Am 5 November 2026 begann Google mit dem Rollout von Gemini Omni 1.2 Flash – einer aktualisierten Version des Modells zur Erstellung und Bearbeitung von Videos. Der offizielle Blog des Unternehmens und der Cloud Blog bestätigen, dass das Modell nun über die Gemini API, Gemini for Business und eine Reihe von Verbraucherprodukten verfügbar ist.
Die wichtigsten Änderungen sind die Verlängerung der Cliplänge auf 15 Sekunden gegenüber 10 Sekunden in der Version 1.1, eine Preissenkung um 30 % auf 0,07 Dollar pro Videosekunde in 720p-Auflösung sowie die Einführung einer mehrstufigen dialogbasierten Bearbeitung. Der Nutzer kann Details nacheinander präzisieren, ohne den Clip vollständig neu zu erstellen.
Der Mechanismus des conversational editing ermöglicht es, Hintergrund, Beleuchtung, Objekte oder Blickwinkel innerhalb eines Clips zu ändern. Dies unterscheidet sich grundlegend von früheren Ansätzen, bei denen jede Änderung eine neue Generierung von Grund auf erforderte. Das Modell bewahrt die Konsistenz von Charakteren, Objekten und Markenelementen bei der Verwendung von Referenzen – Bildern, kurzen Videos und Audio – besser.
Die Methodik von Google betont den Workflow: ein Entwurf in niedriger Auflösung, Korrekturen im Dialog, dann Upscaling auf 1080p oder 4K. Dieses Schema senkt die Kosten und beschleunigt Iterationen, was für die Massenproduktion von Werbespots, virtuellen Anproben und erklärenden Videos wichtig ist. In den offiziellen Materialien fehlen jedoch detaillierte Benchmarks im Vergleich zu Wettbewerbern oder unabhängige Bewertungen von third-party.
In der Landschaft der Videogenerierung ist dies ein Schritt weg von Ein-Schritt-Modellen wie den frühen Sora oder Luma Dream Machine. Google setzt auf die Integration mit dem Gemini-Ökosystem und conversational control, was die Generierung dem gewohnten Montageprozess näherbringt. Im Vergleich zu Omni 1.1 ist ein Fortschritt bei der adherence zu Referenzen und der Natürlichkeit der Sprache mit Lip-Sync erkennbar.
Für Entwickler und Unternehmen eröffnen die Preissenkung und die Möglichkeit der präzisen Steuerung der Länge von 3 bis 15 Sekunden neue Szenarien. Zuvor schränkte das Limit von 10 Sekunden komplexe Narrative ein; nun lassen sich vollwertige Werbespots oder product explainers in einem Durchgang mit anschließenden Korrekturen erstellen.
Offen bleibt die Frage der langfristigen Konsistenz bei längeren Sequenzen und der Verallgemeinerung auf komplexe Szenen mit vielen sich bewegenden Objekten. Unabhängige Tests sind noch nicht veröffentlicht, und die tatsächliche Leistung in der Produktion wird von den konkreten Anwendungsfällen abhängen.
Das Update zeigt, dass Google sich nicht nur auf die Qualität der Generierung konzentriert, sondern auch auf die praktische Integration in Arbeitsabläufe, wodurch Video-KI einem Werkzeug für den alltäglichen Einsatz näherkommt.
