Gemini Omni 1.2 Flash ist verfügbar: längere Clips, günstigere Preise, neue Edit‑Funktionen.
In Kürze
- Bis zu 15‑Sekunden‑Clips, ~30% günstigere Kosten
- Konversationelles Editing für schrittweise Anpassung
- Unsichtbares SynthID‑Wasserzeichen kennzeichnet Herkunft
Google/DeepMind hat die Videogenerierungs‑KI Gemini Omni 1.2 Flash jetzt allgemein verfügbar gemacht.
Die neue Version erzeugt längere Clips, ist günstiger und bietet erweiterte Bearbeitungsfunktionen — und Google liefert das Modell über mehrere Zugangswege aus.
Wo du das Modell bekommst
Gemini Omni 1.2 Flash wird über folgende Wege verteilt:
- Gemini‑API
- Google AI Studio
- Google Cloud Console
- Flow
- Google Vids
- Gemini‑App für AI‑Ultra‑Abonnenten
- Google Ads
Längere Clips, niedrigere Kosten
Die maximale Cliplänge wurde von 10 auf bis zu 15 Sekunden erhöht. Die Preise sinken um rund 30 Prozent: Bei 720p kostet eine Sekunde jetzt 0,07 US‑Dollar. (720p bleibt eine gängige Auflösung; höhere Auflösungen liefern entsprechend mehr Details.)
Herkunft gekennzeichnet
Alle generierten Videos erhalten ein unsichtbares SynthID‑Wasserzeichen, das die Herkunft der Clips markiert.
Schrittweises Bearbeiten im Gespräch
Neu ist eine „conversational editing“-Funktion: Du kannst ein generiertes Video während eines laufenden „Gesprächs“ schrittweise anpassen — etwa Hintergrund, Beleuchtung oder Seitenverhältnis — ohne das gesamte Video neu erzeugen zu müssen. Das gilt über die komplette 15‑Sekunden‑Länge.
Kosten sparen durch gestaffelte Auflösung
Google empfiehlt einen Workflow zur Reduzierung der Kosten:
- Entwürfe werden zunächst in niedriger Auflösung (360p oder 720p) erstellt.
- Folge‑Edits verbessern Details.
- Erst das finale Ergebnis wird auf 1080p oder 4K hochskaliert.
So fallen weniger Kosten für Tests und Iterationen an.
Bessere Konsistenz bei Referenzbildern
Gemini Omni 1.2 Flash kann verschiedene Eingabetypen kombinieren — Charakterfotos, Produktfotos, kurze Bewegungsclips (bis 3 Sekunden) und Audio‑Hinweise — und soll Merkmale wie Gesichtszüge, Kleidung, Verpackungstext und Markenfarben über unterschiedliche Kamerawinkel hinweg konsistent halten.
Als Beispiel nennt Google die Erzeugung einer 15‑Sekunden‑Sequenz mit 360‑Grad‑Drehungen aus einem Model‑Foto und Produktaufnahmen von drei Outfits, wobei Identität und Faltenwurf der Kleidung erhalten bleiben. Visuelles Abdriften und unerwünschtes Morphing wurden im Vergleich zum Vorgänger deutlich reduziert, so die Angabe.
Audio, Lippensynchronität und Kamerabewegungen
- Dialoge sollen natürlicher klingen, Lippensynchronität klarer sein und mehrere Sprecher besser unterscheidbar werden.
- Komplexe, durchgehende Kamerabewegungen — etwa Drohnen‑First‑Person‑Flüge oder größere Zoom‑Outs — funktionieren laut Google mit weniger ungewollten Sprungschnitten.
- Auch das Austauschen von Hintergründen soll einfacher gelingen.
Kurz gesagt: Mit Omni 1.2 Flash will Google/DeepMind kürzere Produktionswege, mehr Konsistenz und günstigeres Iterieren bei kurzen Produkt‑ und Charaktervideos ermöglichen — verfügbar über die genannten Google‑Dienste und mit integrierter Herkunftskennzeichnung.
Quellen
- Quelle: Google / DeepMind
- Der ursprüngliche Artikel wurde hier veröffentlicht
- Dieser Artikel wurde im Podcast KI-Briefing-Daily behandelt. Die Folge kannst du hier anhören.
