Google hat die allgemeine Verfügbarkeit von Gemini Omni 1.2 Flash angekündigt, der neuesten Version seines multimodalen Videogenerierungsmodells. Laut der offiziellen Ankündigung von Google bietet das Update native 15-Sekunden-Videoerstellung, mehrstufige Konversationsbearbeitung und eine verbesserte Einhaltung von Referenzen, während die Preise um 30 Prozent gesenkt werden. Das Modell wird heute über die Gemini API, Google Cloud, Google Vids und Gemini for Business eingeführt.

Anish Nangia, Produktmanager bei Google DeepMind, stellte die Veröffentlichung in einem Blogbeitrag mit dem Titel „Gemini Omni 1.2 Flash: Schnell und kostengünstig mit längeren Clips“ vor und positionierte sie als produktionsbereite Option für Entwickler und Unternehmen, die Videoinhalte in großem Maßstab erstellen. Weitere Informationen zu dieser Geschichte finden Sie in unserer KI-Branchenberichterstattung.

Was ist neu in Gemini Omni 1.2 Flash?

Die Hauptfunktion ist die native Unterstützung von 15-Sekunden-Videoclips, eine sinnvolle Erweiterung gegenüber früheren Versionen der Omni-Reihe. Laut Google bietet das Modell auch eine stärkere Konsistenz über Frames hinweg, was für professionelle Projekte von Bedeutung ist, bei denen die Kontinuität zwischen Aufnahmen über den endgültigen Output entscheiden kann.

Die zweite große Neuerung ist die Konversationsbearbeitung mit mehreren Runden. Anstatt einen Clip von Grund auf neu zu erstellen, wenn ein Detail falsch ist, können Entwickler und Ersteller jetzt Videos durch eine Abfolge von Gesprächsanweisungen verfeinern. Laut Google ermöglicht dies schnellere Anpassungen, ohne von vorne beginnen zu müssen, was sowohl die Iterationszeit als auch die Token-Kosten für Teams reduzieren sollte, die Videos in großen Mengen produzieren.

Google hat auch die sogenannte Referenztreue verbessert – die Fähigkeit des Modells, sich an die visuellen Referenzen und Anweisungen eines Nutzers zu halten. In der Praxis bedeutet das, dass Charaktere, Stile und Szenenelemente, die sich an einem Referenzbild oder einer Beschreibung orientieren, im gesamten generierten Clip originalgetreuer bleiben sollten.

Preise sinken um 30 Prozent

Die Kosten waren eines der Haupthindernisse für den Produktionseinsatz der KI-Videogenerierung, und Google greift sie direkt an. Das Unternehmen senkte den Preis von Gemini Omni 1.2 Flash im Vergleich zur Vorgängerversion um 30 Prozent und bezeichnete das Modell als kostengünstige Option für die Videoproduktion in großen Mengen.

Die Preissenkung erfolgt, da sich der Wettbewerb in der multimodalen Stromerzeugung verschärft. OpenAI, Meta und eine Reihe von Start-ups haben sich im vergangenen Jahr allesamt dem KI-Video verschrieben, und Entwickler entscheiden sich zunehmend für Modelle, die sowohl auf den Kosten pro Clip als auch auf der Rohqualität basieren. Die Entscheidung von Google, längere Clips mit niedrigeren Preisen zu kombinieren, deutet darauf hin, dass Gemini Omni die Standardwahl für kommerzielle Arbeitslasten und nicht nur für Experimente sein soll.

Wo Entwickler es nutzen können

Gemini Omni 1.2 Flash ist allgemein verfügbar, was laut Google bedeutet, dass es eher für Produktionsanforderungen als für die experimentelle Vorschau geeignet ist. Entwickler können über die Gemini-API und Google Cloud darauf zugreifen, während Geschäftsanwender es in Google Vids und Gemini for Business verwenden können, um Videoinhalte für Marketing-, Schulungs- und Kommunikationsworkflows zu erstellen.

Diese Verteilung ist wichtig. Durch die direkte Einbettung des Modells in an Workspace angrenzende Tools wie Google Vids erhält Google einen Kanal für Unternehmenskunden, bei denen reine Startups für die Videogenerierung jeweils um einen Vertrag kämpfen müssen.

Die schnelle Trittfrequenz der Omni-Linie

Gemini Omni 1.2 Flash erscheint etwa zehn Wochen nach der Einführung von Gemini Omni 1.1 Flash durch Google Ende August und etwa fünfeinhalb Monate nach dem Debüt des ursprünglichen Gemini Omni im Mai. Der stetige Rhythmus von etwa vierteljährlichen Updates spiegelt wider, wie schnell Google seine Grenzmodellfamilien mittlerweile iteriert, wobei Flash-Varianten als schnelle und erschwingliche Stufe jeder Generation positioniert sind.

Die Veröffentlichung erregte sofort Aufmerksamkeit in der Entwickler-Community. Der Start lag am Freitagmorgen an der Spitze von Hacker News und sammelte innerhalb weniger Stunden mehr als 170 Punkte und über 130 Kommentare. Die Diskussion konzentrierte sich auf die Preisgestaltung, die 15-Sekunden-Grenze und darauf, wie der Bearbeitungsworkflow des Modells im Vergleich zu Alternativen abschneidet.

Was es für den KI-Videomarkt bedeutet

Das Update kommt zu einem turbulenten Zeitpunkt für KI-Unternehmen. Der Ausverkauf an den Aktienmärkten in dieser Woche, der teilweise durch Bedenken der Anleger hinsichtlich der Monetarisierung von KI ausgelöst wurde, hat jedes große Labor unter Druck gesetzt, zu zeigen, dass sich Pionierforschung in Einnahmen niederschlägt. Eine günstigere und schnellere Videogenerierung ist eine direkte Antwort auf diese Frage: Niedrigere Preise vergrößern den Kundenstamm, und der Status „Produktionsreife“ lockt mit Unternehmensbudgets, die Tools in der Experimentierphase nie sehen.

Für Entwickler ist die praktische Erkenntnis einfach. Während die Arbeitslast bei der Videogenerierung zuvor durch die Länge des Clips, den Preis oder die Mühe, die Ausgabe nach jeder Änderung neu zu generieren, eingeschränkt war, beseitigt Gemini Omni 1.2 Flash heute mindestens zwei dieser drei Reibungspunkte. Ob die Konkurrenten mit entsprechenden Preissenkungen reagieren – wie sie es nach früheren Gemini Flash-Veröffentlichungen getan haben – wird eine der Geschichten sein, die es in den kommenden Wochen zu beobachten gilt.

Die Konsistenzverbesserungen verdienen besondere Aufmerksamkeit von Teams, die frühere Videomodelle ausprobiert und verworfen haben. Die Ankündigung von Google zielt speziell auf „professionelle Projekte“ ab und erkennt an, dass die Kohärenz von Bild zu Bild – Charaktere, die in allen Aufnahmen gleich aussehen, Beleuchtung, die sich in der Mitte der Szene nicht verschiebt – das ist, was eine Demo von lieferbarem Inhalt unterscheidet. In Kombination mit der Konversationsbearbeitung ähnelt der von Google beschriebene Workflow weniger einem Spielautomaten, der Clips neu generiert, sondern eher wie einem iterativen Designtool.

Laut Google können Entwickler die neuen Funktionen sofort in der Gemini API, Google Vids und Gemini for Business nutzen.

---

Bleib vorne bei KI

Die neuesten KI-Nachrichten, Analysen und Durchbrüche – alles an einem Ort.

Mehr KI-Nachrichten lesen →