Gemini Omni 1.2 Flash: Google bringt 15-Sekunden-KI-Video

Längere Clips, treuere Referenzen

Bei Gemini Omni 1.1 lag die Obergrenze bei 10 Sekunden. Nun lässt sich die Länge von 3 bis 15 Sekunden in Ein-Sekunden-Schritten wählen. Laut Google erleichtert das Produktvideos, Werbung für soziale Netzwerke und kurze Erzählformate in einem Durchgang.

Zudem hält sich das Modell stärker an Vorlagen. Neben Bildern von Figuren, Produkten oder Stilen können bis zu drei Sekunden lange Bewegtbilder und Audioreferenzen genutzt werden. Gesichter, Kleidung, Verpackungen, Schriftarten und Markenfarben sollen über verschiedene Kameraperspektiven hinweg konsistent bleiben. Als Beispiel nennt Google virtuelle Anprobe-Videos aus einem Modelfoto sowie Vorder- und Rückansichten der Kleidung.

Bearbeiten ohne Neustart

Die mehrstufige Dialogbearbeitung erlaubt es, ein fertiges Video per Folgebefehl zu ändern, statt es neu zu generieren. Hintergrund, Licht, Wetter, Produkt oder Seitenverhältnis lassen sich so anpassen. Auch die Konsistenz von Figuren, Objekten und Szenen soll besser sein: Formveränderungen und verlorene Details in schnellen Bewegungen oder bei Kamerawechseln treten laut Google seltener auf.

Dialoge klingen natürlicher, die Lippensynchronisation ist genauer, und mehrere Sprecher werden besser getrennt. Fließende Kamerafahrten wie FPV-Flüge, weite Rückzüge oder Orbitalbewegungen sollen mit weniger ungewollten Schnitten gelingen.

Verfügbarkeit

Neben Gemini API und Google Cloud steht das Modell in Google AI Studio, Flow, Google Vids und Google Ads bereit. In der Gemini-App wird die 15-Sekunden-Erzeugung zunächst für Abonnenten von Google AI Ultra ausgerollt.

Alle Inhalte tragen das unsichtbare SynthID-Wasserzeichen. Google räumt ein, dass das Modell bei schnellen Sportbewegungen, abrupten Szenenwechseln und komplexer Physik weiter verbessert wird.