Google hat am 5. November 2026 Gemini Omni 1.2 Flash veröffentlicht und das Videomodell erstmals allgemein verfügbar gemacht: über die Gemini API und Gemini for business, außerdem in Flow, in Google Vids und in der Gemini-App.
Primärquelle ist der Beitrag von Google DeepMind: https://blog.google/innovation-and-ai/technology/developers-tools/introducing-gemini-omni-1-2-flash/ (Stand 05.11.2026). Alle Fähigkeitsangaben stammen vom Hersteller. Einen unabhängigen Vergleich der Videoqualität gibt es nicht.
Was neu ist
- Fünfzehn Sekunden statt zehn. Clips lassen sich nativ bis 15 Sekunden erzeugen und bearbeiten, die Dauer ist in Ein-Sekunden-Schritten von 3 bis 15 wählbar.
- Referenztreue. Charakter-, Produkt- oder Stilbilder, kurze Bewegungclips bis drei Sekunden und Audio-Vorgaben werden über den ganzen Clip gehalten. Gesichter, Kleidungsstücke, Verpackungstypografie und Markenfarben sollen auch bei Kamerawechseln konstant bleiben.
- Bearbeiten im Dialog. Produkt, Hintergrund, Licht, Wetter oder Seitenverhältnis lassen sich über mehrere Runden tauschen, ohne den Clip neu zu erzeugen – auch bei voller Länge.
- Mehrere Sprecher. Stimmen werden getrennt auf Figuren geroutet, Lip-Sync und Dialog sollen natürlicher wirken.
- Ruhigere Kamera. Durchgehende Fahrten wie FPV-Flüge, Zoom-Outs und Orbits mit deutlich weniger ungewollten Sprüngen.
- Auflösung. Entwurf in 360p oder 720p, danach Upscale auf 1080p oder 4K.
Wo es läuft
Der Zugang über die Gemini API läuft über Google AI Studio und die Entwicklerdokumentation. In Google Vids lassen sich 15-Sekunden-Clips ohne Aufpreis mit Google-Konto oder Workspace-Abo erzeugen, in der Gemini-App ebenfalls. Neu ist die allgemeine Verfügbarkeit mit der Infrastruktur und den Sicherheitszusagen von Google Cloud – bisher war Omni eine Vorschau.
Was das praktisch ändert
Der Sprung liegt weniger in der Länge als im Arbeitsablauf. Wer einen 15-Sekunden-Clip als Entwurf erzeugt und danach nur Licht, Hintergrund oder Format ändert, spart die komplette Neugenerierung. Für Werbung heißt das: ein Motiv, viele Platzierungen. Für Produktkommunikation heißt es: ein vorhandenes Produktfoto plus zwei, drei Referenzaufnahmen reichen als Grundlage für Try-on- oder Katalogsequenzen.
Grenzen
- Keine unabhängigen Messungen. Alle Beispiele im Beitrag sind Herstellerdemos. Ob Referenztreue und Sprecherzuordnung außerhalb kuratierter Beispiele halten, ist offen.
- Keine konkreten Preise. Google spricht von niedrigeren Kosten und verweist auf die Preisseite der Entwicklerdokumentation; Beträge nennt der Beitrag nicht.
- Fünfzehn Sekunden bleiben fünfzehn Sekunden. Für längere Filme braucht es weiter Schnitt und Übergänge.
- Konsistenz über viele Einstellungen ist eine Herstelleraussage, kein geprüfter Standard.
