# Gemini Omni: Googles Videomodell, das Videos erzeugt und bearbeitet

> Gemini Omni ist ein Videomodell von Google DeepMind, vorgestellt auf der Google I/O im Mai 2026. Omni 1.1 Flash (27. August 2026) erzeugt Clips von 3–10 Sekunden mit Ton aus Text, Bildern und kurzen Videos, bearbeitet fertige Clips mit gewöhnlichen Sätzen und verlängert sie auf 40 Sekunden. Google nennt es „Nano Banana für Video“. Omni Flash ist im Generator von AI2Face verfügbar.

Entwickler: Google DeepMind · Veröffentlicht: 2026-08-27 · Aktualisiert am 2026-10-01
URL: https://ai2face.com/de/models/gemini-omni

## Wichtige Fakten

| | |
|---|---|
| Entwickler | Google DeepMind |
| Erscheinungsdatum | Ankündigung — Mai 2026 (Google I/O); Omni 1.1 Flash — 27. August 2026 |
| Was es macht | Erzeugt und bearbeitet Video mit Ton aus Text, Bildern und Video |
| Dauer | 3–10 Sekunden pro Generierung, Verlängerung in 10-Sekunden-Schritten bis 40 Sekunden |
| Auflösung | 360p, 720p; 1080p und 4K per Upscale; 24 Bilder pro Sekunde |
| Bildformate | 16:9 und 9:16 |
| Referenzen | Bilder und bis zu 3 Videos à 3 Sekunden |
| Ton | Wird zusammen mit dem Video erzeugt |
| Kennzeichnung | Unsichtbares Wasserzeichen SynthID |
| In AI2Face | Ja, Omni 1.1 Flash im Generator |

## 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](/de/models/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](/de/models/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.

[Ein Flug über ein römisches Aquädukt im Bau: Arbeiter heben Steine mit einem Tretradkran, Bögen auf hölzerner Schalung](https://ai2face.com/_astro/media/models/gemini-omni/world-knowledge.mp4 "Der Prompt nennt nur Epoche und Werkzeuge — die Baudetails hat das Modell selbst ergänzt. Gemini Omni 1.1 Flash, 10 s")

**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.

[Eine Frau mit schwarzem Bob in einem grünen Seidenkleid geht durch ein Loft zu hohen Fenstern, dreht sich dann zur Kamera und lächelt](https://ai2face.com/_astro/media/models/gemini-omni/references.mp4 "Drei Referenzen: ein Selfie, ein Kleid am Bügel und ein leeres Loft. Gesicht und Kleid stimmen mit den Vorlagen überein. Omni 1.1 Flash, 9:16, 8 s")

**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.

[Derselbe Drohnenflug auf einen Leuchtturm an der Klippe zu, aber statt des Sturms ein sonniger Sommertag, ruhiges türkisfarbenes Meer und grünes Gras](https://ai2face.com/_astro/media/models/gemini-omni/edit.mp4 "Bearbeitung per Satz: ein Veo-3.1-Sturmclip wurde zum sonnigen Tag, Komposition und Kamerafahrt blieben. Omni 1.1 Flash")

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

[Eine Frau in einer Wohnungsküche senkt das Telefon, und die Küche löst sich in ein Fotostudio mit beigem Hintergrund auf; ein graues T-Shirt wird zum weißen Hemd](https://ai2face.com/_astro/media/models/gemini-omni/first-last-frame.mp4 "Das erste Bild ist ein Selfie, das letzte ein Studioporträt aus unserer Prompt-Sammlung. Omni 1.1 Flash, 9:16, 8 s")

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

[Die Kamera fährt langsam auf ein Parfümfläschchen auf nassem Stein zu, Rauch zieht darum, ein Tropfen fällt und Ringe laufen auseinander](https://ai2face.com/_astro/media/models/gemini-omni/image-to-video.mp4 "Ein Produktfoto von Seedream 4.5 wurde zum ersten Frame eines Werbeclips. Omni 1.1 Flash, 9:16, 6 s")

**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](/de/models/veo-3-1) | [Seedance 2.5](/de/models/seedance) |
|---|---|---|---|
| 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](/de/models/nano-banana-2) oder [Seedream](/de/models/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](/de/models/veo-3-1), für lange Geschichten in einer Generierung [Seedance 2.5](/de/models/seedance). In AI2Face steht Omni neben den Bildmodellen: Ein Frame aus dem Generator wird sofort zum ersten Frame des Videos.

## Häufige Fragen

### Was ist Gemini Omni?

Ein Videomodell von Google DeepMind, das einen Clip aus jeder Mischung von Text, Bildern und Video erzeugt und ihn mit gewöhnlichen Sätzen bearbeitet. Die erste Version der Familie ist Gemini Omni Flash, die aktuelle ist Omni 1.1 Flash.

### Wodurch unterscheidet sich Gemini Omni von Veo 3.1?

Omni nimmt mehr Arten von Eingaben an und kann einen fertigen Clip im Dialog bearbeiten, während Veo 3.1 die höchste Qualität eines kurzen Clips liefert. Google empfiehlt Omni als Standard-Videomodell und Veo für das Verlängern von Szenen, den Modus mit letztem Bild und ältere Pipelines.

### Wie viele Sekunden Video macht Gemini Omni?

Von 3 bis 10 Sekunden in einer Generierung. Du kannst einen Clip in 10-Sekunden-Schritten bis auf 40 Sekunden verlängern. In AI2Face gibt es 4, 6, 8 und 10 Sekunden.

### Versteht es andere Sprachen als Englisch?

Google dokumentiert vollständig nur Englisch, andere Sprachen sind offiziell nicht bewertet. Dialog ist auf Englisch zuverlässiger. Prompts in anderen Sprachen, auch die russischen aus unseren Tests, werden meist verstanden.

### Wo ist die offizielle Website von Gemini Omni?

Eine eigene Website gibt es nicht. Offiziell läuft Gemini Omni in der Gemini-App, in YouTube Shorts und YouTube Create, in Google AI Studio und über die Gemini API. Domains mit „omni“ im Namen gehören Drittanbietern.

### Kannst du Gemini Omni kostenlos ausprobieren?

Bei Google — kostenlos in YouTube Shorts und YouTube Create; in der Gemini-App mit einem Abo Google AI Plus, Pro oder Ultra. In AI2Face ist Omni im Generator auf Credits verfügbar, und die Kosten siehst du vor der Generierung. Die Startcredits gibt es nach der Registrierung.

## Quellen

- https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-omni/
- https://blog.google/innovation-and-ai/technology/developers-tools/build-with-gemini-omni-1-1-flash/
- https://ai.google.dev/gemini-api/docs/omni
- https://deepmind.google/models/model-cards/gemini-omni-flash/
- https://ai.google.dev/gemini-api/docs/veo
- https://seed.bytedance.com/en/blog/one-take-creation-flexible-referencing-introducing-seedance-2-5