt Rouif sagte, die längere Generierungsdauer sei ein häufig geäußerter Kundenwunsch gewesen und die allgemeine Verfügbarkeit mit Service-Level-Agreements werde es dem Unternehmen ermöglichen, Gemini Omni Flash im Produktionsbetrieb für Händler und Unternehmenskunden einzusetzen. Das Modell kommt in Photorooms Video Ad Maker und Product Animator zum Einsatz.
Die Veröffentlichung verknüpft niedrigere Preise mit einem veränderten Produktionsablauf: Gezielte Überarbeitungen können vollständige Neugenerierungen ersetzen, und das Rendern in höherer Auflösung kann ausgewählten Ausgaben vorbehalten bleiben. Der Nutzen im Produktionsbetrieb hängt daher von den gemeldeten Konsistenzverbesserungen ab: Wenn Figuren, Produkte und Szenen bei Überarbeitungen erhalten bleiben, wird die iterative Bearbeitung zu einer praktikablen Alternative zum Neuanfang.
