Google hat Ende August Gemini Omni 1.1 Flash vorgestellt. Das Modell brachte gegenüber dem bisherigen Omni deutliche Fortschritte. Jetzt folgt mit Omni 1.2 Flash ein weiteres umfassendes Update: Es ist Google DeepMinds bislang bestes multimodales Modell zur Videoerstellung.
Eine wesentliche Neuerung von Gemini 1.1 Flash war die Möglichkeit, mehrere zehnsekündige Abschnitte aneinanderzureihen und so Szenen mit einer Länge von bis zu 40 Sekunden zu erstellen. Omni 1.2 Flash kann nun in einem Durchgang 15 Sekunden lange Videos erzeugen, also 50 % längere Clips. Die Möglichkeit, Videos zu verlängern, bleibt ebenfalls erhalten.
Eine weitere wichtige Neuerung: Nutzer können ab sofort Videos mit einer Länge zwischen drei und 15 Sekunden erstellen und bearbeiten. Bisher ließ sich die Länge der generierten Videos nicht beeinflussen. Hier bietet Gemini Omni künftig deutlich mehr Flexibilität. Die Videolänge lässt sich über einen einfachen Schieberegler in Sekundenschritten einstellen.
Omni 1.2 Flash hält das Erscheinungsbild von Figuren und Gegenständen sowie die physische Konsistenz der Umgebung bei Kamerabewegungen und schnellen Übergängen noch zuverlässiger aufrecht. Dadurch werden die für KI-generierte Videos typischen visuellen Abweichungen und unnatürlichen Verformungen auf ein Minimum reduziert. Das System verbindet das erste und das letzte Einzelbild zuverlässig miteinander. Ebenso gut fügt es einer bestehenden Aufnahme weitere Szenen hinzu, ohne dass sich die Gesichtszüge der Figuren oder die Umgebung verändern.
Das Update legt einen besonderen Schwerpunkt auf kommerzielle Anwendungen und Werbung, was bei Google kaum überrascht. Gemini Omni 1.2 Flash kann vorhandene Fotos von Figuren und Produkten sowie Stilvorlagen mit kurzen, auch nur drei Sekunden langen Videobeispielen und Audiosignalen kombinieren. Selbst bei wechselnden Kameraperspektiven bleiben Details von Kleidungsstücken und anderen Produkten, Verpackungsaufschriften und exakte Markenfarben erhalten. Damit eignet sich das Modell auch ideal für virtuelle Anproben oder 360-Grad-Produktpräsentationen.
Falls Gemini Omni 1.2 Flash die gewünschte Vorstellung beim ersten Versuch nicht trifft, müssen Nutzer für Änderungen an der Aufnahme die Generierung nicht von vorn beginnen. Mit weiteren einfachen Textanweisungen im Chat lassen sich das Produkt oder die Umgebung im Hintergrund direkt austauschen, die Beleuchtung und das Wetter anpassen oder das Seitenverhältnis des gesamten Videos ändern.
Auch bei der audiovisuellen Synchronisation macht Gemini Omni 1.2 Flash einen großen Schritt nach vorn: Bild und Ton werden deutlich natürlicher aufeinander abgestimmt. Dabei geht es nicht nur um die zeitliche Synchronität, sondern auch darum, dass das Modell den Klang besser an den Stil der Szene anpasst. Zudem kann ein Video nun mehrere separate Tonspuren enthalten, und es können mehrere Personen sprechen. Die Sprachbeiträge der einzelnen Figuren erzeugt das Werkzeug auf getrennten Spuren.
Gemini Omni 1.2 Flash nutzt die Infrastruktur und Sicherheitssysteme von Google Cloud für Unternehmen. Google betonte außerdem, dass alle generierten Videos mit dem selbst entwickelten, aber allgemein anerkannten Wasserzeichen SynthID versehen werden. Damit können verschiedene Plattformen KI-generierte Inhalte automatisch kennzeichnen, um Missbrauch vorzubeugen und dagegen vorzugehen.
Durch technische Optimierungen ist Gemini Omni 1.2 Flash deutlich günstiger geworden. Die Kosten für die Videogenerierung sind gegenüber dem bisherigen Niveau um 30 % gesunken. Bei einer HD-Auflösung von 720p kostet die Nutzung des neuen Werkzeugs nur noch 0,07 US-Dollar pro Sekunde. Laut Google stehen mehrere Möglichkeiten zur Verfügung, um die Effizienz zu steigern. So lassen sich beispielsweise schnell und kostengünstig Entwürfe in 360p erstellen. Sobald das gewünschte Ergebnis vorliegt, kann es auf Full HD oder sogar 4K hochskaliert werden.
Gemini Omni 1.2 Flash ist ab sofort über die Gemini API, Google Cloud Vertex AI, die Gemini-Plattform für Unternehmen sowie Google Vids allgemein verfügbar. Für den Zugriff ist allerdings mindestens ein Google-AI-Pro-Abonnement erforderlich; das AI-Ultra-Paket bietet mehr Spielraum. Gemini Omni 1.1 Flash wird vollständig eingestellt, doch Google räumt eine Übergangsphase von einigen Wochen ein, damit alle Nutzer reibungslos umsteigen können.
