Laut einem Beitrag der DeepMind-Produktmanager Anish Nangia und Alisa Fortin im offiziellen Google-Blog hat Google am Donnerstag Gemini Omni 1.1 Flash angekündigt, ein produktionsreifes Update seines generativen Videomodells, das Szenenerweiterung, filmische Kamerasteuerung und 4K-Ausgabe hinzufügt.

Mit dem Update wird Omni von einem experimentellen Modell zu dem, was Google als Produktionsreife bezeichnet, für den professionellen Einsatz über die Gemini-API in Google AI Studio, wobei die Verfügbarkeit auch über die Gemini Enterprise Agent Platform aufgeführt wird. Google beschreibt Gemini Omni als einen Anbieter, der reale Überlegungen in die generative Erstellung eingebracht hat, und positioniert die Version 1.1 als den Punkt, an dem das Modell zuverlässig genug für Entwickler wird, die Video-Workflows, Kreativtools und Medienbearbeitungssoftware erstellen.

Längere Geschichten durch Szenenerweiterung

Die Hauptfunktion ist die Szenenerweiterung, die es Entwicklern ermöglicht, ein bereits generiertes Video zu übernehmen und nahtlos dort mit der Generierung von Filmmaterial fortzufahren, wo sie aufgehört haben. Mit Omni 1.1 kann das Modell laut Google bis zu 10 Sekunden des vorherigen Kontexts analysieren – ein Sprung gegenüber früheren Modellen, die sich nur auf die letzte Sekunde bezogen. Das Ergebnis ist nach Angaben des Unternehmens eine verbesserte visuelle Konsistenz und erzählerische Einhaltung beim Erstellen längerer Geschichten oder beim Einschlagen in neue kreative Richtungen.

Videos können in 10-Sekunden-Schritten bis zu einer Gesamtlänge von 40 Sekunden verlängert werden. Das ist immer noch weniger als bei herkömmlichen Videolängen, aber bei Kurzinhalten, Werbekreationen und Vorvisualisierungsarbeiten geht Google davon aus, dass Kontrolle und Konsistenz wichtiger sind als die Dauer.

Das neben der Ankündigung veröffentlichte Demonstrationsmaterial zeigt, wie der Arbeitsablauf in der Praxis funktionieren soll: Jede neue Eingabeaufforderung setzt die vorherige Szene fort, wobei das Modell den visuellen Kontext weiterleitet, während die Eingabeaufforderung Änderungen in der Kamerabewegung, der Einstellung und sogar der Stimmung steuert – eine Sequenz wechselt von einem engen Gespräch zu einem langsamen Rückzug durch staubige Katakomben und dann in eine riesige schwebende Bibliothek. Der Aufbau einer Szene in Ebenen, statt sie in einer Aufnahme zu erstellen, ähnelt eher der Art und Weise, wie ein Editor Filmmaterial zusammenstellt, als der Funktionsweise früherer Text-zu-Video-Tools.

Kamerasteuerung und Bildinterpolation

Die Veröffentlichung fügt außerdem hinzu, was Google als Videoproduktionstools in Studioqualität bezeichnet. Zu den Beispielen, die im Ankündigungsbeitrag gezeigt werden, gehören ein filmischer Dolly-Zoom, der die Kamera beim Herauszoomen vorwärts bewegt, ein mechanischer Snap-Zoom in die Augen einer Figur und eine 360-Grad-Orbitalrotation um eine eingefrorene Figur, um 3D-Tiefe und Parallaxe zu zeigen.

Entwickler können auch das erste und das letzte Bild für eine Aufnahme festlegen, wobei das Modell sanfte Übergänge zwischen ihnen interpoliert – eine Technik, die professionellen Animatoren vertraut ist und eine fein abgestimmte Kontrolle darüber ermöglicht, wo eine Aufnahme beginnt und endet. Verfolgen Sie die neuesten KI-Entwicklungen, während Google seinen schnellen Veröffentlichungsrhythmus fortsetzt.

In 360p iterieren, in 4K liefern

Omni 1.1 Flash führt einen zweistufigen Qualitätsworkflow zur Kostenkontrolle ein. Entwickler können schnelle 360p-Vorschauen erstellen, um Ideen während des kreativen Prozesses schneller und kostengünstiger umzusetzen, und dann das endgültige Projekt auf 4K-Auflösung hochskalieren, um ein ausgefeiltes Ergebnis zu erzielen. Laut Google erzeugt die Hochskalierung eine gestochen scharfe, hochauflösende Ausgabe, die für den professionellen Einsatz geeignet ist.

Die Vorschau-zu-4K-Pipeline befasst sich mit einem der hartnäckigen wirtschaftlichen Probleme generativer Videos: den Kosten für die Wiederherstellung der Ausgabe in voller Auflösung bei jeder Änderung einer Eingabeaufforderung. Durch die Entkopplung der Exploration von der Bereitstellung macht Google das Modell für kommerzielle Pipelines praktischer, bei denen Dutzende von Iterationen einem endgültigen Rendering vorausgehen.

Warum es wichtig ist

Das Update spiegelt einen Branchenwandel von der Qualität der Roherzeugung hin zur Steuerbarkeit wider – die Möglichkeit, Kamerabewegungen zu steuern, die Charakterkonsistenz beizubehalten und exakte Bilder zu treffen, so wie es ein Regisseur oder Redakteur tun würde. Für Entwickler, die kreative Software entwickeln, liegt der Unterschied zwischen einer Demoversion und einem bereitstellbaren Produkt oft in diesen Steuerelementen und nicht in der reinen Wiedergabetreue.

Durch die Formulierung der Veröffentlichung durch Google wird die beabsichtigte Zielgruppe deutlich. Das Unternehmen nennt drei Zielkategorien – generative Video-Workflows, Kreativtools und Medienbearbeitungssoftware – und beschreibt die Aktualisierungen so, dass generative Videos besser kontrollierbar, schneller iterierbar und für den Einsatz in der Praxis optimiert sind. In der Veröffentlichungszusammenfassung erscheint neben der 4K-Hochskalierung auch die schnellere Prototypenerstellung, was unterstreicht, dass die Iterationsgeschwindigkeit als eigenständige Funktion verkauft wird.

Da Omni 1.1 Flash in AI Studio und über die Gemini API verfügbar ist, drängt Google das Modell über die Gemini Enterprise Agent Platform auch auf Unternehmensanwender und signalisiert damit, dass generatives Video als Geschäftsinfrastruktur und nicht als Verbraucherneuheit positioniert wird.

Was Sie sehen sollten

Preisdetails für die 4K-Ausgabe wurden in der Ankündigung nicht hervorgehoben, und die Entwickler werden beobachten, wie sich die kumulative 40-Sekunden-Grenze auf reale Produktionspläne auswirkt. Der Wettbewerb im KI-Videobereich ist nach wie vor hart, da Konkurrenten in rasantem Tempo ihre eigenen Steuerbarkeitsfunktionen auf den Markt bringen – eine Dynamik, die in diesem Jahr die Haltbarkeit hochmoderner Ansprüche wiederholt verkürzt hat.

Die Botschaft von Google an die Entwickler ist vorerst direkt: Generative Videos, die früher schnelle Alchemie und Glück erforderten, können jetzt über eine einzige API in 4K gedreht, erweitert und fertiggestellt werden.

---

Der KI einen Schritt voraus sein

Erhalten Sie die neuesten KI-Nachrichten, Analysen und Durchbrüche – alles an einem Ort.

Weitere KI-Neuigkeiten lesen →