Gemini Omni 1.2 Flash liefert günstigere 15-Sekunden-Clips

Google hat Gemini Omni 1.2 Flash vorgestellt und in der Gemini API sowie in Gemini for Business allgemein verfügbar gemacht. Das neue Videomodell erweitert die bisherige Generation und Bearbeitung auf native Clips von bis zu 15 Sekunden. Bislang waren zehn Sekunden möglich. Die Laufzeit lässt sich nun in Ein-Sekunden-Schritten von drei bis 15 Sekunden festlegen, wodurch vollständigere Erklärvideos, Produktpräsentationen oder Social-Media-Werbespots in einem Durchlauf erzeugt werden können. Für den Geschäftsalltag besonders relevant ist die Kombination aus Geschwindigkeit und Kostensenkung. Der Preis für 720p-Videos sinkt gegenüber Gemini Omni 1.1 um 30 Prozent und liegt bei 0,07 Dollar pro Sekunde. Entwickler und Unternehmen können Entwürfe zunächst in 360p oder 720p generieren, einzelne Fehler per Folgebearbeitung korrigieren und nur die besten Ergebnisse abschließend auf 1080p oder 4K hochskalieren. Dadurch reduziert sich der Rechenaufwand gegenüber einer vollständigen Neugenerierung. Technisch verbessert wurde vor allem die Referenztreue. Nutzer können Bilder von Personen, Produkten oder Stilen, kurze Bewegtklips von bis zu drei Sekunden sowie Audiosignale als Vorgaben kombinieren. Gemini Omni 1.2 Flash soll diese Details über den gesamten Clip hinweg konsistent halten. Gesichtszüge, Kleidung, Verpackungen, Typografie und Markenfarben bleiben laut Google auch bei wechselnden Kameraperspektiven stabil. Das Modell eignet sich damit für Anwendungen wie virtuelle Anproben, Katalogdreher oder markenkonforme Videoanzeigen, bei denen bestehende Produktfotos oder Charakterdateien in Bewegtbild überführt werden. Beispielsweise konnte Google zeigen, dass ein mehrstufig animiertes Plakatmotiv von Gemini Omni 1.2 Flash präziser und materialgetreuer aufgebaut wird als mit der Vorgängerversion. Dabei bleiben Beleuchtung, Schatten, Textur und Schriftzug bis zum letzten Bild konsistent. Gemini Omni ist erstmals unternehmensweit freigegeben und wird von der Infrastruktur und Sicherheitsarchitektur von Google Cloud getragen. Für zuverlässigere Produktivworkflows steht Provisioned Throughput bereit. Ausgewählte Ausgaben tragen zudem ein unerkennbares SynthID-Wasserzeichen.