Google DeepMind kündigte am 5. November 2026 den Rollout von Gemini Omni 1.2 Flash an, einer aktualisierten Version seines Videogenerierungsmodells, die native 15-Sekunden-Videoserstellung, verbesserte Referenztreue und mehrstufige konversationelle Bearbeitung einführt. Das Unternehmen senkt zudem den Preis des Modells um 30 % gegenüber Gemini Omni 1.1, womit die Kosten bei 0,07 $ pro Sekunde für 720p-Video liegen.

Das Modell ist ab heute über die Gemini API und Google Cloud für Produktionsanforderungen allgemein verfügbar sowie über Gemini for business. Laut der Ankündigung von Anish Nangia, Produktmanager bei Google DeepMind, senkt das Update die Kosten und bietet gleichzeitig eine bessere Konsistenz für professionelle Projekte; die Funktionen können über die Gemini API, Google Vids und Gemini for business genutzt werden, um hochwertige Videoinhalte in großem Maßstab zu erstellen.

Die wichtigsten Änderungen des Releases sind:

• Native Unterstützung für 15-Sekunden-Videos, zuvor 10 Sekunden bei Gemini Omni 1.1
• Mehrstufige konversationelle Bearbeitung, die schnellere Anpassungen ohne Neustart ermöglicht
• Verbesserte Referenztreue für Charaktere, Produkte und Stile
• Eine Preissenkung um 30 % auf 0,07 $ pro Sekunde für 720p-Video
• Allgemeine Verfügbarkeit über die Gemini API und Google Cloud

Schnell und kosteneffizient bei großem Umfang

Über den reduzierten Sekundenpreis hinaus ist laut Google der umgebende Workflow so aufgebaut, dass die Kosten niedrig bleiben. Nutzer können Clips schnell in 360p- oder 720p-Auflösung entwerfen, einzelne Details mit einer nachträglichen Bearbeitung korrigieren, statt den gesamten Clip neu zu generieren, und anschließend ihre besten Kreationen auf 1080p oder 4K hochskalieren. Das Unternehmen stellte die Kombination aus niedrigerem Preis und bearbeitungszentriertem Workflow als Weg dar, hochwertige Videoinhalte zu geringeren Gesamtkosten zu erstellen. Für Teams mit Ausgabenbudgets lassen sich die Zahlen direkt umrechnen: Die 30-%-Kürzung impliziert, dass Gemini Omni 1.1 bei 0,10 $ pro Sekunde lag; ein maximaler 10-Sekunden-Clip kostete unter 1.1 also 1,00 $, während das 15-Sekunden-Maximum von 1.2 nun 1,05 $ kostet — 50 % mehr Laufzeit für 5 % mehr Ausgaben am Limit. Da die Abrechnung nach der Ausgabelänge erfolgt, ist die Verfeinerung bestehender Clips durch nachträgliche Bearbeitungen statt deren Neugenerierung der zweite Hebel, auf den Google zur Senkung der Gesamtproduktionskosten verwies.

Längere Clips von bis zu 15 Sekunden

Gemini Omni 1.2 Flash kann Videos nativ bis zu 15 Sekunden lang generieren und bearbeiten, eine Erhöhung gegenüber dem 10-Sekunden-Limit von Omni 1.1. Die Dauer kann in Ein-Sekunden-Schritten von 3 bis 15 Sekunden festgelegt werden, was Nutzern laut Google Spielraum gibt, um vollständige Geschichten zu erzählen, Produkterklärungen zu erstellen oder komplette Werbespots für soziale Medien in einer einzigen Generierung zu produzieren.

Bessere Referenztreue

Nutzer können die Generierung durch die Kombination von Charakter-, Produkt- oder Stilbildern, kurzen Bewegungsclips (bis zu drei Sekunden) und Audiohinweisen steuern. Laut Google behält Omni 1.2 Flash diese Details von Anfang bis Ende bei: Gesichter, Kleidung, Verpackungstypografie und Markenfarben bleiben über Kamerawinkel hinweg konsistent. Das Unternehmen sagte, dies erleichtere es, vorhandene Produktfotografie oder Character Sheets in Virtual-Try-on-Clips, Katalogrotationen und Markenwerbevideos umzuwandeln.

In einem in dem Beitrag beschriebenen Beispiel ermöglicht die Kombination eines einzelnen Modelfotos mit Produktbildern von drei Outfits in Frontal- und Rückenansicht die Generierung einer 15-Sekunden-Virtual-Try-on-Sequenz mit 360-Grad-Drehungen und Match Cuts, während die Identität des Models sowie Schnitt, Fall und Rückendetails jedes Kleidungsstücks konsistent bleiben.

Konsistentere Ergebnisse

Google zufolge behält das Modell von ersten bis zum letzten Frame eine stärkere Konsistenz bei Charakteren, Objekten und Szenen bei, mit weniger visueller Drift oder Morphing bei Bewegungs- und Kameraübergängen. Ob Interpolation zwischen erstem und letztem Keyframe oder Verlängerung eines Clips zu einer längeren Sequenz: Produkte, Charaktere, Requisiten und Umgebungen bleiben von Einstellung zu Einstellung konsistent.

Das Unternehmen veranschaulichte den Unterschied anhand eines Vergleichs mit demselben statischen, studiobeleuchteten Ausstellungsplakat und einem Fünf-Schichten-Animationsprompt. Laut dem Beitrag erreicht Gemini Omni 1.1 Flash das Referenzbild nicht so genau wie Version 1.2. Gemini Omni 1.2 Flash baut das Plakat sequenziell Schicht für Schicht auf dem rosa-gräulichen Cyclorama auf, hebt den sechseckigen Sockel an und fügt die gerippten Glaselemente, warmen Glühfäden, facettierten Kristalle und Spiraalkabel-Buchstaben für HALO, GLOW und LUMEN zusammen, während jedes Material-, Schatten- und typografische Detail bis zum letzten Frame konsistent bleibt.

Einfachere Bearbeitung im Gespräch

Nutzer können denselben Clip Zug um Zug verfeinern — etwa ein Produkt oder einen Hintergrund austauschen, Beleuchtung oder Wetter ändern oder das Seitenverhältnis wechseln — statt von vorne zu beginnen. Die mehrstufige konversationelle Bearbeitung funktioniert über komplette 15-Sekunden-Clips, was es laut Google erleichtert, Werbevarianten für verschiedene Zielgruppen und Platzierungen zu erstellen, ohne neu zu briefen oder neu zu generieren.

In einer in der Ankündigung zitierten Demonstration wird ausgehend von einem generierten Clip der Hintergrund Zug um Zug ausgetauscht — von einem gestreiften Pavillonzelt zu einem Eichenwald, einem Stall mit einem weißen Pferd, einem Jahrmarkt und einer Steinfestung — während die Darbietung beider Charaktere, die Spiegelungen der Rüstungen und die Kameraführung intakt bleiben.

Natürlichere Sprache

Das Modell erzeugt Szenen mit flüssigerer, natürlicher klingender Dialogsprache, klarerer Lippensynchronisation und differenzierter Mehrsprecher-Konditionierung, so Google. Diese Verbesserungen zeigten sich, ob Nutzer in Flow Dialoge mehrerer Charaktere regissen, in Gemini for business Videoerklärungen erstellen oder in Google Vids polierte, professionelle Videos mit Avataren, Musik und Erzählung produzieren.

In einem Beispiel, konditioniert auf einem einzigen Bild einer Gewächshausszene zusammen mit vier Charakter-, Mund- und Ein-Sekunden-Stimmenreferenzen, leitet Gemini Omni 1.2 Flash jede abgetastete Stimme dem richtigen Charakter zu, mit ausdrucksstarker Lippensynchronisation und natürlichem Comedy-Timing über eine 15-Sekunden-animierte Szene hinweg.

Stärker steuerbarer, filmischer Look

Google zufolge können Nutzer komplexe, kontinuierliche Kamerabewegungen inszenieren — von weitläufigen FPV-Überflügen bis zu dramatischen Zoom-Outs und Orbitaufnahmen — mit deutlich weniger ungewollten Jump Cuts, stabilerer Skalierung und einem polierteren, filmischeren Look.

In einem Vorzeigebeispiel lenkt das Modell, geleitet von zwei architektonischen Referenzfotos, einen durchgehenden FPV-Drohnenflug über den Platz, durch die Bronzetüren und hinauf durch die kassettierte Kuppel des Pantheon bis zur Oculus — ohne einen einzigen Jump Cut.

Längere Clips mit flüssigerer Bewegung und engerer Konsistenz

Gemini Omni 1.2 Flash generiert Clips von bis zu 15 Sekunden, die Referenzen besser zusammenhalten als zuvor. Google sagte, Charaktere, Texte und Kamerabewegungen bleiben über längere Aufnahmen, mehrere Durchgänge und Übergänge ohne Schnitte hinweg konsistent, und hob mehrere Demonstrationen hervor:

• 15 Sekunden lange Clips: Ein einzelnes Stilbild wird in einen vierteiligen, 15-sekündigen Makro-Wissenschaftserklärer mit korrekt geschriebenen, bewegungsverfolgten Beschriftungen umgewandelt.
• Mehrstufige Bewegungsübertragung: Das Modell generiert im ersten Durchgang einen sich wellenden Oktopus und ersetzt ihn im zweiten Durchgang durch einen Tänzer, dessen Kleid die exakte flüssige Bewegung widerspiegelt.
• Konsistenz vom ersten bis zum letzten Frame (1.1 vs. 1.2): Das Modell verbindet in 1.2 Flash einen äußeren Startframe und einen inneren Endframe in einem kontinuierlichen Kamerafahrt-Schuss. Google wies darauf hin, dass subtile Unterschiede sichtbar bleiben, etwa die Katzen auf dem Dach und ein Suppenkelle, die sich in Essstäbchen verwandelt.
• Unterbrochener Crash-Zoom-Out: Die Kamera zieht kontinuierlich von einer engen Küstennahaufnahme zu einer Luftaufnahme einer Insel in einer einzigen 10-Sekunden-Aufnahme mit natürlicher Skalierung und ohne Schnitte zurück.

Praktische Nutzung und Enterprise-Verfügbarkeit

Laut Google nutzen Unternehmen, Startups und Kreative Gemini Omni 1.2 Flash bereits in ihren Workflows. Erstmals ist Gemini Omni nun allgemein verfügbar, gestützt auf die Infrastruktur und Sicherheit von Google Cloud im Enterprise-Bereich. Provisioned Throughput, die Option von Google Cloud zur Sicherung garantierter Modellkapazität für dauerhafte Workloads, ist verfügbar, und die Ausgaben tragen ein nicht wahrnehmbares SynthID-Wasserzeichen, die Technologie von Google DeepMind zur Kennzeichnung KI-generierter Inhalte.

Erste Schritte

Google sagte, die Entwicklung laufe weiter, um Bereiche wie schnelle Sportaktionen, schnelle Skriptänderungen und komplexe Physik zu verbessern — eine eigene Bestandsaufnahme dessen, was noch verbessert werden muss, und ein konkreter Referenzpunkt für Teams, die das Modell für anspruchsvolle Produktionsszenarien abwägen. Das Unternehmen positionierte Gemini Omni 1.2 Flash als gut geeignet für Unternehmen, Entwickler und Kreative, die Videos in großem Maßstab erstellen, mit einer Verfügbarkeit, die über Googles Produkte und Entwicklerplattformen ausgerollt wird:

• Entwickler, die die Gemini API nutzen, können in Google AI Studio prototypisieren, interaktive Starter-Apps erkunden und die Entwicklerdokumentation sowie die Preise einsehen.
• Unternehmen können das Modell in der Google Cloud Console ausprobieren und mit der API Enterprise-Lösungen erstellen.
• Nutzer von Google-Apps können in Flow Szenen und mehrstufige Bearbeitungen regissen, mit einem Google-Konto oder Google Workspace-Abonnement 15-Sekunden-Clips ohne zusätzliche Kosten in Google Vids generieren, 15-Sekunden-Videos in der Gemini-App erstellen (Rollout an Google AI Ultra-Abonnenten) und Videokampagnen in Google Ads skalieren.

Die vollständige Ankündigung ist im Google DeepMind Blog verfügbar: Gemini Omni 1.2 Flash: Fast and cost-effective with longer clips.