Gemini Omni 1.2 Flash erzeugt Videos bis 15 Sekunden

Was Google offiziell veroeffentlicht hat

Google hat Gemini Omni 1.2 Flash am 5. November 2026 vorgestellt und allgemein ueber die Gemini API sowie Gemini fuer Unternehmen bereitgestellt. Das Modell erzeugt hochaufloesende Videos mit Audio aus Text, Bildern, Audio- und Videodateien.

Clips koennen nativ drei bis 15 Sekunden lang sein; die Dauer laesst sich in Schritten von einer Sekunde waehlen. Gegenueber Omni 1.1 steigt die maximale native Laenge damit laut Google von zehn auf 15 Sekunden.

Das Modell wird ausserdem schrittweise in Flow, Google Vids, die Gemini-App, Google Ads und weitere Google-Produkte integriert. Fuer Ausgaben setzt Google nach eigenen Angaben ein nicht sichtbares SynthID-Wasserzeichen ein.

Bestaetigt sind Release, Kanaele, Eingabearten und Funktionsumfang. Aussagen zur Qualitaet, Konsistenz und Geschwindigkeit sind Herstellerangaben.

Wie die dialogbasierte Videobearbeitung funktioniert

Omni 1.2 Flash kann einen bestehenden Clip ueber mehrere Dialogschritte veraendern. Nutzer koennen beispielsweise Produkt, Hintergrund, Licht, Wetter oder Seitenverhaeltnis austauschen, ohne den Auftrag vollstaendig neu zu formulieren.

Als Referenzen lassen sich laut Google Figuren-, Produkt- oder Stilbilder, kurze Bewegungsclips bis drei Sekunden und Audiohinweise kombinieren. Das Modell soll Gesichter, Kleidung, Verpackungstext und Markenfarben ueber Kamerawinkel hinweg besser erhalten.

Diese Arbeitsweise ist fuer Variantenproduktion interessant: Ein Grundclip kann fuer unterschiedliche Formate oder Zielgruppen angepasst werden. Ob Details ueber viele Bearbeitungsrunden stabil bleiben, muss jedoch fuer jedes Motiv getestet werden.

Was Preis und Aufloesungen bedeuten

Google nennt fuer 720p einen Preis von 0,07 US-Dollar pro Videosekunde. Das seien 30 Prozent weniger als bei Gemini Omni 1.1. Ein 15-Sekunden-Clip kostet auf dieser Basis 1,05 US-Dollar, bevor Wiederholungen, Varianten oder weitere Verarbeitung hinzukommen.

Entwuerfe koennen mit 360p oder 720p erstellt und ausgewaehlte Ergebnisse anschliessend auf 1080p oder 4K hochskaliert werden. Fuer reale Budgets zaehlt deshalb nicht nur der Einzelpreis, sondern die Zahl der Generierungen bis zu einem brauchbaren Ergebnis.

Teams sollten Kosten, Wartezeit und Korrekturrunden gemeinsam messen. Ein niedriger Sekundenpreis kann durch viele verworfene Versuche relativiert werden; eine gezielte Bearbeitung kann umgekehrt komplette Neugenerierungen vermeiden.

0,07 US-Dollar pro Sekunde ist der von Google genannte 720p-Preis. Preise und Produktbedingungen koennen sich aendern und sollten vor produktiver Nutzung erneut geprueft werden.

Welche Verbesserungen Google beansprucht

Google beschreibt staerkere Referenztreue und weniger visuelles Wandern von Figuren, Objekten und Szenen. Auch Kamerafahrten sollen stabiler sein und seltener unerwuenschte Schnitte erzeugen.

Bei Sprache nennt das Unternehmen natuerlicheren Dialog, klarere Lippenbewegungen und eine bessere Zuordnung verschiedener Stimmen zu mehreren Figuren. Die Produktseite zeigt ausgewaehlte Beispiele und Aussagen von Testpartnern.

Diese Beispiele belegen, was in kuratierten Faellen moeglich ist, aber keine durchschnittliche Erfolgsquote. Die Ankuendigung enthaelt keine unabhaengige Benchmark gegen andere Videomodelle und keine Streuung ueber wiederholte Generierungen.

Welche Grenzen und Sicherheitsfragen bleiben

Google nennt schnelle Sportbewegungen, abrupte Drehbuchwechsel und komplexe Physik als Bereiche, die weiter verbessert werden. Auch in den gezeigten Beispielen koennen kleine Details zwischen Frames wechseln.

Die Bearbeitung von Sprache ist sicherheitsrelevant, weil ein Modell Personen andere Worte in den Mund legen kann. Die Modellkarte sagt, dass Google diese Faehigkeit derzeit einschraenkt. SynthID hilft bei der Herkunftspruefung, ersetzt aber keine Einwilligung, Rechteklaerung oder redaktionelle Kennzeichnung.

Unbekannt bleiben belastbare Fehlerraten fuer Text, Markenmerkmale, Identitaetskonsistenz und physikalische Plausibilitaet. Auch eine allgemeine Verfuegbarkeit bedeutet nicht, dass jede Funktion gleichzeitig in jedem Land, Tarif oder Google-Produkt freigeschaltet ist.

Die Einschraenkung der Sprachbearbeitung und die bekannten Modellgrenzen stammen aus Googles Modellkarte. Konkrete Schutzmechanismen werden dort nur auf hoher Ebene beschrieben.

Warum Gemini Omni 1.2 Flash relevant ist

Die Kombination aus laengeren Clips, Audio, Referenzen und dialogbasierter Bearbeitung verschiebt Videogeneration von einem einzelnen Prompt zu einem iterativen Produktionsprozess. Das ist fuer Produktclips, Erklaervideos, Storyboards und Varianten von Werbemitteln relevanter als ein einzelner Demonstrationsclip.

Die allgemeine API-Verfuegbarkeit ist ebenfalls wichtig: Entwickler koennen das Modell in kontrollierte Arbeitsablaeufe mit Freigaben, Protokollierung und eigenen Qualitaetspruefungen einbauen.

Die MindrAils-Einordnung: Der praktische Fortschritt liegt weniger in fuenf zusaetzlichen Sekunden als in der Verbindung von Referenzsteuerung und nachtraeglicher Bearbeitung. Ob daraus verlaessliche Produktion entsteht, entscheidet sich erst an wiederholbaren Tests mit realen Anforderungen.

Wie Teams das Modell sinnvoll testen koennen

Ein Test sollte mehrere feste Aufgaben enthalten: eine Figur ueber verschiedene Einstellungen, ein Produkt mit lesbarer Verpackung, einen Dialog mit zwei Stimmen und einen Clip mit gezielter Aenderung von Hintergrund oder Format.

Jede Aufgabe sollte mehrfach mit denselben Referenzen ausgefuehrt werden. Bewertet werden nicht nur das beste Ergebnis, sondern Erfolgsquote, visuelle Abweichungen, Lippenbewegungen, Audiosynchronitaet, Laufzeit und Kosten bis zur Freigabe.

Bei Personen, Stimmen, Marken und urheberrechtlich geschuetztem Material bleiben Einwilligung und Rechtepruefung Pflicht. Produktive Workflows brauchen ausserdem menschliche Abnahme und eine klare Kennzeichnung synthetischer Medien.

• Identitaet, Produkte und Text Bild fuer Bild kontrollieren
• Mehrere identische Laeufe statt nur das beste Beispiel bewerten
• Kosten einschliesslich verworfener Varianten dokumentieren
• Sprach- und Personenrechte vor der Generierung klaeren
• SynthID und sichtbare Kennzeichnung in den Freigabeprozess aufnehmen