Miraki Mind

Gemini Omni 1.2 Flash: editieren statt neu würfeln

Google macht Gemini Omni 1.2 Flash allgemein verfügbar. Clips bis 15 Sekunden mit Ton, die du per Text umbaust, statt sie neu zu generieren.

Miraki MindKI-gestützte Redaktion · 15. November 2026 · 6 Min. Lesezeit

Am 5. November 2026 hat Google Gemini Omni 1.2 Flash auf Google Cloud allgemein verfügbar gemacht. Das Videomodell macht Clips bis 15 Sekunden mit Ton. Bestehende Clips baut es per Textanweisung um: Produkt tauschen, Licht ändern, Kamerawinkel wechseln, ohne von vorn anzufangen. Entwickler kommen über die API ran, Firmenkunden über Google Vids. In Gemini for business soll es bald folgen.

Genau diese Art Edit beschäftigt uns seit Wochen. Ein Clip hat eine gute Performance, aber eine einzige Sache stimmt nicht. Dann soll nicht der ganze Clip neu entstehen müssen. Dafür haben wir mit Boffjitsu ein eigenes Rezept gebaut. Nano Banana macht einen Zielframe mit der Änderung. Seedance 2.5 zeichnet danach den ganzen Clip neu und nimmt die Bewegung aus dem Original. Zwei Modelle, eine Kette, ein paar Handgriffe. Omni verspricht dasselbe in einem Modell, im Gespräch. Im Detail getestet haben wir es noch nicht. Für schnellen Content und für Produktadaptionen, also denselben Clip für andere Sprachen, Märkte oder Zielgruppen, werden wir es aber auf jeden Fall einsetzen.

Unser Video-Edit heute: ein Clip, eine Referenz und ein Satz, umgesetzt mit zwei Modellen.

Was wirklich neu ist

Editieren an sich ist bei Omni nicht neu. Googles Modellseite führt Video-Editing schon für Omni Flash auf. Neu in 1.2 sind laut Google vor allem Länge, Preis und wie eng das Modell an den Referenzen bleibt.

  • Länge: generieren und editieren bis 15 statt bisher 10 Sekunden.
  • Entwurf, dann Finish: Entwürfe in 360p oder 720p, die besten Takes danach hochskaliert auf 1080p oder 4K.
  • Referenzen: Das Modell soll sich enger an Bild- und Videoreferenzen halten, damit Produkte, Figuren und Markendetails von Shot zu Shot gleich bleiben. Audioreferenzen gibts nur nach Freischaltung.
  • Edit im Gespräch: denselben Clip weiter verfeinern statt neu starten, also Produkt tauschen, Licht ändern oder den Kamerawinkel wechseln.
  • Sprache: flüssigere Dialoge, sauberere Lippensynchronität, mehrere Sprecher klar getrennt.
  • Preis: 0.07 US-Dollar pro Sekunde in 720p, 30 Prozent weniger als bei Omni 1.1 Flash. Ein 15-Sekunden-Clip in 720p kostet damit rund einen Dollar.

Wie gut das in der Praxis hält, zeigen die Kundenstimmen im Blog nicht. Google hat sie selbst ausgewählt, und so klingen sie auch:

Gemini Omni 1.2 Flash edits exactly what you ask for, a colorway or a background, and leaves the product untouched …

Andrew Taco Zhang, FLORA, im Google Cloud Blog

Was das für eine Produktion heisst

Klein entwerfen, gross finishen: So arbeiten wir schon. Bei Boffjitsu testen wir in 480p. Nur den Lauf, den wir behalten, rendern wir mit identischen Eingaben in 1080p neu. Omni bietet diesen Schritt als Upscale im selben Modell an, das spart einen Durchgang. Ob das hochskalierte Bild dann genau dem abgenommenen Entwurf entspricht, sagt Googles Ankündigung nicht.

15 Sekunden reichen für eine ganze Szene am Stück. Damit gibt es weniger Übergänge zwischen einzelnen Generierungen, an denen Licht oder Figur kippen können.

Die eigentliche Frage ist der Edit. Aus unseren Boffjitsu-Tests wissen wir, wo so etwas bricht. Pro Lauf nur eine Änderung, sonst wird es wackelig. Schrift auf Referenzbildern landet im Video, auch wenn der Prompt sie verbietet. Den Ton nehmen wir nie von der KI, am Schluss kommt der Originalton darunter. Und Seedance verschiebt das Timing leicht: Ohne Ausgleich fiel die gemessene Bewegungstreue in unserem Test von 0.85 auf 0.29. Ob Omni Timing und Kamerabewegung über mehrere Edits im Gespräch hält, ist für uns der Test, der zählt. Ehrlich gesagt: Ein Edit, der bei jeder Runde ein bisschen mehr vom Original frisst, nützt in der Post niemandem.

Was das für eine Marke heisst

Kennzeichnung: Laut Google tragen alle Ausgaben ein unsichtbares SynthID-Wasserzeichen. Die Dokumentation führt Content Credentials (C2PA) für das Modell als unterstützt. Das ist die Art maschinenlesbarer Markierung, die die KI-Verordnung der EU von Anbietern verlangt (mehr dazu). Den sichtbaren Hinweis bei Deepfakes ersetzt sie nicht. Der bleibt Sache dessen, der den Film veröffentlicht. Und ob die Markierung Schnitt, Grading und Encoding übersteht, ist weiter offen.

Daten: Omni läuft in Googles Cloud. Wer einen gedrehten Clip per Text editieren will, lädt ihn dort hoch, mit allem, was drauf ist: ein Produkt vor dem Launch, Gesichter aus dem Cast. Bei uns wird pro Projekt gemeinsam entschieden, was lokal und was in der Cloud läuft. Skripte, Gesichter und Produktdaten bleiben bei uns, sofern nichts anderes vereinbart ist. Ein Cloud-Edit muss also vorher abgesprochen sein.

Umstellung: Ab 3. Dezember 2026 leitet die Gemini API alle Anfragen an Omni 1.1 Flash automatisch auf 1.2 um, abgerechnet zum Tarif von 1.2. Wer Produktvideos automatisiert über diese API erzeugt, bekommt dann ein anderes Modell, ohne eine Zeile Code zu ändern. Look und Konsistenz vorher zu prüfen, lohnt sich.

Chance: Google baut das Modell ausdrücklich für Videos, die Firmen in Masse machen: Produktvideos, virtuelle Anproben, Ads. Wer viele Varianten desselben Clips braucht, pro Farbe, pro Markt oder pro Sprache, ist genau gemeint. Genau dort wollen wir es einsetzen: einen abgenommenen Clip für eine andere Sprache oder eine andere Zielgruppe anpassen, ohne die Szene neu zu bauen.

Unsere Einschätzung und die Grenzen

Omni 1.2 Flash ist kein Sprung, sondern eine Version für den Alltag: länger, günstiger, enger an den Referenzen, mit Upscale im selben Modell. Für Markenarbeit ist der Edit im Gespräch der interessante Teil. Er liegt näher an der Logik einer Post als das Würfeln neuer Takes. Für schnellen Content und Adaptionen nehmen wir das Modell auf jeden Fall in den Werkzeugkasten. Bringt es auch die Kontrolle, die wir mit Boffjitsu in mehreren Schritten erzwingen? Das wissen wir erst nach einem Test an eigenem Material.

Offen bleibt einiges. Wie stabil bleiben Timing und Kamera über mehrere Edits? Wie gut hält die Lippensynchronität, wenn derselbe Clip eine andere Sprache bekommt? Was kosten Upscale und die anderen Auflösungen genau, wo Google nur «ähnliche Einsparungen» nennt? Und was passiert mit SynthID und C2PA, wenn ein Omni-Clip im Schnitt mit gedrehtem Material zusammenkommt?

Quellen

Eine Idee, die zu gross war?

Erzähl uns in ein paar Sätzen davon. Wir antworten innert eines Arbeitstags.hello@miraki.ch+41 31 348 90 90
Projekt starten