Google DeepMind startet Gemini Omni 1.1 Flash mit Szenenerweiterung, Keyframe-Steuerung und 4K-Upscaling

Google DeepMind, Googles KI-Forschungsabteilung hinter der Gemini-Modellfamilie, hat Gemini Omni 1.1 Flash vorgestellt, ein produktionsreifes Update, das Entwicklerinnen und Entwicklern mehr Kontrolle über generatives Video gibt. Die am 27. August 2026 von Anish Nangia und Alisa Fortin, Produktmanagern bei Google DeepMind, angekündigte Veröffentlichung liefert Funktionen für Videoproduktion in Studioqualität, darunter die Möglichkeit, eine Szene zu erweitern, Interpolation zwischen erstem und letztem Frame sowie klares 4K-Upscaling und schnelleres Prototyping. Entwickler können noch heute beginnen, indem sie über Google AI Studio oder die Gemini Enterprise Agent Platform auf das Modell zugreifen.

Laut Google brachte Gemini Omni die reale Weltlogik in die generative Erstellung, und die neuen Updates machen Omni 1.1 über die Gemini API in Google AI Studio produktionsreif für den professionellen Einsatz. Ob generative Video-Workflows, Kreativtools oder Medienbearbeitungssoftware entwickelt werden: Das Update soll generatives Video besser steuerbar machen, schnellere Iterationen ermöglichen und für den realen Einsatz verfeinern. Der Funktionsumfang zielt auf die praktische Lücke zwischen Rohgenerierung und finaler Produktionsarbeit ab: Material über längere Zeiträume kohärent halten, die Kamera gezielt führen und kostengünstig iterieren, bevor finale Renderings erstellt werden.

Die wichtigsten Funktionen sind:

• Szenen um bis zu 40 Sekunden mit verbesserter visueller Konsistenz und erzählerischem Fluss erweitern.
• Start- und Endframes festlegen, um flüssige, professionelle Kamerabewegungen und Übergänge zu erzeugen.
• 360p-Vorschauen nutzen, um schneller zu iterieren und während des kreativen Prozesses Kosten zu sparen.
• Endgültige Projekte auf 4K-Auflösung hochskalieren, um ein poliertes, professionelles Ergebnis zu erhalten.

Szenenerweiterung für längere Erzählungen

Die Szenenerweiterung nimmt ein vorhandenes Video und setzt die Generierung nahtlos genau dort fort, wo es aufgehört hat. Mit Omni 1.1 kann das Modell nun bis zu 10 Sekunden vorherigen Kontexts analysieren — ein Sprung gegenüber früheren Modellen, die nur auf die letzte Sekunde Bezug nahmen. Google zufolge führt das zu besserer visueller Konsistenz und stärkerer narrativer Treue, sodass Entwickler längere Geschichten aufbauen oder in neue kreative Richtungen verzweigen können. Videos lassen sich in 10-Sekunden-Schritten bis zu einer kumulativen Gesamtlänge von 40 Sekunden verlängern. Kohärenz über längere Sequenzen hinweg war eines der schwierigeren Probleme im generativen Video, in dem Modelle typischerweise kurze Clips erzeugten, die visuell abdriften, wenn das Material über seine ursprüngliche Länge hinaus gestreckt wird.

Beispielhafte Prompt-Ketten aus der Ankündigung veranschaulichen die Funktion:

• Prompt 1: Camera slightly pans and we now see she is talking to a man with curly hair, we see man's back, he says "I see it too" dramatic music score
• Prompt 2: Camera slowly pulls out, forgotten dusty catacombs, dramatic music score.
• Prompt 3: Camera slowly pulls out, a vast library where shelves and books float weightlessly in a dusty void, dramatic music score.

Eine zweite Sequenz demonstriert die filmische Fortsetzung der Kamera:

• Prompt 1: Continue the video. Execute a cinematic optical dolly-zoom shot. The camera dollies forward while simultaneously zooming out, keeping the character's frozen shocked face locked at the exact same size. The long corridor of stone pillars in the background dramatically stretches and deepens with intense optical perspective distortion. Clean architecture, continuous unbroken shot.
• Prompt 2: Continue the video. The camera executes a fast mechanical snap-zoom directly into the character's wide eyes. Stylized cinematic camera control.
• Prompt 3: Continue the video. Time completely freezes into a static moment: the character, their windblown coat. The camera performs a smooth, high-speed 360-degree orbital rotation around the frozen character, showcasing dramatic 3D depth and parallax across the colonnade. Flawless continuity.

Weitere Beispiele zeigen dialoggetriebene Erweiterungen:

• Prompt 1: The man in the blue sweater replies: "Did your father go out on the boat too?"
• Prompt 2: The camera pulls back in one continuous movement as he continues his story: "He used to say that this harbour had a soul. And that the boats were a part of us." The music swells.

Ein weiteres Prompt-Paar behandelt Fortsetzungen im Präsentationsstil:

• Prompt 1: The looks directly at the camera and talks about what the final chapter will end with!
• Prompt 2: He then stands up walks around the desk to the camera and says "what would you choose?"

Google dokumentiert außerdem, wie sich eine Szene mit der Gemini API erweitern lässt.

Erstes und letztes Frame festlegen

Entwickler können flüssige Übergänge und Kamerabewegungen erzielen, indem sie die Start- und Endframes einer Aufnahme festlegen. Omni 1.1 erzeugt kontinuierliches Video zwischen zwei Keyframes und eignet sich damit für komplexe Kamerafahrten, Zoom-Übergänge oder nahtlose Loop-Clips. Beispiele für Prompts sind:

• Prompt 1: A close-up low-angle shot of a stylish drummer in a beige suit playing a red drum kit in a grand hall transitions as the camera whip-pans to the side, revealing an older saxophonist playing alongside a ballet dancer spinning in a white outfit under soft purple stage lights. One continuous shot, no jump cuts.
• Prompt 2: The camera zooms into the TV screen, where we see the same woman and the same scene from the beginning. Seamless video. One continuous shot, no jump cuts.

Entwürfe effizienter in 360p erstellen

Omni 1.1 kann leichte Vorschauen in 360p-Auflösung bis zu 60 % schneller und zu einem Drittel der Kosten im Vergleich zur standardmäßigen 720p-Auflösung des Modells erzeugen. Google betont, dass dies für Rapid Prototyping, Storyboard-Iterationen und schnelles Rendering in Entwicklerplattformen nützlich ist. Das Unternehmen ergänzt eine Fußnote: Die Angabe von bis zu 60 % schnellerer Generierung basiert auf dem Systemdurchsatz von 360p gegenüber 720p.

Ein Beispielprompt lautet: A microscopic view of iridescent marine diatoms, displaying intricate, glass-like silica shells with breathtaking natural symmetry. The colors range from deep volcanic amber and warm copper to vibrant turquoise and violet, mimicking the rich palette of earth and ocean. Tiny, delicate structures glow softly against a clean dark field background. High-fidelity scientific imaging, sharp details, organic textures, micro-photography. Maintain the microscope lens effect throughout the entire video.

Auf 4K-Auflösung hochskalieren

Das Modell erzeugt polierte, hochauflösende 1080p- oder 4K-Ausgaben, die für die professionelle Produktion bereit sind. Beispiele für Prompts sind:

• Prompt 1: Fish swimming, tracking shot
• Prompt 2: A little chipmunk darting out of the woods from the left side of the screen and sniffing the air inquisitively before darting out of frame on the right side
• Prompt 3: Cinematic macro close-up of vibrant golden-orange Japanese maple leaves on a delicate branch, gently rustling and swaying in a soft, rhythmic autumn breeze. Sunlight filters through the translucent foliage, creating a warm, glowing effect. Shallow depth of field, dreamy bokeh background, hyper-detailed textures, photorealistic, 4k.

Videoreferenzen in multimodaler Eingabe hinzufügen

Entwickler können beim Erstellen einer Szene bis zu drei Sekunden Video referenzieren, um den visuellen Kontext und die Konsistenz von Figuren auf Grundlage von Videoreferenzen zu bewahren. Dadurch wird die Generierung eher an bereitgestelltes Bildmaterial als allein an Textprompts gebunden. Ein Beispielprompt:

Use the three uploaded videos of dancers and replace them with the provided characters. Have them perform their individual dances from the reference videos, all together in the large, open space from the provided image. The dog character dog.png should do the classical dance from dance3.mp4. The octopus octo.png should do the hip hop dance from dance1.mp4, and the bear bear.png should do the breakdance from dance2.mp4. The final result should be one continuous shot with no scene cuts.

Konzepte dafür, was Entwickler bauen können

Google stellte mehrere Konzepte vor, die zeigen, wie sich die neuen Funktionen in benutzerdefinierten Tools und kreativen Workflows einsetzen lassen:

• Eine Keyframe-Übergangs-App, in der Nutzer ein erstes und letztes Frame einfügen und den Übergang zwischen beiden per Presets oder Eingabefeld erzeugen; Omnis Full-Context-Reasoning erzeugt Kamerabewegungen, die real wirken.
• Eine Raumtour-App, die die Kamera durch die Räume bewegt — schwenkend, hinein- und herausfahrend — und ein Zuhause zur idealen Tageszeit in einem aspirationalen Zustand zeigt, ohne Möbel oder Details hinzuzufügen, die nicht existieren.
• The Draft Room, das kreative Erkundung günstig und strukturiert macht: 3-4 Entwurfsvarianten in 360p erzeugen, jeweils nur eine Sache ändern und nebeneinander vergleichen. Google weist darauf hin, dass Creator ohnehin mehrere Videos erzeugen, bevor sie bei der richtigen Version landen.

Kundinnen und Kunden setzen Omni Flash produktiv ein

Google zufolge setzen Kundinnen und Kunden Gemini Omni Flash bereits über die Agent Platform API in realen Produktionsumgebungen ein. Adobe hat Gemini Omni Flash in Adobe Firefly integriert, Adobes Familie generativer KI-Kreativtools, und verweist auf ein Video, das die Videobearbeitungsfähigkeiten zeigt. Die Partnerliste — von Design-Tools über Kreativplattformen bis hin zu Cloud-Infrastruktur — zeigt, wie generatives Video in etablierte professionelle Workflows eingebettet wird, statt nur als eigenständiges Modell verfügbar zu sein.

Partner beschrieben, wie sie das Modell einsetzen:

"Gemini Omni Flash is one of the strongest video models available in Figma Weave, where the canvas helps creative teams build on every generation — attaching references, branching different versions, and shaping something unique. With extensions, richer reference material, and 4K resolution, Gemini Omni Flash takes teams beyond generating videos to truly directing them." — Itay Schiff, Creative Director, Figma Weave.

"At GMI Cloud, we give creators centralized access to the world's most capable models. What stands out about Gemini Omni Flash is its accuracy: the details hold up under scrutiny. For customers creating educational and explanatory content, where getting things right is essential, that reliability matters more than any single feature. Omni has made AI video viable for a segment that previously couldn't rely on it." — Louisa Guo, VP of Marketing, GMI Cloud.

"Omni Flash fits naturally into how people already use Runway: start with a prompt, an image or a video, then generate or edit from there. It's another way for our users to move quickly between ideas." — Jamie Umpherson, Chief Creative Officer, Runway.

Verfügbarkeit und Preise

Omni 1.1 wird im gesamten Google-Entwicklerökosystem ausgerollt:

• In Google AI Studio loslegen: Entwickler können Omni 1.1 direkt in Google AI Studio ausprobieren.
• Auf der Gemini Enterprise Agent Platform bereitstellen: Unternehmensentwickler können Omni 1.1 auf der Plattform deployen.
• Die Entwicklerdokumentation erkunden: Die offizielle Dokumentation, das Cookbook und die Prompting-Guides erläutern, wie sich Szenenerweiterungen, Videoreferenzen und Upscaling in Anwendungen integrieren lassen.

Omni 1.1 ist ab heute auch für alle Google AI Plus-, Pro- und Ultra-Abonnenten weltweit in Google Flow verfügbar. Die Szenenerweiterung ist für alle Google AI Plus-, Pro- und Ultra-Abonnenten weltweit in der Gemini App verfügbar. Die gleichzeitige Bereitstellung für Entwickler und Verbraucher-Abonnenten folgt Googles Muster, generative Modelle sowohl über API- als auch über App-Oberflächen anzubieten.

Weitere Details, einschließlich der Preistabelle, finden sich in der ursprünglichen Ankündigung im Google DeepMind Blog und auf der Gemini-Omni-Modellseite.