Google hat das KI-Modell Gemini Omni 1.2 Flash veröffentlicht. Die neue Version ist ab sofort allgemein über die Gemini API sowie für Geschäftskunden über das Angebot Gemini for business zugänglich, wie aus Unternehmensberichten hervorgeht. Das Modell bringt erweiterte Videofunktionen, eine verbesserte visuelle Konsistenz und deutlich gesenkte Betriebskosten mit sich.
Längere Clips und gezielte Bildbearbeitung
Mit Gemini Omni 1.2 Flash ermöglicht Google erstmals eine native Videogenerierung von bis zu 15 Sekunden Länge, während beim Vorgängermodell Omni 1.1 maximal 10 Sekunden möglich waren.
Nutzer können die gewünschte Dauer in Schritten von einer Sekunde zwischen 3 und 15 Sekunden frei festlegen; der Standardwert liegt bei 10 Sekunden. Über eine Erweiterungsfunktion lassen sich Clips schrittweise um 3 bis 10 Sekunden auf eine Gesamtlänge von bis zu 30 Sekunden ausdehnen.
Ebenfalls neu ist die dialogbasierte Bearbeitung über mehrere Runden: Hintergründe, Beleuchtung, Wetterbedingungen, Produkte oder Seitenverhältnisse können angepasst werden, ohne dass das gesamte Video neu erzeugt werden muss.
Um Details verlässlich beizubehalten, verarbeitet das System bis zu sechs Referenzbilder pro Anfrage – darunter bis zu drei Abbildungen für jeweils bis zu zwei Charaktere. Dadurch bleiben Gesichter, Kleidung, Markenfarben und Typografien über verschiedene Kamerawinkel hinweg stabil. Zudem werden kurze Bewegungsclips von bis zu drei Sekunden sowie Audiohinweise als Referenzen unterstützt.
Wer sich mit dem Einsatz moderner KI-Systeme befasst, muss auch die rechtlichen Rahmenbedingungen im Blick behalten. Dieser kostenlose Umsetzungsleitfaden bietet einen kompakten Überblick über alle Anforderungen, Pflichten und Fristen der neuen EU-KI-Verordnung. EU AI Act in 5 Schritten verstehen
In internen Evaluierungen von Google DeepMind erreichte das Modell laut den Berichten eine visuelle Konsistenz von 62 Prozent bei der reinen Text-zu-Video-Generierung, verglichen mit 38 Prozent bei Version 1.1. Bei referenzbasierten Videos stieg der Wert für die Identitätskonsistenz von 37 auf 63 Prozent.
Gleichzeitig verzeichnet das System Verbesserungen bei der Lippensynchronisation, eine natürlichere Stimmwiedergabe bei mehreren Sprechern und flüssigere Kamerabewegungen mit weniger Bildsprüngen.
Geringere Kosten und erweiterte Integration
Neben technischen Verbesserungen senkte Google die Kosten im Vergleich zum Vorgänger um 30 Prozent. Für Entwickler in der kostenpflichtigen Gemini API liegt der Preis nun bei 12 US-Dollar pro einer Million Video-Output-Tokens, nachdem zuvor 17,50 US-Dollar fällig wurden.
Ein 720p-Video schlägt mit 5.792 Tokens pro Sekunde beziehungsweise 0,07 US-Dollar pro Sekunde zu Buche. Damit belaufen sich die Kosten für einen zehnsekündigen Clip auf rund 0,70 US-Dollar und für 15 Sekunden auf etwa 1,04 US-Dollar.
Die gewerbliche Nutzung von KI-Anwendungen wie der automatisierten Videogenerierung erfordert eine genaue Kenntnis der geltenden Risikoklassen. Erfahren Sie in diesem kostenlosen Report, welche konkreten Dokumentationspflichten Unternehmen jetzt erfüllen müssen. Kostenlosen Umsetzungsleitfaden zum EU AI Act herunterladen
Für Text-, Bild- und Videoeingaben fallen 1,50 US-Dollar pro einer Million Tokens an, für Textausgaben inklusive Denk-Tokens 9 US-Dollar. Einen kostenlosen Tarif bietet Google für diesen Dienst nicht an, dafür wurden die Ratenlimits der bezahlten Schnittstelle verdoppelt.
Das Modell steht Entwicklern und Unternehmenskunden über Google AI Studio, die Google Cloud Console sowie Plattformen wie Flow, Google Ads und Google Vids zur Verfügung. Abonnenten von Google AI Ultra können über die Gemini App darauf zugreifen.
Google kündigte an, dass Omni 1.1 Flash während einer vierwöchigen Übergangszeit aktiv bleibt. Ab dem 03.12.2026 werden Anfragen dann automatisch und ohne Anpassungen im Code zu den günstigeren Konditionen auf Omni 1.2 umgeleitet.
Erste Softwarepartner nutzen das Modell bereits für eigene Anwendungen. Matt Rouif, Geschäftsführer von Photoroom, erklärte, dass längere Generierungszeiten ein zentraler Nutzerwunsch gewesen seien und die offizielle Verfügbarkeit mit Service-Level-Agreements nun den produktiven Einsatz für Werkzeuge zur Anzeigenerstellung und Produktanimation ermögliche.
Mehr zum Thema bei The Verge: „Google’s Gemini Omni 1.2 Flash can generate clips up to 15 seconds long.“