Gemini Omni: Googles Videomodell, das Videos erzeugt und bearbeitet

Was Gemini Omni ist

Gemini Omni ist eine Familie von Modellen von Google DeepMind, die Inhalte aus jeder Eingabe erzeugen. Als Erstes kam Video. Google zeigte das Modell auf der I/O im Mai 2026 und beschrieb es so: „stell dir Nano Banana vor, aber für Video“ — das Ergebnis kannst du in jedem Schritt mit gewöhnlichen Sätzen nacharbeiten.

Omni stützt sich auf das Weltwissen von Gemini: Physik, Geschichte, Wissenschaft und Kultur. Deshalb kommt eine Szene wie „Bau eines Aquädukts im 1. Jahrhundert“ oder „wie eine Kanalschleuse funktioniert“ mit glaubwürdigen Details heraus, nicht nur hübsch.

Am 27. August 2026 kam Omni 1.1 Flash heraus — eine stabile Version mit Szenenverlängerung, Steuerung von erstem und letztem Bild, Entwürfen in 360p und Ausgabe bis 4K. In der Dokumentation der Gemini API empfiehlt Google sie als Standard-Videomodell und Veo 3.1 für einzelne Aufgaben.

Was Gemini Omni kann

Weltwissen. Das Modell setzt historisch und physikalisch glaubwürdige Details ein, wenn du eine Szene aus einem echten Zusammenhang verlangst.

Eine Szene aus mehreren Referenzen. Die Frau von einem Foto, das Kleid von einem anderen, das Loft von einem dritten — Omni setzt sie zu einem Clip zusammen und hält das Aussehen.

Bearbeitung eines fertigen Clips. Der Hauptunterschied zu Veo: Lade ein Video hoch und beschreibe die Änderung — Wetter, Kleidung, Licht, Objekte, Kamerabewegung. Jede nächste Bearbeitung baut auf der vorigen auf.

Erstes und letztes Bild. Zwei Bilder, und das Modell baut den Übergang dazwischen mit Ton.

Ein Foto beleben. Das Bild wird zum ersten Frame des Clips: Rauch, Tropfen, Kamerabewegung.

Verlängerung. In der API verlängert sich ein Clip in Schritten von 10 Sekunden bis auf 40 Sekunden, und das Modell berücksichtigt bis zu 10 Sekunden des vorherigen Videos, nicht nur das letzte Bild.

Wofür sich Gemini Omni eignet

• Fertige Clips bearbeiten: Wetter, Tageszeit oder Kleidung ändern, ein Objekt entfernen, ohne neu zu drehen.
• Lehr- und Geschichtsszenen, bei denen glaubwürdige Details zählen.
• Werbung aus einem Produktfoto: die Aufnahme wird zu einem kurzen Clip.
• Kurze vertikale Clips für soziale Netze, mit Ton.
• Schnelle Iterationen: Entwurf in 360p, Finale in 1080p oder 4K.

Gemini Omni und Alternativen

	Gemini Omni 1.1 Flash	Veo 3.1	Seedance 2.5
Entwickler	Google DeepMind	Google DeepMind	ByteDance Seed
Länge pro Generierung	3–10 s	4, 6, 8 s	bis 30 s
Verlängerung	bis 40 s	bis 148 s (API, 720p)	2-mal
Auflösung	bis 4K (Upscale)	bis 4K	nicht genannt
Eingaben	Text, Bilder, Video	Text, bis 3 Bilder	Text, 30 Fotos, 10 Videos, 10 Audios
Fertiges Video bearbeiten	ja, mit Sätzen	nein	ja
Sprachen der Sprache	vollständig — Englisch	nicht veröffentlicht	nicht veröffentlicht
In AI2Face	ja	ja	ja

Omni ist das flexibelste Modell von Google: Es bearbeitet Video und nimmt Video als Eingabe. Veo 3.1 gewinnt bei der Qualität eines 8-Sekunden-Clips und beim genauen Modus für das letzte Bild. Seedance 2.5 macht die längsten Clips in einer Generierung.

Wie du Prompts für Gemini Omni schreibst

• Zum Erzeugen — dieselbe Formel wie bei Veo: Kamera + Subjekt + Handlung + Umgebung + Stil, den Ton extra.
• Zum Bearbeiten — eine Änderung auf einmal, und sag, was bleiben soll: „Ändere das Wetter auf einen sonnigen Tag. Behalte Kamerabewegung, Komposition und Leuchtturm.“
• Für Referenzen — sag, was von welchem Bild kommt: „die Frau vom ersten Bild im Kleid vom zweiten, im Loft vom dritten“.
• Für Iterationen — fang mit 360p an: Google sagt, ein Entwurf entsteht bis zu 60 % schneller und kostet dreimal weniger als 720p.
• Sätze schreibst du zuverlässiger auf Englisch: Die anderen Sprachen hat Google offiziell nicht bewertet.

Ändere das Wetter in diesem Video auf einen ruhigen, sonnigen Sommertag: klarer blauer Himmel,
ruhiges türkisfarbenes Meer mit kleinen Wellen, helle Sonne auf dem weißen Leuchtturm und grünes Gras
auf der Klippe. Behalte dieselbe Kamerabewegung, die Komposition und den Leuchtturm. Ton: ruhige Wellen und Möwen
statt des Sturms

So nutzt du Gemini Omni in AI2Face

1. Öffne den Generator, wähle Video und das Modell Gemini Omni 1.1 Flash.
2. Wähle einen Modus: aus Text, aus einem Foto, aus Referenzen (bis zu 6 Bilder) oder aus erstem und letztem Bild.
3. Stell die Dauer ein (4, 6, 8 oder 10 Sekunden), das Format (16:9 oder 9:16) und die Auflösung.
4. Starte die Generierung — die Kosten siehst du vorher.

Das Bearbeiten eines fertigen Videos und die Verlängerung sind im Generator von AI2Face. Ein Bild aus Nano Banana 2 oder Seedream kann direkt das erste Bild des Clips werden. Omni ist im Generator von AI2Face verfügbar, und die Kosten siehst du vor der Generierung.

Grenzen

• Sprachen. Vollständig unterstützt ist Englisch, die anderen Sprachen hat Google nicht bewertet.
• Ton. Die Stimme lässt sich nicht bearbeiten, und Audio-Referenzen unterstützt die API noch nicht.
• Verlängern mit Sprache. Du kannst ein hochgeladenes Video, in dem eine Person spricht, nicht verlängern, um neue Sätze hinzuzufügen.
• Komplexe Bewegung und Text. Auf der Modellkarte nennt Google als Schwierigkeiten die volle Stimmigkeit bei Bearbeitungen, komplexe Dynamik und genauen Text im Bild.
• Regionen. Speichern und Bearbeiten von Video sind im EWR, in der Schweiz und im Vereinigten Königreich nicht verfügbar.
• Kennzeichnung. Jeder Clip enthält SynthID; die Markierung prüfst du in der Gemini-App, in Chrome und in der Google-Suche.

Fazit

Gemini Omni ist Googles Videomodell für den Alltag: flexibel bei den Eingaben, mit Ton und vor allem mit der Bearbeitung eines fertigen Clips durch gewöhnliche Sätze. Nimm es für Clips aus Fotos und Referenzen, Lehrszenen und schnelle Iterationen. Für die höchste Qualität eines 8-Sekunden-Clips und einen genauen Übergang zum letzten Bild wähle Veo 3.1, für lange Geschichten in einer Generierung Seedance 2.5. In AI2Face steht Omni neben den Bildmodellen: Ein Frame aus dem Generator wird sofort zum ersten Frame des Videos.