Gemini Omni Flash: Googles Video-Modell, das du per Sprache bearbeitest
Googles Any-to-Any-Modell erzeugt 720p-Videos mit synchronisiertem Audio – und lässt dich sie im Gespräch, über mehrere Runden hinweg, bearbeiten.
Gemini Omni Flash: Googles Videomodell, das man per Zuruf bearbeitet
Gemini Omni Flash ist Google DeepMinds erstes Any-to-Any-Multimodal-Videogenerierungsmodell — keine Sprachschnittstelle, kein Chatbot-Upgrade und ausdrücklich nicht dasselbe wie OpenAIs „Omni"-Architektur. Bevor wir weitermachen, sollten wir dieses Missverständnis aus dem Weg räumen, denn es prägt alles, wie man über dieses Modell denken sollte.
Als OpenAI GPT-4o veröffentlichte, nannten sie es „Omni", um Echtzeit-Sprach- und Bildeingabe in einem einzigen Modell zu signalisieren. Googles Verwendung von „Omni" bedeutet etwas strukturell anderes: Es beschreibt eine neue Modellfamilie, die darauf ausgelegt ist, jede Eingabemodalität (Text, Bilder, Audio, Video) zu akzeptieren und jede Ausgabemodalität in einem einzigen Durchlauf zu generieren — beginnend mit Video, wobei Bild- und Audioausgaben später auf der Roadmap folgen. Googles Omni ist eine generative Architektur. OpenAIs „Omni" war eine Wahrnehmungsgeschichte. Das sind nicht dieselben Konzepte.
Diese Einordnung ist wichtig, denn Gemini Omni Flashs eigentliche Superkraft ist nicht die Sprachinteraktion — es ist konversationelle, zustandsbehaftete Videobearbeitung über mehrere Runden hinweg. Man kann einen Clip generieren, ihm sagen, die Beleuchtung zu ändern, ihn bitten, die Szene zu erweitern, das Outfit einer Figur zu wechseln und den Kamerawinkel anzupassen — über eine durchgehende Sitzung hinweg, in der sich das Modell merkt, was es gebaut hat. Diese Fähigkeit, zusammen mit integriertem synchronisiertem Audio und KI-Avatar-Generierung, macht es zu etwas wirklich Neuem in der Landschaft der Videogenerierung.
Was „Omni" bei Google tatsächlich bedeutet
Google DeepMind hat die Omni-Familie auf der Google I/O am 19. Mai 2026 angekündigt, mit allgemeiner Verfügbarkeit für Entwickler/API ab dem 30. Juni 2026. Die Omni-Architektur basiert auf dem Prinzip, dass ein einzelnes Modell alle Modalitäten nativ verarbeiten sollte — nicht durch verkettete Spezialmodelle mit angeflanschten Adaptern, sondern in einem einheitlichen Repräsentationsraum.
Zum Launch beginnt die „Any Output"-Seite dieser Gleichung speziell mit Video. Das Modell gibt MP4-Clips in 720p, 24fps, im Format 16:9, 9:16 oder 1:1 aus, mit einer Länge zwischen 4 und 10 Sekunden — mit synchronisiertem Audio, das im selben Durchlauf generiert wird. Bildausgabe und eigenständige Audioausgabe stehen auf der Roadmap, sind aber noch nicht live.
„Flash" ist die Geschwindigkeits- und Kostenstufe, konsistent mit Googles Namensgebung in der gesamten Gemini-Familie. Ein Gemini Omni Pro ist geplant, das vermutlich in Richtung höherer Auflösung und längerer Dauer vorstoßen wird. Vorerst ist Omni Flash das Modell, das über die Gemini API verfügbar ist (öffentlicher Vorschau-Modellstring: gemini-omni-flash-preview), Google AI Studio, Flow, YouTube, die Gemini-App und — für Praktiker, die es neben 150+ anderen Medienmodellen laufen lassen möchten, ohne Google Cloud IAM anzufassen — Happycapy.
Eingabemodalitäten: Was jetzt funktioniert, was nicht
Die offizielle Dokumentation beschreibt ein umfangreiches Eingabeschema, und es lohnt sich, hier präzise zu sein, denn manche Eingaben werden von der API akzeptiert, funktionieren beim Launch aber nicht:
Funktioniert beim Launch:
- Textprompts (volle Unterstützung)
- Bilder — bis zu 7 Referenzbilder für Charakter-/Produktkonsistenz oder Stilübertragung
- Audio als Stimmreferenz für KI-Avatare (Gesichts-/Stimmreplikation)
Vom Schema akzeptiert, funktioniert beim Launch NICHT:
- Videoreferenzen als Eingabe
- Generische Audioeingabe (nicht-Avatar-Anwendungsfälle)
Das ist ein bedeutsamer Vorbehalt. „Videoreferenz-zu-Video-Bearbeitung" klingt nach einem zentralen Anwendungsfall, und das Schema akzeptiert es technisch — aber wenn man eine Videoreferenz sendet und erwartet, dass das Modell sie umstyt oder erweitert, erhält man unvorhersehbare Ergebnisse. Der verlässliche Weg heute ist: Referenzbilder für visuelle Konsistenz nutzen, Text für die Szenenregie und den Multi-Turn-Bearbeitungsablauf für die Iteration. Videoeingabe ist eine bekannte Einschränkung, die sich vermutlich schließen wird, wenn Omni reift.
Das prägende Merkmal: Konversationelle Mehrfach-Runden-Bearbeitung
Jedes andere Videogenerierungsmodell — Veo 3.1, Seedance 2.0, Sora 2 (vor seiner Einstellung als Verbraucherprodukt), Runway, Kling — arbeitet nach einem Prompt-pro-Clip-Modell. Man schreibt einen Prompt, man bekommt einen Clip. Gefällt er nicht, schreibt man einen neuen Prompt und bekommt einen neuen Clip. Iteration ist eine Reihe voneinander getrennter Generierungsereignisse.
Gemini Omni Flash bricht mit diesem Modell. Mithilfe des Parameters previous_interaction_id in der Gemini API hält es zustandsbehafteten Kontext über mehrere Runden hinweg aufrecht. Man generiert einen Clip, das Modell behält ihn im Gedächtnis, und nachfolgende Anweisungen verändern ihn — nicht von Grund auf neu, sondern als Bearbeitungen auf dem bestehenden Ergebnis.
In der Praxis sieht ein Arbeitsablauf so aus:
- „Generiere einen 6-sekündigen Clip einer Frau in einem Café, die einen Brief liest, warmes Morgenlicht, geringe Schärfentiefe."
- „Ändere das Café zu einer Dachterrasse mit Stadtskyline."
- „Zoome jetzt leicht heraus und füge Umgebungsgeräusche der Straße hinzu."
- „Die Jacke der Frau sollte dunkelblau sein, nicht grau."
Jede Runde bewahrt, was zuvor war, und wendet die Änderung an. Das fühlt sich funktional so an, wie mit einem menschlichen Videoeditor zu arbeiten — außer dass jede Runde etwa 0,10–1,00 $ kostet, je nach Cliplänge, und die Antwort innerhalb von Sekunden erfolgt.
Der ehrliche Vorbehalt: Ab Runde 4–5 setzt Drift ein. Das Modell hält die Kohärenz zuverlässig über etwa vier Bearbeitungsrunden; ab Runde fünf beginnen Charakterkonsistenz, Beleuchtungskontinuität und räumliche Beziehungen zu zerfallen. Für komplexe Sequenzen hat sich unter Praktikern folgendes Muster etabliert: eine hochwertige Basis in Seedance 2.0 oder Veo 3.1 generieren, sie dann in eine Omni-Flash-Bearbeitungssitzung zur Verfeinerung bringen — Omni Flash als Präzisions-Finishing-Werkzeug behandeln statt als primäre Generierungs-Engine. Darauf kommen wir zurück.
Diagramm: Wie zustandsbehaftete Mehrfach-Runden-Bearbeitung in Gemini Omni Flash funktioniert. Jede Runde erteilt eine Anweisung; das Modell führt den Kontext über previous_interaction_id fort, um gezielte Bearbeitungen anzuwenden, ohne von Grund auf neu zu generieren.
Audio: Das andere Unterscheidungsmerkmal, das die meisten übersehen
Jedes von Gemini Omni Flash generierte Video enthält synchronisiertes Audio, gerendert im selben Inferenzdurchlauf. Das ist kein Nachbearbeitungsschritt oder ein separates Audiomodell, das an einen stummen Clip angeflickt wird — das Modell generiert Video und Ton gemeinsam, mithilfe physikbasierter Klangsimulation.
Was das in der Praxis bedeutet: Beschreibt der Prompt Wellen, die an einer Küste brechen, erhält man Wellengeräusche. Eine Café-Szene erzeugt Umgebungsgemurmel und Kaffeemaschinengeräusche. Eine sprechende Figur erzeugt lippensynchronen Dialog. Die Synchronisation ist präzise — komfortabel unter einer Sekunde —, und bei Clips unter sechs bis sieben Sekunden bleibt die Qualität erhalten. Darüber hinaus wird eine Lippensynchronisationsabweichung spürbar, was den derzeit optimierten Sweet Spot von 4–10 Sekunden bestätigt.
Für Content-Ersteller, die bisher Video + Stock-Audio + Nachbearbeitung in drei separaten Tools zusammengefügt haben, ist es wirklich wertvoll, all das in einem einzigen Generierungsaufruf zu bekommen. Es ist nicht immer perfekt — aber es ist ein starker Ausgangspunkt, der eine ganze Ebene an Produktionsaufwand entfernt.
KI-Avatare: Der unauffällige Anwendungsfall
Gemini Omni Flash enthält eine eigenständige Funktion namens KI-Avatare: Ausgehend von einem Referenzbild eines Gesichts und einer Stimmprobe (zur Stimmklonung) generiert es ein fotorealistisches Video dieses sprechenden Avatars. Das ist der eine Anwendungsfall, bei dem Audio-als-Eingabe beim Launch tatsächlich funktioniert — speziell als Stimmreferenz für den Avatar.
Für Marketingteams, E-Learning-Produzenten und Kundenkommunikation im großen Maßstab ist die Avatar-Funktion sofort umsetzbar. Ein Markensprecher-Video generieren, es durch Austausch von Stimmklon + Textprompt lokalisieren, in dreißig Sekunden erneut ausführen. Adobe Firefly, Invideo und WPP gehören zu den frühen Unternehmensanwendern, die Avatare speziell als primäre Workflow-Integration nennen.
Es gibt wichtige Leitplanken: Die Inhaltsrichtlinie blockiert echte Namen und Ähnlichkeiten nicht einwilligender Personen, Alterungssimulationen, Kampfszenen und alles, was vernünftigerweise ein Deepfake einer realen Person darstellen könnte. Sprachbearbeitung — das rückwirkende Verändern dessen, was jemand zu sagen scheint — wird vollständig verweigert, als bewusste Entscheidung zur Deepfake-Prävention. Jede Ausgabe trägt ein nicht deaktivierbares SynthID-Wasserzeichen (für Menschen unsichtbar, maschinenlesbar) plus C2PA Content Credentials. Das ist ein umfassenderer Herkunftsnachweis-Stack als bei jedem anderen derzeit verfügbaren Videomodell.
Benchmarks: Was Google behauptet vs. was unabhängig verifiziert ist
Googles interne Bewertungen durch menschliche Prüfer behaupten, Omni Flash sei auf Platz 1 bei:
- Videobearbeitungspräferenz und Befolgung von Anweisungen
- Text-zu-Video-Qualität (MovieGenBench)
- Referenz-zu-Video-Konsistenz
- Bild-zu-Video (geteilter Platz 1, VBench I2V)
Das sind überzeugende Zahlen, aber die ehrliche Einschätzung ist, dass es sich bei all dem um Google-interne Bewertungen handelt. Zum Zeitpunkt der Erstellung dieses Artikels wurden keine unabhängigen Head-to-Head-Benchmarks veröffentlicht. Bemerkenswerterweise wurde Omni Flash noch nicht bei der Artificial Analysis Video Arena eingereicht, wo Seedance 2.0 derzeit bei realistischer menschlicher Bewegung und Physik führt. Bis diese Einreichung erfolgt und Drittanbieter-Ergebnisse eintreffen, sollten die Benchmarks als indikativ statt als definitiv behandelt werden.
Der Konsens unter Praktikern von frühen Testern entspricht dem, was man erwarten würde: starke semantische Genauigkeit, solide Audiosynchronisation, wirklich neuartige konversationelle Bearbeitung — aber mit sichtbaren Schwächen bei der Bewegungsphysik („schwebendes" Gefühl, unzureichende Gewichtssimulation), brechender Gesichtskonsistenz bei Kopfdrehungen, Fehlern bei nicht-lateinischer Schrift (Hiragana und strichreiche chinesische Schriftzeichen waren in praktischen Tests besonders unzuverlässig) und der oben erwähnten Vier-Runden-Bearbeitungsobergrenze.
Gemini Omni Flash vs. die Konkurrenz
Hier ist ein ehrlicher Vergleich über die Modelle, die man wahrscheinlich am ehesten neben Omni Flash evaluiert:
| Gemini Omni Flash | Veo 3.1 | Seedance 2.0 | Sora 2 | |
|---|---|---|---|---|
| Max. Auflösung | 720p | Bis zu 4K | Bis zu 1080p | N/A (eingestellt) |
| Multi-Turn-Bearbeitung | Ja (zustandsbehaftet, ~4 Runden) | Nein | Nein | Nein |
| Audiogenerierung | Ja (im selben Durchlauf, physikbasiert) | Ja | Nein | Nein |
| KI-Avatare | Ja | Nein | Nein | Nein |
| Ca. Kosten/Sekunde | ~0,10 $ | ~0,40–0,75 $ | Variabel | N/A (API-Einstellung Sep. 2026) |
| Stärken | Workflow/Bearbeitung, Avatare, Audio | Filmische Qualität, Langform | Realistische menschliche Bewegung, Physik | N/A |
| Schwächen | 720p-Obergrenze, Bewegungsphysik, 4-Runden-Drift | Keine zustandsbehaftete Bearbeitung, teurer | Keine konversationelle Bearbeitung, kein Audio | Eingestellt |
vs. Veo 3.1: Veo ist die richtige Wahl, wenn filmische Qualität das primäre Ergebnis ist und keine konversationelle Iteration geplant ist. Kameraleute und hochwertige Werbeproduktion sollten dort anfangen. Omni Flash gewinnt, wenn Iterationsgeschwindigkeit, integriertes Audio oder die Avatar-Funktion benötigt werden — und wenn 720p für den Anwendungsfall akzeptabel ist (was bei YouTube Shorts, Social-Content und Produktdemos meist der Fall ist).
vs. Seedance 2.0: Seedance führt derzeit bei unabhängigen Leaderboard-Werten für den Realismus menschlicher Bewegung. Wer Aufnahmen von sich bewegenden Menschen generiert — Gehen, Tanzen, sportliche Bewegung — für den hat Seedances Physiksimulation weiterhin einen Vorteil. Der aufkommende Workflow: den Basisclip in Seedance generieren, ihn dann konversationell in Omni Flash verfeinern. Man erhält die Bewegungsqualität eines Spezialmodells plus die Bearbeitungsflexibilität von Omnis Multi-Turn-Schnittstelle.
vs. Sora 2: Mittlerweile weniger relevant. OpenAIs Verbraucher-App Sora wurde im April 2026 eingestellt, und die API-Einstellung ist für September 2026 geplant. Sora ist keine langfristig tragfähige Wahl.
Dieser Vergleich stellt auch Omni Flashs Preisgestaltung in Kontext. Bei etwa 0,10 $ pro Sekunde (1,50 $/Mio. Eingabe-Tokens, 17,50 $/Mio. Video-Ausgabe-Tokens) kostet ein 10-sekündiger Clip ungefähr 1,00 $. Das ist 4–7-mal günstiger als Veo 3.1. Multi-Turn-Bearbeitung bedeutet allerdings, dass mehrere Generierungsdurchläufe ausgeführt werden, sodass eine vierrundige Bearbeitungssitzung an einem 10-sekündigen Clip etwa 4,00 $ kosten könnte — für professionelle Produktion immer noch angemessen, aber bei Volumenschätzungen zu berücksichtigen.
Wo Omni Flash tatsächlich in einen echten Produktions-Workflow passt
Der zu vermeidende Fehler ist, Omni Flash als Ersatz für jedes verwendete Videomodell zu behandeln. Es ist beim Launch nicht die Option mit der höchsten Wiedergabetreue, und das war auch nicht die Absicht. Die Designthese lautet: Video zu bearbeiten sollte sich anfühlen wie das Gespräch mit einem Mitarbeiter, nicht wie das Einreichen eines neuen Tickets bei jeder gewünschten Änderung.
Die Workflows, in denen es heute uneingeschränkt gewinnt:
1. Social Content im großen Volumen. 720p ist völlig ausreichend für TikTok, YouTube Shorts, Instagram Reels. Die Avatar-Funktion zusammen mit konversationeller Bearbeitung bedeutet, dass man eine lokalisierte Kurzvideoserie schneller produzieren kann als mit jedem anderen Stack. Generieren → durch Zuruf verfeinern → veröffentlichen.
2. Produktdemo-Video. Referenzbilder eines Produkts + Textregie + konversationelle Verfeinerung ergeben einen überzeugenden Workflow für E-Commerce- und SaaS-Teams. Keine separate Audioproduktion nötig.
3. Prototyping und Storyboarding. Die niedrigen Kosten und die schnelle Iteration machen Omni Flash ideal, um Konzepte zu visualisieren, bevor man sich auf teure hochauflösende Generierung festlegt. Als Voranschau-Ebene nutzen.
4. Verfeinerung auf Basis von Spezialmodell-Ausgaben. Die hochwertige Basis in Veo 3.1 oder Seedance 2.0 generieren. Sie als Referenz importieren (sobald Videoeingabe verfügbar ist) oder beschreiben, was man hat, und dann Omni Flashs konversationelle Ebene nutzen, um Details anzupassen. Das ist das Muster, auf das frühe Unternehmensanwender zusteuern.
Die Workflows, bei denen zuerst ein Spezialmodell die richtige Wahl ist:
- Filmischer 4K-Content → Veo 3.1
- Realistische menschliche Bewegung / Sport → Seedance 2.0
- Langform (>10s) mit konsistenten Charakteren → Veo 3.1 oder auf Omni Pro warten
Gemini Omni Flash auf Happycapy ausführen (ohne Google-Cloud-Einrichtung)
Gemini Omni Flash direkt über die Gemini API zum Laufen zu bringen, erfordert ein Google-Cloud-Projekt, API-Schlüssel-Bereitstellung, Verständnis des öffentlichen Vorschau-Modellstrings und typischerweise etwas Iteration am API-Schema. Das ist eine vernünftige Investition für ein Engineering-Team, das einen dedizierten Workflow aufbaut — aber es ist Reibung, wenn man das Modell schnell testen oder es neben anderen Videogeneratoren zum Vergleich laufen lassen möchte.
Happycapy hostet Gemini Omni Flash als eines von 150+ Modellen — einschließlich Veo 3.1, Seedance 2.0, Bildgenerierungsmodelle wie Seedream 4.5 und andere — in einer browserbasierten Cloud-Sandbox. Kein Google-Cloud-Konto erforderlich. Kein separater API-Schlüssel pro Anbieter. Man kann eine Gemini-Omni-Flash-Generierung ausführen, sie mit einer Seedance-2.0-Ausgabe bei demselben Prompt vergleichen und einen Multi-Modell-Workflow aufbauen, der jedes Modell dort einsetzt, wo es am stärksten ist — alles in einer Oberfläche.
Für Teams, die agentische KI-Workflows rund um die Videoproduktion erkunden, ist die Möglichkeit, Modellaufrufe zu verketten — in Seedance generieren, in Omni Flash verfeinern, einen Bericht oder eine Bildunterschrift in einem Sprachmodell synthetisieren — ohne separate API-Integrationen zusammenzuflicken, ein bedeutender Zeitgewinn.
Kostenlos starten auf happycapy.ai
Das ehrliche Urteil
Gemini Omni Flash ist nicht das schärfste Videomodell, das man heute nutzen kann. Vergleicht man rohe Bildqualität bei gleicher Auflösung, gewinnt Seedance 2.0 bei der Bewegungsphysik, und Veo 3.1 gewinnt bei filmischem Politur. Das ist eine reale Einschränkung, und die 720p-Obergrenze, der Vier-Runden-Bearbeitungsdrift und Fehler bei nicht-lateinischer Schrift sind echte Reibungspunkte für manche Workflows.
Aber diese Vergleiche verfehlen, was Omni Flash eigentlich versucht zu erreichen. Das Modell geht die Wette ein, dass Workflow-Flüssigkeit mehr zählt als marginale Genauigkeitsgewinne — und diese Wette geht in realen Produktionsumgebungen öfter auf als nicht. Die Fähigkeit, „den Hintergrund abdunkeln" zu sagen, ein Ergebnis zu bekommen, dann „jetzt die Farbabstimmung wärmer verschieben" zu sagen und ein weiteres Ergebnis zu bekommen — in einer durchgehenden Sitzung, für 0,10 $/Sekunde — ist eine grundlegend andere Beziehung zur Videogenerierung als alles andere, was derzeit verfügbar ist.
Die Omni-Familie ist eindeutig ein mehrjähriges Architekturprojekt bei Google DeepMind. Omni Pro kommt. Videoeingabe (derzeit akzeptiert, aber nicht funktional) wird geschlossen werden. Die Auflösung wird skalieren. Das konversationelle Bearbeitungsmodell wird mehr Runden vor dem Drift ermöglichen. Was man heute evaluiert, ist das erste Modell einer Familie — eines, das sich bereits seinen Platz in einem Multi-Modell-Stack verdient, auch wenn es Spezialisten noch nicht ersetzt.
Für Praktiker: parallel nutzen, nicht isoliert. Es dort einsetzen, wo seine Workflow-Vorteile real sind, Spezialisten dort einsetzen, wo Wiedergabetreue entscheidend ist. Der Stack ist Seedance 2.0 + Veo 3.1 für Generierungsqualität, Omni Flash für konversationelle Verfeinerung und Avatare. Diese Kombination ist heute stärker als jedes einzelne Modell.
Für einen tieferen Blick darauf, wie Googles multimodale Architektur mit Bildgenerierungsmodellen wie GPT Image 2 vergleicht, oder für Kontext dazu, wie MCP-Server-Integrationen in einer Videoproduktionspipeline aussehen, lohnen sich diese Ressourcen zum Lesen.
Zugriff auf Gemini Omni Flash zusammen mit der vollständigen Modellbibliothek — keine Google-Cloud-Einrichtung, keine anbieterspezifischen API-Schlüssel:
Kostenlos starten auf happycapy.ai
FAQ
Was ist Gemini Omni Flash?
Gemini Omni Flash ist das erste Modell in Google DeepMinds neuer „Omni"-Modellfamilie, entwickelt, um jede Eingabemodalität (Text, Bilder, Audio, Video) zu akzeptieren und jede Ausgabemodalität in einem einzigen Modell zu generieren. Zum Launch gibt es Video mit synchronisiertem Audio aus. Sein prägendes Merkmal ist konversationelle Mehrfach-Runden-Bearbeitung: Man kann einen Videoclip generieren und ihn dann über mehrere natürlichsprachliche Anweisungsrunden hinweg verfeinern, wobei das Modell zustandsbehafteten Kontext zwischen jeder Bearbeitung beibehält. Es wurde am 30. Juni 2026 über die Gemini API verfügbar.
Wie unterscheidet sich Gemini Omni Flash von GPT-4o „Omni"?
Die Namensgebung ist verwirrend, aber die Architekturen sind grundlegend verschieden. Als OpenAI GPT-4o „Omni" nannte, meinten sie, dass es mehrere Modalitäten gleichzeitig (Sprache + Bild) als Eingabe wahrnehmen kann. Googles „Omni" bezieht sich auf eine generative Architektur: ein einzelnes Modell, das sowohl über Modalitäten hinweg wahrnimmt als auch generiert. Gemini Omni Flash verarbeitet nicht nur multimodale Eingaben — es generiert multimodale Ausgaben (Video und Audio zusammen). Die Google-Omni-Familie ist ein generatives multimodales System; OpenAIs Omni-Branding drehte sich um Wahrnehmungseingabe.
Gemini Omni Flash vs. Veo 3 — welches ist besser?
Sie sind für unterschiedliche Dinge optimiert. Veo 3.1 produziert höher aufgelöste, filmischere Ausgabe (bis zu 4K vs. Omni Flashs 720p) und ist die bessere Wahl für polierte, hochwertige Videoproduktion. Gemini Omni Flash gewinnt beim Workflow: Es ist das einzige Videomodell mit zustandsbehafteter Mehrfach-Runden-Bearbeitung, es enthält KI-Avatar-Generierung, es erzeugt Audio im selben Inferenzdurchlauf, und es kostet etwa 4–7-mal weniger pro Sekunde als Veo 3.1. Für Social Content, Produktdemos und iteratives Prototyping ist Omni Flash das bessere Werkzeug. Für filmische oder Broadcast-Qualität ist Veo 3.1 die richtige Wahl.
Ist Gemini Omni Flash kostenlos?
Nicht über die API. Die API-Preise betragen 1,50 $/Mio. Eingabe-Tokens und 17,50 $/Mio. Video-Ausgabe-Tokens — etwa 0,10 $ pro Sekunde 720p-Video, oder ungefähr 1,00 $ für einen 10-sekündigen Clip. Es gibt keine kostenlose API-Stufe. Gemini Omni Flash ist jedoch für berechtigte Nutzer auf YouTube Shorts und YouTube Create (18+) sowie über die Verbraucherabonnements Google AI Plus, Pro und Ultra kostenlos verfügbar. Unternehmenszugang ist über die Gemini Enterprise Agent Platform verfügbar.
Welche Auflösung generiert Gemini Omni Flash?
Zum Launch 720p bei 24fps. Unterstützte Seitenverhältnisse sind 16:9, 9:16 und 1:1. Die Clipdauer beträgt 4–10 Sekunden. Höhere Auflösungen (1080p und darüber) stehen auf der Roadmap, wahrscheinlich verknüpft mit der kommenden Gemini-Omni-Pro-Stufe, sind aber beim Launch nicht verfügbar.
Wie sieht die Preisgestaltung von Gemini Omni Flash aus?
Eingabe-Tokens: 1,50 $ pro Million. Video-Ausgabe-Tokens: 17,50 $ pro Million. In der Praxis ergibt das etwa 0,10 $ pro Sekunde generiertes 720p-Video, oder etwa 1,00 $ für einen vollständigen 10-sekündigen Clip. Multi-Turn-Bearbeitungssitzungen beinhalten mehrere Generierungsaufrufe, sodass eine vierrundige Verfeinerungssitzung an einem 10-sekündigen Clip etwa 4,00 $ kosten würde. Vollständige Preisdetails sind veröffentlicht unter ai.google.dev/gemini-api/docs/pricing.
Was ist der Unterschied zwischen Gemini Omni und Gemini Flash?
Gemini Flash ist eine Reihe schneller, kosteneffizienter Text- und Bild-Sprachmodelle — die Flash-Stufe innerhalb der Standard-Gemini-Familie. Gemini Omni ist eine separate, neue Modellfamilie, die auf einer anderen Architektur für Any-to-Any-Multimodal-Generierung aufbaut, beginnend mit Videoausgabe. „Gemini Omni Flash" kombiniert die Omni-Architektur mit der Flash-Geschwindigkeits-/Kostenstufe und positioniert es als den zugänglichen Einstiegspunkt in die Omni-Familie. Das sind architektonisch eigenständige Modelllinien, nicht dasselbe Modell in unterschiedlichen Größen. Ein Gemini Omni Pro (höhere Wiedergabetreue, wahrscheinlich höhere Auflösung) steht separat von den Gemini-Flash-Textmodellen auf der Roadmap.
Quellen
- Google Blog: Gemini Omni Ankündigung
- Google AI Developers: Gemini Omni API-Dokumentation
- Google DeepMind: Gemini Omni Modellseite
- Gemini API Preise
- Google Blog: Gemini Omni Flash / Nano / Banana 2 Lite
Diagramm: Gemini Omni Flashs Architektur im Überblick — einheitliche Eingabeverarbeitung über Text, Bilder und Audioreferenz hinweg, mit synchronisierter Video- und Audioausgabe in 720p, 24fps, in den Formaten 16:9 / 9:16 / 1:1, 4–10 Sekunden pro Clip.
