Gemini Omni Flash 1.2: Längere KI-Videos mit Ton und niedrigerem Preis

Google bringt die Version 1.2 von Gemini Omni Flash heraus, ein KI-Videomodell. Das Modell war im Mai auf der Entwicklerkonferenz Google I/O erstmals zu sehen. Laut Google erzeugt es jetzt Clips mit Ton, die bis zu 15 Sekunden lang sind. Bisher lag die Grenze bei zehn Sekunden. Die Länge lässt sich in Ein-Sekunden-Schritten zwischen drei und 15 Sekunden wählen.

Auch die Nachbearbeitung im Dialog funktioniert nun über die volle Länge von 15 Sekunden, so Google. Den Preis nennt das Unternehmen mit 0,07 US-Dollar für eine Sekunde Video in 720p, rund 6 Cent. Das wären 30 Prozent weniger als bei Omni 1.1 Flash. Entwürfe entstehen in 360p oder 720p und lassen sich danach auf 1080p oder 4K hochrechnen. Das Hochrechnen kostet extra, betrifft aber nur die gelungenen Entwürfe.

Google nennt neue Einsatzfelder, etwa Werbung, Onlinehandel, virtuelle Anproben und Produktvideos. Versprochen wird eine stabilere Darstellung von Gesichtern, Kleidung und Logos über mehrere Einstellungen hinweg. Beim Ton sollen Dialoge natürlicher klingen und Lippenbewegungen besser passen. Als Beispiel zeigt Google eine Drohnenfahrt, die auf zwei Architekturfotos als Vorlage beruht.

Das Modell ist über die Gemini API, Google AI Studio und die Google-Cloud-Konsole verfügbar. Google bezeichnet es als allgemein verfügbar. Endnutzer finden es auch in Google Flow und Google Vids. In Vids sind mit Google-Konto oder Workspace-Abo bis zu drei Clips pro Monat ohne Zusatzkosten möglich. Die 15-Sekunden-Clips in der Gemini-App gibt es zunächst nur für Abonnenten von Google AI Ultra. Anfragen an Omni 1.1 Flash leitet Google ab dem 3. Dezember automatisch auf Version 1.2 um.

Offen bleibt, wie zuverlässig die Ergebnisse im Alltag sind, denn die Leistungsangaben stammen von Google. Adobe will das Modell zudem in Firefly ergänzen. Laut Caschys Blog tragen erzeugte Videos ein unsichtbares SynthID-Wasserzeichen.