Google schaltet mit Gemini Omni 1.1 Flash die nächste Ausbaustufe seines multimodalen Video- und Kreativmodells frei. Nachdem der Konzern die Technologie im Frühjahr als multimodalen Alleskönner auf der Google I/O demonstriert und zuvor in frühen Modelltests erprobt hatte, zielt das Update nun auf den harten Produktionsalltag von Entwicklern und Kreativteams ab. Herzstück des Releases sind deterministische Steuerungsfunktionen: Entwickler können erstmals Start- und Endbilder für exakte Kamerabewegungen vorgeben, bestehende Szenen unter Berücksichtigung von bis zu zehn Sekunden Vorlauf auf bis zu 40 Sekunden verlängern und Entwürfe in einem kostengünstigen 360p-Modus iterieren, bevor die finale Sequenz in nativem 4K berechnet wird.
Der Start schlägt sich auch unmittelbar in unabhängigen Leistungstests nieder. Auf der renommierten LMSYS Video Arena setzte sich das Modell am Veröffentlichungstag mit einer Elo-Bewertung von 1515 Punkten an die Spitze des weltweiten Text-to-Video-Rankings - knapp vor der hauseigenen Basisvariante und europäischen Spitzenmodellen wie FLUX 3 Video von Black Forest Labs sowie chinesischen Konkurrenten wie ByteDances Seedance 2.5 und MiniMax H3.
Start- und End-Frames ermöglichen echte Kamera-Regie
Die bisher größte Schwachstelle generativer Videowerkzeuge war die mangelnde Kontrolle über den zeitlichen Ablauf. Wer eine bestimmte Kamerabewegung oder einen fließenden Szenenübergang benötigte, war auf unzählige Zufallsversuche angewiesen. Gemini Omni 1.1 Flash führt hierfür eine dedizierte Keyframe-Interpolation ein: Nutzer übergeben dem Modell ein Anfangs- und ein Endbild als Referenz. Die KI berechnet daraufhin die physikalisch und optisch plausible Bewegung zwischen beiden Zuständen.
Damit lassen sich komplexe filmische Stilmittel wie 360-Grad-Kameradrehungen um eingefrorene Figuren, optische Dolly-Zooms mit Hintergrund-Verzerrung oder Reißschwenks (Whip-Pans) präzise steuern. Auch nahtlose Endlos-Loops für Benutzeroberflächen oder Werbe-Banner lassen sich erzeugen, indem der erste und der letzte Frame identisch gesetzt werden.
Zehn Sekunden Kontext-Gedächtnis für 40-Sekunden-Szenen
Ein weiterer Engpass bisheriger Videogeneratoren lag in der extrem kurzen Aufmerksamkeitsspanne bei Sequenzverlängerungen. Bisherige Systeme bezogen sich bei Folgeclips oft nur auf das letzte Einzelbild oder eine einzelne Sekunde, was regelmäßig zu plötzlich wechselnder Kleidung, springenden Gesichtern oder veränderten Lichtstimmungen führte.
Nach Angaben von Google analysiert Omni 1.1 Flash bei der sogenannten Scene Extension nun bis zu zehn Sekunden des vorangegangenen Materials. Das Modell versteht dadurch die physikalische Dynamik, Geschwindigkeiten und Handlungsstränge der Szene. Videos lassen sich in Zehn-Sekunden-Schritten nahtlos auf eine Gesamtlänge von bis zu 40 Sekunden erweitern - ohne dass die narrative Konsistenz abreißt.
| Funktion / Kennzahl | Bisheriger Standard | Gemini Omni 1.1 Flash |
|---|---|---|
| Kontextfenster bei Verlängerung | 1 Sekunde / nur letztes Frame | Bis zu 10 Sekunden Vorlauf |
| Maximale Gesamtszenendauer | 5 bis 10 Sekunden | Bis zu 40 Sekunden (in 10s-Schritten) |
| Kamerasteuerung | Reine Textbeschreibungen | Start- und End-Keyframes (First & Last Frames) |
| Entwurfsmodus (Draft) | Volle Renderauflösung nötig | 360p-Vorschau (bis zu 60 % schneller, 1/3 der Kosten) |
| Maximale Ausgabeauflösung | 720p / 1080p | Natives Upscaling bis 4K |
| Multimodale Eingabe | Text und Standbilder | Bis zu 3 Sekunden Referenzvideo |
360p-Draft-Modus senkt Iterationskosten und Renderzeiten
Um Entwicklerteams und Agenturen vor explodierenden API-Rechnungen beim Ausprobieren von Ideen zu schützen, implementiert Google einen zweistufigen Produktionsprozess. Im neuen 360p-Draft-Modus generiert das Modell leichtgewichtige Video-Vorschauen. Nach Angaben des Unternehmens liegt der Systemdurchsatz dabei um bis zu 60 Prozent höher als bei der Standardauflösung von 720p, während die Token- und Rechenkosten auf rund ein Drittel sinken.
Kreativteams können so zunächst drei bis vier Timing- und Kameravarianten parallel testen, Parameter justieren und die Sequenzen erst im letzten Schritt auf 1080p oder hochauflösendes 4K hochskalieren lassen. Begleitend erlaubt das Modell nun auch die Übergabe von bis zu drei Sekunden Referenz-Videomaterial direkt im Prompt - etwa um choreografierte Tanz- oder Bewegungsabläufe auf neue Charaktere zu übertragen.
Verfügbarkeit im Entwickler-Ökosystem und Partner-Integrationen
Gemini Omni 1.1 Flash steht ab sofort weltweit über die Gemini API in Google AI Studio sowie auf der Gemini Enterprise Agent Platform zur Verfügung. Für professionelle Filmemacher und Kreative ist das Modell zudem direkt in Google Flow integriert (für Abonnenten von Google AI Plus, Pro und Ultra), während die Szenen-Verlängerung auch in der regulären Gemini-App freigeschaltet wird.
Parallel kündigten mehrere Branchengrößen bereits tiefe Integrationen an. Adobe bindet Gemini Omni Flash in Adobe Firefly für generative Videoschnitt-Workflows ein, während Figma das Modell in der Kreativumgebung Figma Weave nutzt, um Designteams die direkte visuelle Regieführung auf der Arbeitsfläche zu ermöglichen. Auch Videoplattformen wie Runway und Cloud-Infrastrukturanbieter wie GMI Cloud haben das Modell in ihre Produktionsumgebungen aufgenommen.
🎯 Was das für die Praxis bedeutet
1. Keyframes statt Zufalls-Generierung: Die Festlegung von Start- und Endbildern macht KI-Video planbar für Schnitt, Visual Effects und Produktwerbung.
2. 360p-Drafts im Workflow etablieren: Durch den Einsatz der schnellen Voransicht lassen sich Iterationsbudgets um rund zwei Drittel reduzieren.
3. Längere Werbe- und Social-Clips: Mit bis zu 40 Sekunden zusammenhängender Dauer und 10 Sekunden Kontext lassen sich vollständige Kurzgeschichten ohne harte Schnitte realisieren.
