Gemini Omni 1.2 Flash: Schnelles und kostengünstigeres Generieren von (längeren) Video-Clips

KI-generiertes Bild.

Google verbessert die Erstellung von Videos mithilfe künstlicher Intelligenz. Mit Gemini Omni 1.2 Flash hat das Unternehmen am 5. November 2026 ein neues KI-Videomodell vorgestellt, das längere Videoclips, natürlichere Bewegungen und eine einfachere Bearbeitung ermöglichen soll.

Besonders interessant ist dabei die Kombination aus höherer Geschwindigkeit und niedrigeren Kosten. Gegenüber dem Vorgänger Gemini Omni 1.1 Flash sinkt der Preis für die Videogenerierung um rund 30 Prozent.

Auch bei der Videolänge gibt es Fortschritte: Statt bisher maximal zehn Sekunden können nun Clips mit einer Länge von bis zu 15 Sekunden erstellt werden.

Wir zeigen euch, welche Neuerungen das Modell mitbringt, was die Videogenerierung kostet und wie ihr sie ausprobieren könnt.

Was ist Gemini Omni 1.2 Flash?

Gemini Omni 1.2 Flash ist Googles neues KI-Modell zur Erstellung und Bearbeitung von Videos.

Nutzer können der künstlichen Intelligenz beschreiben, was in einem Video zu sehen sein soll. Anschließend erzeugt das Modell daraus einen passenden Videoclip.

Dabei kann die KI nicht nur Bilder und Bewegungen erstellen, sondern auch gesprochene Dialoge und passende Geräusche berücksichtigen.

Google hat das Modell vor allem für Aufgaben entwickelt, bei denen viele Videos schnell und möglichst kostengünstig produziert werden sollen.

Dazu gehören beispielsweise Werbeclips, Produktvorstellungen, kurze Erklärvideos und Inhalte für soziale Netzwerke.

Videos können jetzt bis zu 15 Sekunden lang sein

Eine der wichtigsten Neuerungen betrifft die maximale Videolänge.

Während Gemini Omni 1.1 Flash nur Videos mit einer Länge von bis zu zehn Sekunden erzeugen konnte, unterstützt die neue Version bis zu 15 Sekunden.

Die gewünschte Länge lässt sich dabei in Schritten von einer Sekunde festlegen.

Möglich sind somit Videoclips zwischen drei und 15 Sekunden.

Das klingt zunächst nach einer kleinen Verbesserung. Bei kurzen Werbevideos oder Social-Media-Inhalten können zusätzliche fünf Sekunden allerdings einen deutlichen Unterschied machen.

Dadurch bleibt beispielsweise mehr Zeit, um ein Produkt vorzustellen oder eine kurze Geschichte vollständig zu erzählen.

Für längere Projekte können mehrere Clips erstellt und anschließend miteinander kombiniert werden.

Google senkt die Kosten um 30 Prozent

Neben der längeren Videodauer hat Google auch die Preise reduziert.

Die Videogenerierung mit Gemini Omni 1.2 Flash kostet über die API bei einer Auflösung von 720p nun 0,07 US-Dollar pro Sekunde.

Das entspricht einer Preissenkung von etwa 30 Prozent gegenüber dem Vorgänger.

Einige Beispiele:

VideolängeKosten bei 720p
3 Sekunden0,21 US-Dollar
5 Sekunden0,35 US-Dollar
10 Sekunden0,70 US-Dollar
15 Sekunden1,05 US-Dollar

Die angegebenen Preise gelten für die direkte Nutzung über Googles Programmierschnittstelle und beziehen sich auf die reine Videogenerierung mit 720p.

Die tatsächlichen Kosten können je nach verwendeter Plattform, zusätzlichen Funktionen und gewählter Auflösung abweichen.

Für private Nutzer sind diese API-Preise allerdings nicht unbedingt entscheidend, da Google das Modell auch in andere Anwendungen integriert.

Videos direkt im Chat bearbeiten

Eine weitere wichtige Verbesserung betrifft die nachträgliche Bearbeitung.

Bisher musste bei vielen KI-Videogeneratoren häufig ein komplett neues Video erstellt werden, wenn einzelne Details nicht passten.

Gemini Omni 1.2 Flash soll diesen Vorgang deutlich vereinfachen.

Ihr könnt ein bereits erzeugtes Video durch weitere Anweisungen verändern.

Beispielsweise:

  • „Ändere den Hintergrund in einen Wald.“

  • „Lass die Szene bei Sonnenuntergang spielen.“

  • „Verwende ein vertikales Bildformat.“

  • „Ersetze das gezeigte Produkt durch ein anderes.“

  • „Ändere die Kameraperspektive.“

Das Modell versucht anschließend, die gewünschten Änderungen umzusetzen, ohne dass die gesamte Szene von Grund auf neu beschrieben werden muss.

Google bezeichnet diese Möglichkeit als Multi-Turn Conversational Editing.

Gerade bei der Erstellung mehrerer Varianten eines Videos könnte das viel Zeit sparen.

Personen und Gegenstände bleiben einheitlicher

Ein bekanntes Problem bei KI-generierten Videos ist die mangelnde Konsistenz.

Manchmal verändern sich beispielsweise Gesichter, Kleidungsstücke oder Gegenstände während einer Bewegung.

Auch Farben und Proportionen stimmen nicht immer überein.

Mit Gemini Omni 1.2 Flash möchte Google solche Probleme reduzieren.

Das Modell soll Referenzbilder deutlich genauer berücksichtigen und wichtige Details über den gesamten Videoclip hinweg beibehalten.

Dazu gehören beispielsweise:

  • Gesichter und das Aussehen von Personen

  • Kleidung und deren Farben

  • Produkte und Verpackungen

  • Hintergrundelemente

  • Markenfarben und Beschriftungen

  • Gegenstände innerhalb einer Szene

Besonders interessant ist das für Unternehmen, die Produkte mithilfe künstlicher Intelligenz präsentieren möchten.

Denn bei einem Werbevideo sollte ein Produkt möglichst während der gesamten Aufnahme gleich aussehen.

Natürlichere Stimmen und bessere Lippenbewegungen

Google hat außerdem die Sprachgenerierung überarbeitet.

Gemini Omni 1.2 Flash soll Gespräche zwischen mehreren Personen natürlicher darstellen können.

Dabei wurden insbesondere die Sprachqualität und die Synchronisation von Lippenbewegungen verbessert.

Wenn eine Person im Video spricht, sollen die Bewegungen des Mundes besser zum gesprochenen Text passen.

Auch verschiedene Stimmen innerhalb einer Szene können deutlicher voneinander unterschieden werden.

Das könnte beispielsweise bei kurzen Dialogen, animierten Erklärvideos oder virtuellen Präsentationen hilfreich sein.

Trotzdem ist nicht garantiert, dass sämtliche gesprochenen Texte und Lippenbewegungen immer fehlerfrei erzeugt werden.

Flüssigere Kamerabewegungen

Auch bei der Darstellung von Kamerafahrten verspricht Google Verbesserungen.

Das Modell soll komplexere Bewegungen erzeugen können, ohne dass dabei störende Bildsprünge entstehen.

Dazu gehören beispielsweise:

  • Kamerafahrten durch Gebäude

  • Rundflüge um Gegenstände

  • Langsame Kameraschwenks

  • Dramatische Zoombewegungen

  • Perspektivwechsel innerhalb einer Szene

Besonders bei längeren Videoclips ist das wichtig.

Denn je länger eine KI eine zusammenhängende Bewegung darstellen muss, desto schwieriger wird es, Gegenstände und Perspektiven einheitlich zu halten.

Google zeigt in seiner offiziellen Ankündigung verschiedene Beispiele für solche Kamerafahrten.

Auch vorhandene Bilder lassen sich animieren

Gemini Omni 1.2 Flash kann nicht nur aus Textbeschreibungen neue Videos erzeugen.

Es lassen sich auch vorhandene Bilder als Vorlage verwenden.

Ein Beispiel:

Ihr habt ein Foto von einem Produkt aufgenommen und möchtet daraus eine kurze Videopräsentation erstellen.

Statt selbst eine Kameraaufnahme anzufertigen, könnt ihr das Bild als Referenz verwenden und beschreiben, wie sich die Kamera bewegen soll.

Die KI versucht anschließend, einen entsprechenden Videoclip zu erzeugen.

Auch mehrere Referenzen können kombiniert werden.

Zusätzlich unterstützt das Modell kurze Bewegungsvorlagen von bis zu drei Sekunden und – abhängig vom jeweiligen Zugang – Audio-Referenzen.

Damit sollen sich bestimmte Bewegungen und visuelle Eigenschaften genauer steuern lassen.

Verschiedene Videoauflösungen werden unterstützt

Google setzt bei Gemini Omni 1.2 Flash auf einen mehrstufigen Arbeitsablauf.

Nutzer können zunächst einen Entwurf in einer niedrigeren Auflösung erstellen.

Unterstützt werden dafür unter anderem 360p und 720p.

Wenn das Ergebnis gefällt, kann der fertige Clip anschließend auf 1080p oder sogar 4K hochskaliert werden.

Der Vorteil liegt vor allem bei den Kosten.

Denn nicht jeder Videoentwurf muss sofort in höchster Auflösung erzeugt werden.

Gerade wenn mehrere Versuche notwendig sind, kann dieser Ansatz sinnvoll sein.

Wichtig: Eine auf 4K hochskalierte Aufnahme ist nicht automatisch mit einem ursprünglich in nativer 4K-Auflösung erzeugten Video gleichzusetzen.

Google Vids bietet drei kostenlose KI-Videos pro Monat

Besonders interessant für Privatnutzer ist die Integration in Google Vids.

Google hat angekündigt, dass Nutzer mit einem persönlichen Google-Konto monatlich bis zu drei Videos mit jeweils maximal 15 Sekunden Länge kostenlos erstellen können.

Dafür ist grundsätzlich kein kostenpflichtiges Google-AI-Abonnement notwendig.

So könnt ihr die Funktion ausprobieren

  1. Öffnet auf eurem Computer die Webseite https://vids.new/.

  2. Meldet euch mit eurem Google-Konto an.

  3. Öffnet die KI-Funktion zur Videogenerierung.

  4. Beschreibt möglichst genau die gewünschte Szene.

  5. Wählt die gewünschte Videolänge zwischen drei und 15 Sekunden aus.

  6. Startet die Generierung.

  7. Überprüft das Ergebnis und bearbeitet es bei Bedarf weiter.

Die genaue Oberfläche kann sich abhängig von eurem Konto und der aktuellen Bereitstellung unterscheiden.

Die drei kostenlosen Videos beziehen sich auf die Nutzung innerhalb von Google Vids. Sie gelten nicht automatisch für die kostenpflichtige Gemini API.

Kommt Omni 1.2 Flash auch in die Gemini-App?

Ja, Google integriert das neue Videomodell auch in seine Gemini-App.

Allerdings erfolgt die Bereitstellung dort zunächst für Nutzer mit einem Google AI Ultra-Abonnement.

Die Einführung findet schrittweise statt.

Das bedeutet, dass die neue Funktion möglicherweise noch nicht bei allen berechtigten Nutzern angezeigt wird.

Darüber hinaus steht Gemini Omni 1.2 Flash über weitere Google-Dienste zur Verfügung.

Dazu gehören:

  • Google AI Studio

  • Gemini API

  • Google Cloud

  • Google Flow

  • Google Vids

  • Google Ads

  • Gemini for Business

Welche Funktionen verfügbar sind und welche Kosten entstehen, hängt von der jeweiligen Anwendung ab.

KI-Videos erhalten ein digitales Wasserzeichen

Google versieht die erzeugten Videos außerdem mit einem unsichtbaren digitalen Wasserzeichen namens SynthID.

Damit sollen KI-generierte Inhalte leichter als solche identifiziert werden können.

Das Wasserzeichen wird direkt in die erzeugten Inhalte eingebettet.

Anders als bei einem sichtbaren Logo oder Schriftzug fällt es beim normalen Anschauen nicht auf.

Solche Kennzeichnungen können dabei helfen, die Herkunft künstlich erzeugter Medien nachzuvollziehen.

Allerdings bietet auch ein digitales Wasserzeichen keinen vollständigen Schutz vor Missbrauch oder Manipulation.

Welche Einschränkungen gibt es noch?

Obwohl Google zahlreiche Verbesserungen verspricht, ist auch Gemini Omni 1.2 Flash nicht fehlerfrei.

Das Unternehmen weist selbst darauf hin, dass bestimmte Szenen weiterhin schwierig umzusetzen sind.

Dazu gehören beispielsweise:

  • Sehr schnelle Sportbewegungen

  • Komplexe physikalische Vorgänge

  • Rasche Wechsel zwischen unterschiedlichen Bewegungsabläufen

Auch bei der Darstellung von Personen, Gegenständen und gesprochenen Texten können weiterhin Fehler auftreten.

KI-generierte Videos sollten deshalb vor der Veröffentlichung sorgfältig überprüft werden.

Gerade bei Produktvorstellungen oder erklärenden Inhalten ist es wichtig, dass gezeigte Details nicht irreführend sind.

Fazit: KI-Videos werden günstiger und einfacher

Mit Gemini Omni 1.2 Flash macht Google die KI-gestützte Videoproduktion ein Stück zugänglicher.

Die längere Videodauer von bis zu 15 Sekunden eröffnet zusätzliche Möglichkeiten für kurze Erklärvideos, Werbeclips und Inhalte für soziale Netzwerke.

Auch die verbesserte Konsistenz von Personen und Gegenständen sowie die einfachere Bearbeitung durch Chat-Anweisungen sind interessante Fortschritte.

Besonders erfreulich ist die Preissenkung um rund 30 Prozent.

Für private Nutzer dürfte allerdings die kostenlose Nutzung über Google Vids noch spannender sein.

Drei kostenlose 15-Sekunden-Videos pro Monat sind zwar kein besonders großzügiges Kontingent, reichen aber aus, um die neue Technik auszuprobieren.

Ob sich die Qualität der KI-Videos im Alltag tatsächlich so deutlich verbessert hat, wie Google verspricht, müssen weitere Praxistests zeigen.


Quellen: