Gemini Omni 1.2 Flash: Googles Video-KI wird günstiger und schafft 15-Sekunden-Clips

Worum es geht

Google hat am 5. November 2026 Gemini Omni 1.2 Flash veröffentlicht. Das ist die neue Version des Modells, das aus Text, Bildern und Videos kurze Clips samt Ton erzeugt und bearbeitet. Es ist ab sofort allgemein verfügbar (General Availability). Damit erklärt Google das Modell für produktionsreif und bietet Unternehmen verbindliche Service-Zusagen an. Zugang gibt es über die Gemini API, Google AI Studio, die Google Cloud Console und Gemini for business. Die Neuerungen in Kürze: Clips bis 15 Sekunden, Nachbearbeitung im Gespräch, genaueres Befolgen von Vorlagen und ein um 30 Prozent niedrigerer Preis.

Die Omni-Reihe wurde laut Cryptobriefing am 19. Mai 2026 auf der Google I/O vorgestellt. Version 1.1 brachte die Verlängerung von Szenen und die Steuerung über das erste und das letzte Bild eines Clips.

Längere Clips und Nachbearbeitung im Gespräch

Clips können jetzt direkt in einem Durchgang bis zu 15 Sekunden lang werden, bisher waren es 10. Die Länge lässt sich sekundengenau zwischen 3 und 15 Sekunden wählen. Laut der Entwicklerdokumentation, die Unite.ai zitiert, sind standardmäßig 10 Sekunden eingestellt, außerdem 720p im Querformat 16:9. Hochformat 9:16 wird ebenfalls unterstützt. Laut Google reicht die Länge für eine ganze kleine Geschichte, ein Produkterklärvideo oder einen kompletten Social-Media-Werbespot.

Neu ist die Multi-Turn-Bearbeitung: Man verändert denselben Clip Schritt für Schritt per Chat, statt jedes Mal neu anzufangen. Man kann etwa das Produkt austauschen, den Hintergrund wechseln, Licht oder Wetter ändern oder das Bildformat umstellen. Was nicht erwähnt wird, soll gleich bleiben. In Googles Demo wandert eine Szene mit zwei Rittern nacheinander von einem gestreiften Pavillon in einen Eichenwald, einen Stall mit weißem Pferd, auf einen Markt und in eine Burg. Spiel der Figuren, Spiegelungen auf den Rüstungen und Bildausschnitt bleiben dabei laut Google erhalten. Über die API merkt sich das Modell den vorherigen Schritt mithilfe einer Kennung, das Video muss also nicht neu hochgeladen werden.

Die Verlängerung von Videos funktioniert getrennt davon: Pro Schritt kommen 3 bis 10 Sekunden hinzu, wobei die letzten 10 Sekunden als Kontext dienen, insgesamt bis 30 Sekunden. Material vorne anfügen oder mitten im Clip einfügen geht nicht. Die Interpolation zwischen erstem und letztem Bild ist weiter auf 3 bis 10 Sekunden begrenzt.

Vorlagen, Konsistenz, Ton und Kamera

Das Modell lässt sich mit Bildern von Figuren, Produkten oder Stilen steuern, außerdem mit kurzen Bewegungsclips bis drei Sekunden und mit Audio-Vorgaben. Laut Unite.ai sind pro Anfrage bis zu sechs Referenzbilder erlaubt, davon bis zu drei pro Figur bei höchstens zwei Figuren. Cryptobriefing nennt dagegen 7 bis 10 Bilder. Die Angabe aus der Dokumentation wirkt verlässlicher. Gesichter, Kleidung, Schriftzüge auf Verpackungen und Markenfarben sollen über Kamerawinkel und Schnitte hinweg gleich bleiben. Ein Beispiel ist eine virtuelle Anprobe: Aus einem Modelfoto und Vorder- und Rückansichten von drei Outfits entsteht eine 15-Sekunden-Sequenz mit 360-Grad-Drehungen.

Google nennt dazu eigene Zahlen. In Vergleichstests, bei denen Bewerter je zwei Videos nebeneinander beurteilen, gewinnt 1.2 bei der visuellen Konsistenz in 62 Prozent der Fälle gegen 1.1 (38 Prozent). Bei der Identität von Figuren mit mehreren Vorlagen steht es 63 zu 37 Prozent. Unabhängige Tests gibt es bisher nicht. Superpowerdaily weist darauf hin, dass selbst Googles eigene Beispiele kleine Fehler zeigen: In einem Clip wird aus einer Suppenkelle ein Paar Essstäbchen.

Außerdem sollen Dialoge natürlicher klingen, Lippenbewegungen besser zum Ton passen (Lip-Sync) und mehrere Sprecher sauber den richtigen Figuren zugeordnet werden. Kamerafahrten wie FPV-Drohnenflüge (aus der Ich-Perspektive einer Drohne) oder Kreisbewegungen sollen mit deutlich weniger ungewollten Schnitten auskommen. Eine Demo fliegt ohne Schnitt über die Piazza vor dem Pantheon, durch die Bronzetüren und hinauf zur Öffnung in der Kuppel.

Preise und Verfügbarkeit

Einen kostenlosen API-Zugang gibt es nicht. Bei anderen Auflösungen fällt die Ersparnis laut Google Cloud ähnlich aus. Cryptobriefing nennt eine Spanne von 0,02 bis 0,10 Dollar pro Sekunde, das ist aber nicht offiziell bestätigt. Google empfiehlt, Entwürfe günstig in 360p oder 720p zu erstellen, per Nachbearbeitung zu verbessern und nur die besten Ergebnisse auf 1080p oder 4K hochzurechnen (Upscaling).

Auch Endnutzer können das Modell verwenden: In Google Vids lassen sich 15-Sekunden-Clips ohne Aufpreis mit einem Google-Konto oder Workspace-Abo erzeugen. In der Gemini-App kommt die Funktion zunächst für Abonnenten von Google AI Ultra. In Flow kann man Szenen inszenieren und schrittweise bearbeiten, in Google Ads Kampagnen erstellen. Laut Cryptobriefing bieten auch Drittplattformen wie Runware und Segmind das Modell an. Für Unternehmen gibt es Provisioned Throughput, also fest reservierte Rechenkapazität. Alle Videos tragen ein unsichtbares SynthID-Wasserzeichen, das sich per Software erkennen lässt.

Für Entwickler wichtig: Omni 1.1 Flash bleibt vier Wochen lang verfügbar. Ab dem 3. Dezember 2026 werden API-Anfragen automatisch auf 1.2 umgeleitet, ohne dass man den Code ändern muss, und dann zum günstigeren Preis abgerechnet.

Grenzen und Stimmen aus der Praxis

Google nennt selbst offene Baustellen: schnelle Sportszenen, schnelle Wechsel im Drehbuch und komplexe Physik. Laut Unite.ai ist in der API nur Englisch vollständig unterstützt, andere Sprachen sind nicht geprüft. Stimmen bearbeiten, eigene Audiodateien hochladen und Audio-Referenzen funktionieren in der API derzeit nicht. Laut Google Cloud sind Audio-Referenzen nur nach Freischaltung nutzbar. Prompts und Videos durchlaufen Sicherheitsfilter.

Partnerfirmen loben das Modell, ihre Aussagen sind aber Teil von Googles Ankündigung. Shivam Rastogi von invideo sagt, es halte sich an den Prompt und Physik und Ton wirkten echt. Photoroom-Chef Matt Rouif nennt die 15 Sekunden einen der häufigsten Nutzerwünsche, die Service-Zusagen ermöglichten den Produktiveinsatz. Picsart will das Modell seinen über 100 Millionen Nutzern anbieten. Auch Artlist, FLORA, Krea, Runway und QuickFrame AI setzen es ein.

Einordnung

Omni 1.2 Flash ist kein großer Qualitätssprung, sondern ein Schritt hin zur Massenproduktion. Es wird günstiger, die Clips werden länger, und dank der Bearbeitung im Gespräch muss man weniger neu generieren. Für Agenturen, Online-Händler und Werbetreibende kann das die Kosten pro Video spürbar senken. Wie viel das wirklich bringt, hängt davon ab, ob Figuren und Produkte über mehrere Bearbeitungsschritte tatsächlich stabil bleiben. Die Belege dafür stammen bisher nur von Google und seinen Partnern. Dass Google die Schwächen bei Physik und schneller Action offen nennt, ist ehrlich. Für Hobbynutzer ist vor allem interessant, dass 15-Sekunden-Clips in Google Vids ohne Aufpreis verfügbar sind.