Gemini Omni 1.2 Flash: KI-Videos bis 15 Sekunden, 30 % günstiger

Google DeepMind hat am 5. November Gemini Omni 1.2 Flash veröffentlicht, eine neue Version seines Modells zum Erstellen und Bearbeiten von KI-Videos. Gemini Omni Flash erzeugt jetzt Clips bis 15 Sekunden (statt 10 in Omni 1.1), lässt sich in weiteren Nachrichten nachbessern und ist allgemein in der Gemini API und Google Cloud verfügbar. Der Preis pro Sekunde 720p-Video ist um 30 % gesunken.

Was ist neu im KI-Video-Modell Gemini Omni 1.2 Flash?

Laut Googles Ankündigung sind die wichtigsten Änderungen:

1. Clips bis 15 Sekunden, die Länge ist sekundengenau von 3 bis 15 Sekunden einstellbar,
2. Bearbeitung im Gespräch: Statt alles neu zu generieren, können wir in den nächsten Runden ein Produkt oder den Hintergrund austauschen, die Beleuchtung, das Wetter oder das Seitenverhältnis ändern,
3. bessere Treue zu Referenzen: Das Modell nimmt Bilder einer Figur, eines Produkts oder eines Stils sowie kurze Bewegungsclips (bis 3 Sekunden) an, und Gesichter, Kleidung, Aufschriften auf Verpackungen und Markenfarben sollen über verschiedene Kameraeinstellungen gleich bleiben,
4. weniger „Driften“ des Bildes zwischen erstem und letztem Frame, auch bei der Interpolation zwischen Keyframes und beim Verlängern eines Clips,
5. natürlichere Dialoge, deutlicherer Lip-Sync und mehrere Sprecher in einer Szene,
6. komplexe Kamerafahrten mit weniger ungewollten Schnitten.

Interessant ist, dass Google einen konkreten Arbeitsablauf vorschlägt: Entwurf in 360p oder 720p, Korrekturen im Gespräch und zum Schluss Upscaling auf 1080p oder 4K. Jeder Clip erhält ein unsichtbares SynthID-Wasserzeichen.

Was kostet Gemini Omni 1.2 Flash?

Laut der Preisliste der Gemini API gibt es das Modell nur im kostenpflichtigen Tarif (im kostenlosen nicht), abgerechnet wird in Video-Tokens zu 12 USD pro Million. Pro Sekunde ergibt das:

Auflösung	Preis pro Sekunde
360p	ca. 0,023 USD
720p	ca. 0,07 USD
1080p (Upscaling)	ca. 0,104 USD
4K (Upscaling)	ca. 0,209 USD

Ein voller 15-Sekunden-Clip in 720p kostet also etwa 1,05 USD. Omni 1.1 Flash kostete 17,50 USD pro Million Tokens, also ca. 0,10 USD pro Sekunde 720p. Ab dem 3. Dezember 2026 werden alle Anfragen an 1.1 auf 1.2 umgeleitet und zu den neuen Preisen abgerechnet.

Wie kann man Gemini Omni 1.2 Flash ausprobieren?

Google nennt mehrere Orte:

1. Google AI Studio und Gemini API: Die Modell-ID lautet gemini-omni-1.2-flash (Dokumentation),
2. Google Cloud: in der Konsole (Vertex AI Studio) und über die API, auch mit Provisioned Throughput,
3. Flow: zum Inszenieren von Szenen und für Korrekturen über mehrere Runden,
4. Google Vids: 15-Sekunden-Clips ohne Aufpreis mit einem Google-Konto oder einem Workspace-Abo,
5. Gemini-App: wird schrittweise für Abonnenten von Google AI Ultra eingeführt,
6. Google Ads.

In der API hat ein Clip das Format 16:9 oder 9:16 und dauert standardmäßig 10 Sekunden. Wir können bis zu 6 Referenzbilder hinzufügen (bis zu 3 pro Figur, höchstens 2 Figuren) und das Video pro Runde um 3 bis 10 Sekunden verlängern, insgesamt auf bis zu 30 Sekunden.

Warum wird über Omni 1.2 so viel gesprochen?

Googles Beitrag landete auf der Startseite von Hacker News und sammelte dort über 300 Punkte und über 200 Kommentare. Die Diskussion ist allerdings gemischt: Manche loben die Konsistenz der Figuren, andere fragen, wofür 15 Sekunden Video eigentlich gut sind (die Antwort: vor allem für B-Roll und Werbung), und wieder andere beschweren sich über den verwirrenden Rollout in Googles Apps.

Dazu kommt der Preis: Video mit Ton und Bearbeitung im Gespräch für etwa einen Dollar pro 15-Sekunden-Clip in 720p. Und es ist nicht Googles einziges generatives Modell aus der visuellen Welt in den letzten Wochen, denn Ende Oktober hat DeepMind Genie 4 angekündigt.

Worauf sollte man achten?

Erstens auf die Grenzen, die Google selbst nennt: schnelle Sportszenen, abrupte Szenarienwechsel und komplexe Physik brauchen weiterhin Arbeit.

Zweitens auf die Sprache. Laut Dokumentation wird Englisch voll unterstützt, andere Sprachen wurden nicht getestet (teste deutsche Dialoge an ein paar kurzen Clips, bevor du ein ganzes Projekt darauf aufbaust).

Drittens auf die Unterschiede zwischen den Apps und der API. Die Ankündigung erwähnt Audiohinweise als Referenz, laut API-Dokumentation wird das Hochladen von Audio aber noch nicht unterstützt.

Viertens auf fehlende Zahlen. Google hat weder Benchmark-Ergebnisse noch Vergleiche mit anderen Videomodellen veröffentlicht. Die Versprechen besserer Konsistenz sollten wir also mit Vorsicht genießen, bis unabhängige Tests vorliegen. Übrigens: OpenAI hat ein paar Tage zuvor animierte GIFs in Images 2.6 zu ChatGPT hinzugefügt.

FAQ

Was ist Gemini Omni 1.2 Flash?

Ein Modell von Google DeepMind zum Erstellen und Bearbeiten von Videos mit Ton, veröffentlicht am 5. November 2026. Es erzeugt Clips von 3 bis 15 Sekunden aus Text, Bildern und kurzen Referenzvideos und lässt sie in weiteren Nachrichten nachbessern.

Ist Gemini Omni 1.2 Flash kostenlos?

In der Gemini API nicht: Das Modell gibt es nur im kostenpflichtigen Tarif, ab ca. 0,023 USD pro Sekunde in 360p. Ohne Aufpreis lassen sich 15-Sekunden-Clips in Google Vids erstellen, mit einem Google-Konto oder einem Workspace-Abo.

Was unterscheidet Omni 1.2 von Omni 1.1?

Omni 1.2 erzeugt Clips bis 15 statt 10 Sekunden, hält sich besser an Referenzen, erlaubt die Bearbeitung von Videos im Gespräch und ist pro Sekunde 720p um 30 % günstiger. Ab dem 3. Dezember 2026 landen Anfragen an 1.1 bei 1.2.