Gemini Omni Flash: Googles neuer KI-Videogenerator macht große Fortschritte – Alles im Überblick (Videos)

 

Google hat vor wenigen Tagen das neue KI-Modell Gemini Omni 1.2 Flash veröffentlicht, das in den KI-Videogeneratoren zum Einsatz kommen und deutliche Verbesserungen im Vergleich zum Vorgänger mitbringen soll. Man hat sich auf wichtige Kernbereiche von der Geschwindigkeit über die Qualität bis zu den Kosten orientiert und gleichzeitig die Referenzen, das Verständnis und mehr verbessert. Wir zeigen euch die wichtigsten Neuerungen mit Beispielen.

Die Gemini-KI hat seit jeher große Stärken im Bereich der KI-Videobearbeitungen sowie KI-Videoerstellung und kann diese mit immer neuen Produkten und Modellen ausspielen. Neben dem von uns bereits angekündigten großen Avatar-Update für Google Vids hat man in dieser Woche auch ein neues Modell veröffentlicht, das als Unterbau für die wichtigen Gemini-Produkte fungiert und neue Funktionen in die Videobearbeitung bringt.

Mit dem neuen KI-Videogenerator Gemini Omni 1.2 Flash hat man sich darauf konzentriert, die Qualität der Videos weiter anzuheben, die Geschwindigkeit der Erstellung und Bearbeitung zu verbessern und dabei auch noch die Kosten zu senken. Laut der Ankündigung sinkt der Preis für die gleiche Anfrage um etwa 30 Prozent im Vergleich zu Gemini Omni 1.1. Weil es sich um das Flash-Modell handelt, ist es eine starke Kombination aus Leistung und Preis.

Wir haben euch die wichtigen Neuerungen natürlich bereits vorgestellt und jetzt wollen wir euch anhand von vielen Videobeispielen zeigen, an welchen Stellen Google nachgelegt hat. Die Schwerpunkte liegen bei der Referenzierung von Objekten und Personen, den damit verbundenen konsistenteren Ergebnissen, bei der schnellen Bearbeitung von Einzelszenen sowie dem Einsatz von natürlicher Sprache auch innerhalb von Videos. Schaut euch die folgenden Beispiele einmal an.

Einhaltung von Referenzen

Das Modell verarbeitet kombinierte Eingaben wie Charakter- oder Produktbilder, kurze Bewegungsclips (bis zu 3 Sekunden) und Audiohinweise deutlich exakter. Gesichter, Kleidung, Typografie und Markenfarben bleiben selbst bei wechselnden Kamerawinkeln stabil.

Konsistentere Ergebnisse

Objekte, Personen und Umgebungen bleiben vom ersten bis zum letzten Frame konsistent. Unerwünschtes visuelles Morphing oder Driften bei Objektbewegungen und Kameraübergängen wurde stark reduziert.

Einfacheres Bearbeiten im Gespräch

Ein erstelltes 15-Sekunden-Video kann Schritt für Schritt durch Texteingaben im Chat verfeinert werden. Anstatt ein Video bei Änderungswünschen komplett neu zu generieren, lassen sich gezielt Produkte oder Hintergründe austauschen sowie Beleuchtung, Wetter oder das Seitenverhältnis anpassen.

Natürlichere Sprache

Das Modell generiert flüssigere, natürlicher klingende Dialoge. Es bietet zudem eine klarere Lippensynchronität (Lip-Sync) und kann verschiedene Sprecher akustisch präziser voneinander trennen.

Filmische Kamerasteuerung

Komplexe Kamerabewegungen wie rasante FPV-Flüge (First-Person-View), weite Zoom-Outs oder Umrundungen (Orbits) lassen sich mit weniger unerwünschten Bildsprüngen, ruhigerem Maßstab und einem professionelleren, filmischen Look umsetzen.

—
Die Entwicklung zur weiteren Verbesserung von Funktionen wie rasanten Sportsequenzen, schnellen Skriptwechseln und komplexer Physik wird zwar fortgesetzt, doch Gemini Omni 1.2 Flash soll laut Google schon jetzt ideal für Unternehmen, Entwickler und Kreative, die Videos in großem Umfang produzieren. Das neue KI-Modell steht im Google AI Studio zur Nutzung bereit, über die API der Cloud Console sowie Gemini Flow und Google Vids.

[Google-Blog]

---

---