Gemini Omni 1.1 Flash erweitert KI-Video auf 40 Sekunden mit 4K-Upscaling
Zusammenfassung der Nachrichten
Google hat Gemini Omni 1.1 Flash ausgerollt, eine aktualisierte Produktionsversion seines nativen multimodalen Modells zur Videogenerierung und -bearbeitung, und fügt drei Hauptfunktionen hinzu: Szenenverlängerung auf bis zu 40 Sekunden, Erstes-/Letztes-Bild-Steuerung zur Lenkung der Kamerabewegung zwischen zwei bereitgestellten Keyframes und hochskalierte 4K-Ausgabe. Das Update, angekündigt am 28. und 29. August 2026 US-Westküstenzeit, bringt Omni von einem Einmal-Videogenerator hin zu dem, was Google als „lenkbares“ Kreativwerkzeug bezeichnet, das Entwickler und Studios Einstellung für Einstellung steuern können.
Was ist neu in Omni 1.1 Flash
Das Herzstück ist die Szenenverlängerung. Während frühere Versionen von Omni bei der Fortsetzung eines Clips nur das letzte Bild betrachten konnten, analysiert das Update 1.1 Flash bei jeder Aufforderung zur Szenenfortsetzung bis zu 10 Sekunden vorherigen Kontext. Verlängerungen werden in Schritten von etwa 3 bis 10 Sekunden pro Aufruf generiert und können in 10-Sekunden-Blöcken gestapelt werden, bis ein Clip die Obergrenze von 40 Sekunden erreicht. Verlängerungen werden nur am Ende eines Clips angehängt – das Modell kann kein Material vor dem Anfang einfügen oder neue Inhalte in die Mitte einer bestehenden Sequenz einsetzen.
Die Erstes-/Letztes-Bild-Steuerung ermöglicht es, ein Startbild und ein Endbild bereitzustellen, die im Prompt als <FIRST_FRAME> und <LAST_FRAME> markiert werden, und das Modell alles dazwischen generieren zu lassen. Google gibt an, dass dies der vorgesehene Weg für Effekte wie orbitale Kamerafahrten, Dolly-Zooms und nahtlose Schleifen ist, da das Modell auf ein bestimmtes visuelles Ziel hinarbeitet, anstatt frei von einem einzelnen Ausgangspunkt zu extrapolieren.
Eine verwandte Funktion, Videoreferenzen, erlaubt es, bis zu drei kurze Referenzclips (jeweils auf drei Sekunden begrenzt) in eine Generierung einzuspeisen, um dem Modell zu helfen, das Erscheinungsbild einer Figur oder den visuellen Stil einer Szene über Schnitte hinweg beizubehalten. In diesen Referenzclips eingebettetes Audio wird vom Modell ignoriert.
4K-Upscaling und Entwurfs-Workflow
Die Ausgabeauflösung ist konfigurierbar mit 360p, 720p (Standard), 1080p und 4K. Google hat ausdrücklich klargestellt, dass 1080p- und 4K-Ausgaben aus der nativen Generierung des Modells hochskaliert und nicht nativ in diesen Auflösungen gerendert werden. Um schnellere Iterationen zu unterstützen, rendern 360p-Entwurfsvorschauen bis zu 60 % schneller und kosten etwa ein Drittel der Standard-720p-Stufe, sodass Kreative eine Sequenz kostengünstig grob ausarbeiten können, bevor sie sich für ein Rendering in voller Auflösung entscheiden.
Preise und technische Einschränkungen
Gemini Omni 1.1 Flash wird pro Token abgerechnet: Eingabe-Tokens kosten 1,50 US-Dollar pro 1 Million, Textausgabe 9,00 US-Dollar pro 1 Million und Videoausgabe 17,50 US-Dollar pro 1 Million Tokens, was Google mit etwa 0,10 US-Dollar pro Sekunde 720p-Video übersetzt. Es gibt keine kostenlose Stufe und keine Option mit bereitgestelltem Durchsatz – der Zugriff ist nur über die kostenpflichtige Stufe der Gemini API möglich.
Das Modell lässt derzeit mehrere Steuerungen vermissen, die in anderen generativen Systemen üblich sind: Es gibt keine Systemanweisungen, keine Temperatur- oder top_p-Sampling-Steuerungen, keine Stoppsequenzen und keine negativen Prompts. Sprachbearbeitung und Audioreferenzen werden nicht unterstützt. Google weist darauf hin, dass englische Prompts vollständig unterstützt und getestet sind, während die Leistung in anderen Sprachen nicht formal bewertet wurde.
Jeder vom Modell erzeugte Clip wird mit SynthID wasserzeichenmarkiert, einem unsichtbaren Marker, der für Zuschauer nicht sichtbar ist, aber programmatisch erkannt werden kann, um zu verifizieren, dass ein Video KI-generiert wurde.
Verfügbarkeit und Einführung
Gemini Omni 1.1 Flash ist ab sofort über die Gemini API in Google AI Studio und über die Gemini Enterprise Agent Platform verfügbar. Es wird außerdem weltweit in Google Flow für Abonnenten der Stufen AI Plus, Pro und Ultra ausgerollt, und die Szenenverlängerungsfunktion kommt speziell für dieselben Abonnenten direkt in die Gemini-App.
Branchenreaktionen und frühe Anwender
Google gibt an, dass mehrere Unternehmen das aktualisierte Modell bereits vor der öffentlichen Einführung integriert oder getestet haben. Adobe hat es in Adobe Firefly eingebaut, und Figmas Kreativdirektor für das Weave-Produkt sagte, das Update bringe „Teams über das Erzeugen von Videos hinaus zum echten Regieführen“. GMI Cloud hob die Zuverlässigkeit des Modells für die Produktion von Bildungsinhalten hervor, und Runways Chief Creative Officer wies darauf hin, wie reibungslos sich die neuen Steuerungen in bestehende Produktionsabläufe einfügen. Google listet Anwendungsfälle aus den Bereichen Kreativproduktionswerkzeuge, Medienbearbeitungssoftware, Präsentationsvideos für Immobilien und Plattformen für Bildungsinhalte als Zielanwendungen für Entwickler, die auf dem Modell aufbauen.