KI-Videomodelle

Gemini Omni 1.2 Flash: KI-Videos mit 15 Sekunden, 30 Prozent günstiger

Googles Gemini Omni 1.2 Flash erzeugt native Videos bis 15 Sekunden, bearbeitet sie im Dialog und kostet bei 720p rund 0,07 US-Dollar pro Sekunde.

Cecil · FoxAI World3 Min. Lesezeit
18
Cecil hält eine Filmklappe neben einer Kamera, einem Filmstreifen mit Hund, einer Stoppuhr und Münzen; darüber stehen Google- und Gemini-Symbole.15 Sekunden Video

Mit KI erstelltes illustratives Titelbild.

Zehn Sekunden reichen für eine Produktaufnahme, aber oft nicht für die Aufnahme plus Reaktion oder eine zweite Kamerabewegung. Genau diese Lücke will Googles neues Videomodell schließen. Am 5. November 2026 hat Google Gemini Omni 1.2 Flash veröffentlicht: Es erzeugt und bearbeitet native Videos mit bis zu 15 Sekunden Länge und kostet 30 Prozent weniger als der Vorgänger.

Was hat sich gegenüber Omni 1.1 geändert?

Omni 1.1 Flash war auf 10 Sekunden begrenzt. Version 1.2 schafft bis zu 15 Sekunden, die Länge lässt sich in Ein-Sekunden-Schritten zwischen 3 und 15 Sekunden festlegen. Google bezeichnet das Modell als erste allgemein verfügbare Version von Gemini Omni. Laut Google hält es sich zudem genauer an Referenzen und bewahrt Figuren, Objekte und Szenen vom ersten bis zum letzten Bild stabiler, mit weniger Verzerrung. Auch die Kamera soll ruhiger arbeiten: weniger ungewollte Schnitte, stabilere Größenverhältnisse und längere durchgehende Bewegungen wie ein ununterbrochener Flug durch die Szene. Bei Dialogen verspricht Google eine sauberere Lippensynchronisation und Mehrsprecher-Steuerung, also die richtige Zuordnung mehrerer Stimmen zu den Figuren einer Szene.

Cecil zeigt auf illustrierte Diagramme und Symbole neben einer Kamera, einem Filmstreifen und einem Laptop; hinter ihm ist das Google-Logo.
KI-generierte symbolische Darstellung.

Was kostet ein Clip jetzt?

In der Gemini Developer API kostet Omni 1.2 Flash (Modell-ID gemini-omni-1.2-flash) bei 720p rund 0,07 US-Dollar pro Sekunde, ein voller 15-Sekunden-Clip also etwa 1,04 US-Dollar. Für Omni 1.1 Flash waren es etwa 0,10 US-Dollar pro Sekunde. Die Preisseite nennt außerdem rund 0,023 US-Dollar pro Sekunde bei 360p sowie mit Hochskalierung etwa 0,104 (1080p) beziehungsweise 0,209 US-Dollar (4K). Eine kostenlose API-Stufe gibt es für das Modell nicht. Google empfiehlt, in 360p oder 720p zu entwerfen, mit Folgeänderungen zu verfeinern und erst dann hochzuskalieren.

Wie funktioniert die Bearbeitung im Dialog?

Statt einen neuen Prompt zu schreiben und alles neu zu erzeugen, sprichst du mit dem Modell weiter über denselben Clip. Google beschreibt mehrstufige Bearbeitung über die vollen 15 Sekunden: Produkt oder Hintergrund austauschen, Licht oder Wetter ändern oder das Seitenverhältnis wechseln. Als Referenz akzeptiert das Modell Bilder von Figuren, Produkten oder Stilen, kurze Bewegungsclips bis drei Sekunden und Audiohinweise. Gesichter, Kleidung, Schrift auf Verpackungen und Markenfarben sollen laut Google über Kamerawinkel hinweg gleich bleiben.

Wo kannst du es nutzen?

Das Modell ist in der kostenpflichtigen Stufe der Gemini API verfügbar, zum Ausprobieren in Google AI Studio und für Unternehmen über Google Cloud und Gemini for business. In Flow lassen sich Szenen inszenieren und über mehrere Runden bearbeiten. Google Vids erzeugt 15-Sekunden-Clips ohne Zusatzkosten mit einem Google-Konto oder Workspace-Abo. In der Gemini-App werden 15-Sekunden-Videos für Abonnenten von Google AI Ultra eingeführt, und Google Ads nutzt das Modell für Videokampagnen.

Was passiert mit Omni 1.1 Flash?

Ab dem 3. Dezember 2026 werden Anfragen an gemini-omni-1.1-flash automatisch an das Modell 1.2 weitergeleitet und zu dessen Preisen abgerechnet. Wer auf der API aufbaut, sollte bestehende Prompts und Clip-Längen vor diesem Datum noch einmal prüfen.

Grenzen und Schutzmechanismen

Google nennt selbst schnelle Sportszenen, rasche Wechsel im Skript und komplexe Physik als Bereiche, an denen noch gearbeitet wird. Jedes Ergebnis trägt ein unsichtbares SynthID-Wasserzeichen, das das Video als KI-generiert kennzeichnet.

Unsere Einschätzung

Belegt sind die längeren Clips, der niedrigere Sekundenpreis und die automatische Umstellung im Dezember. Die Qualitätsaussagen zu Konsistenz, Lippensynchronisation und Kamerabewegung stammen aus Googles eigenen Beispielen, nicht aus unabhängigen Tests. Schauen wir, wie die Szene zusammenhält: Am besten erzeugst du dieselbe Einstellung mit derselben Referenz mehrmals und prüfst getrennt, ob die Figur stabil bleibt und ob die Kamera deiner Anweisung folgt. Für Teams, die viele kurze Varianten produzieren, dürfte die Kombination aus günstigen Entwürfen und Bearbeitung ohne Neuerzeugung der praktischere Gewinn sein als die fünf zusätzlichen Sekunden.

Quellen und Recherche

Der Text wurde von FoxAI World erstellt. Cover und Illustrationen sind KI-generierte symbolische Darstellungen.

Deine Favoriten

Diese Liste bleibt in deinem Browser auf diesem Gerät. Du brauchst kein Konto; andere Besucher sehen sie nicht.

Mit dem Lesezeichen an einem Beitrag fügst du deinen ersten Favoriten hinzu.