Google Deepmind macht sein Videogenerierungsmodell Gemini Omni 1.2 Flash allgemein verfügbar. Es erzeugt nun bis zu 15-sekündige Clips, lässt sich im Gespräch bearbeiten und kostet 30 Prozent weniger als der Vorgänger.
Gemini Omni 1.2 Flash wird laut Google über die Gemini-API, das Google‑AI-Studio, die Google-Cloud-Console, Flow, Google Vids, die Gemini-App für AI-Ultra-Abonnenten und Google Ads ausgerollt. Alle generierten Videos tragen ein unsichtbares SynthID-Wasserzeichen zur Herkunftskennzeichnung.
Videos können jetzt ab drei bis zu 15 Sekunden lang sein statt bisher maximal zehn und die Preise sinken um 30 Prozent auf 0,07 US-Dollar pro Sekunde bei 720p‑Auflösung. Zudem lassen sich generierte Clips im laufenden Gespräch nachbearbeiten.
Ein zentrales Feature von Gemini Omni 1.2 Flash ist das von Google so getaufte "Conversational Editing": Nutzer können einen generierten Clip Schritt für Schritt anpassen – etwa den Hintergrund austauschen, die Beleuchtung ändern oder das Seitenverhältnis wechseln –, ohne den gesamten Clip neu erstellen zu müssen. Das funktioniert laut Google über die gesamte Länge von 15 Sekunden.
Zusammen mit einem gestuften Workflow soll das die Kosten senken: Entwürfe entstehen zunächst bei 360p oder 720p, einzelne Details werden per Follow-up-Edit korrigiert, und erst das finale Ergebnis wird auf 1080p oder 4 K hochskaliert.
Konsistentere Ergebnisse bei Referenzbildern
Google verspricht eine deutlich bessere Referenztreue. Das Modell kann laut der Ankündigung Charakterbilder, Produktfotos, kurze Bewegungsclips von bis zu drei Sekunden und Audio-Hinweise als Eingabe kombinieren. Gesichter, Kleidung, Verpackungsschriften und Markenfarben sollen über verschiedene Kamerawinkel hinweg konsistent.
Als Beispiel nennt Google einen virtuellen Anprobeclip: Aus einem einzelnen Model-Foto und Produktaufnahmen von drei Outfits generiere das Modell eine 15-sekündige Sequenz mit 360-Grad-Drehungen, bei der sowohl die Identität des Models als auch Schnitt und Faltenwurf der Kleidungsstücke erhalten bleiben.
Auch die allgemeine visuelle Konsistenz soll sich verbessert haben. Laut Google gibt es weniger visuelles Abdriften oder Morphing über Bewegungen und Kameraübergänge hinweg, das beim Vorgängermodell noch ausgeprägt war.
Gemini Omni 1.2 Flash soll Dialoge flüssiger und natürlicher klingen lassen, mit klarerer Lippensynchronisation und der Fähigkeit, mehrere Sprecher voneinander zu unterscheiden. Außerdem ermöglicht das Modell laut Google komplexe, durchgehende Kamerabewegungen wie Drohnenflüge im First-Person-Modus oder dramatische Zoom-Outs mit deutlich weniger ungewollten Sprungschnitten. Auch Hintergründe sollen leicht austauschbar sein.
KI-News ohne Hype – von Menschen kuratiert
Mit dem THE‑DECODER‑Abo liest du werbefrei und wirst Teil unserer Community: Diskutiere im Kommentarsystem, erhalte unseren wöchentlichen KI‑Newsletter, 6× im Jahr den "KI Radar"‑Frontier‑Newsletter mit den neuesten Entwicklungen aus der Spitze der KI‑Forschung, bis zu 25 % Rabatt auf KI Pro‑Events und Zugriff auf das komplette Archiv der letzten zehn Jahre.
