Gemini Omni
Google DeepMind · Video
Gemini Omni ist die Familie nativer multimodaler Modelle von Google DeepMind, gebaut, um fast jede Eingabe in fast jede Ausgabe zu verwandeln. Die erste Veröffentlichung, Gemini Omni Flash, konzentriert sich auf Video: Man erzeugt einen Clip aus einem geschriebenen Prompt, fügt Referenzbilder oder Audio hinzu und bearbeitet das Ergebnis dann, indem man die gewünschte Änderung beschreibt. Das richtet sich an Kreative und Entwickler, die ein einziges Modell für Erstellung und Überarbeitung wollen, statt mehrere Werkzeuge zu verketten.
Über Gemini Omni
Was ist Gemini Omni
Gemini Omni ist das neueste multimodale KI-Modell von Google DeepMind, angekündigt auf der Google I/O am 20. Mai 2026. Während frühere Videomodelle einen Prompt nahmen und einen Clip erzeugten, ist Omni als Any-to-Any-System angelegt: Text, Bilder, Audio und Video hinein, ein stimmiges Ergebnis heraus. Das erste Modell der Familie, Gemini Omni Flash, startete in der Gemini-App, in Google Flow und auf YouTube, mit API-Zugang, der später folgen soll.
Das Versprechen ist die konversationelle Bearbeitung. Statt eine Generierung so lange neu zu würfeln, bis zufällig etwas Gutes herauskommt, beschreibt man eine Änderung („mach die Violine unsichtbar", „ändere den Kamerawinkel auf über die Schulter") und das Modell setzt sie um, während der Rest der Szene stabil bleibt. DeepMind sagt, Omni habe einen Sprung im Weltverständnis gemacht, sodass erzeugte Physik und das Verhalten von Objekten besser zusammenhalten als zuvor.
Die KI-Videogenerierung ist der Grund, aus dem Leute kommen. Die Gemini Omni Preise entscheiden, ob sie bleiben.
Die größte Einschränkung ist der Umfang. Derzeit ist Omni in der Praxis ein Videomodell. Der Begriff Any-to-Any deutet auf künftige Bild- und Audiogenerierung, aber das ist eine Roadmap, keine ausgelieferte Funktion. DeepMind versieht außerdem alles, was es erzeugt, mit SynthID und C2PA-Metadaten, was zählt, wenn man die Ausgabe kommerziell nutzen will.
Erste Schritte
- Öffnen Sie die Gemini-App, Google Flow oder YouTube und suchen Sie die Omni-gestützten Video-Tools.
- Schreiben Sie einen Prompt, der den gewünschten Clip beschreibt, oder laden Sie Referenzbilder, Audio oder Video als Orientierung hoch.
- Erzeugen Sie die erste Version und sehen Sie sie durch.
- Beschreiben Sie Änderungen in normaler Sprache, etwa einen Hintergrund oder ein Objekt, und lassen Sie Omni diesen Teil neu erzeugen.
- Exportieren oder teilen Sie den Clip. Rechnen Sie damit, dass SynthID- und C2PA-Marker in der Datei mitreisen.
Produktinformationen
Ein kurzer Überblick über Preise, unterstützte Plattformen und die Leistung von Gemini Omni.
Am besten für
Die Nutzer, Aufgaben und Szenarien, für die dieses Tool am besten passt.
Nutzer
- Videokreative
- Marketing- und Social-Teams
- Produkt- und Designteams
- Entwickler
Aufgaben
- Text zu Video
- Konversationelle Videobearbeitung
- Bild zu Video
- Referenz zu Video
Szenarien
- Eine Reihe kurzer Social-Clips aus einem Konzept produzieren, wobei die Credit-Kosten pro Generierung die praktische Obergrenze bilden.
- Ein Storyboard durchspielen, bevor man sich auf einen kompletten Dreh festlegt.
- KI-erzeugte Elemente in echtes Filmmaterial einfügen, etwa ein Motiv in eine neue Umgebung setzen.
Wichtigste Funktionen
Any-to-Any multimodale Eingabe
Omni nimmt Text, Bilder, Audio und Video als Eingaben und gibt Video aus. In der Praxis kann man ihm ein Foto und einen Satz übergeben oder einen Clip plus eine gesprochene Referenz, und es arbeitet mit allem zusammen. DeepMind beschreibt das als Fundament der Familie, mit weiteren Ausgabetypen, die später folgen sollen.
Konversationelle Videobearbeitung
Die herausragende Funktion ist das Bearbeiten durch Beschreiben. Man sagt Omni, was sich ändern soll, und es setzt die Änderung um, während die umgebende Szene stimmig bleibt. Zu den Beispielen auf der DeepMind-Seite gehören ein unsichtbar gemachtes Objekt, ein Musiker in einer anderen Umgebung und ein verschobener Kamerawinkel. Das ist der Unterschied zwischen Neuwürfeln und Regieführen.
Solide Physik und Weltverständnis
DeepMind reklamiert einen Sprung im Weltverständnis, und die Beispiele setzen auf physikalische Kontinuität: eine Murmel, die eine Bahn entlangrollt, ein Licht, das im Takt der Musik angeht, eine Hand, die mit einem Spielzeug interagiert. Bessere Physik bedeutet weniger von den schmelzenden Objekten, die frühere Videomodelle über den Neuheitseffekt hinaus unbrauchbar machten.
Stimmige Figuren und Stimmen
Die Unterstützung von Referenz zu Video lässt Sie Bild- und Audioreferenzen einspeisen, damit eine Figur über einen Clip hinweg dasselbe Aussehen und dieselbe Stimme behält. DeepMind meldet führende Ergebnisse bei Gesamtpräferenz und Sprachtreue in seinem internen Referenz-zu-Video-Benchmark, mit menschlichen Bewertern über 468 Beispiele.
Dokumentierte Benchmark-Ergebnisse
DeepMind veröffentlichte Vergleichsdaten statt vager Behauptungen. Auf MovieGenBench, einem Benchmark von Meta, schnitt Omni bei Gesamtpräferenz und Instruktionsbefolgung über 1.003 Prompts am besten ab. Auf dem Bild-zu-Video-Benchmark VBench lag Omni Flash gleichauf mit Grok-Imagine-Video und Kling, vor anderen Modellen. Alle Zahlen stammen aus DeepMinds eigenen Auswertungen.
Eingebaute Inhaltsherkunft
Alles, was mit Omni in der Gemini-App, in Google Flow oder auf YouTube erstellt oder bearbeitet wird, trägt ein unsichtbares SynthID-Wasserzeichen und C2PA-Metadaten. Die Markierung übersteht die meisten Bearbeitungen, was Plattformen und Zuschauern hilft, KI-erzeugtes Video von Kameraaufnahmen zu unterscheiden.
Zugang über Credits
Die Generierung läuft über Credits, nicht über unbegrenzte Nutzung. Laut Erfahrungsberichten kostet ein einzelnes Video etwa 15 bis 40 Credits und eine Runde Bearbeitungen rund 40, wobei der Tarif Google AI Pro für $20 im Monat 1.000 Credits enthält. Intensives Testen leert dieses Kontingent schnell. Wie weit reichen 1.000 Credits wirklich? Nicht so weit, wie man hofft.
Vor- und Nachteile
Vorteile
- Ein Modell deckt Erstellung und Bearbeitung ab, sodass Sie nicht für jeden Schritt zwischen getrennten Tools springen.
- Konversationelle Änderungen verringern das Ausprobieren, bei dem man Video so lange neu würfelt, bis es passt.
- Verbesserte Physik und Weltverständnis reduzieren den schwebenden Look schmelzender Objekte.
- Inhalte werden mit SynthID und C2PA markiert, was eine verantwortungsvolle Kennzeichnung unterstützt.
- Ab dem ersten Tag in der Gemini-App, in Google Flow und auf YouTube verfügbar.
Nachteile
- Es ist in der Praxis ein Videomodell, das Any-to-Any-Versprechen blickt also überwiegend in die Zukunft.
- Die Credit-Kosten summieren sich: ein einzelner Clip oder eine Bearbeitung kann einen spürbaren Teil des Monatskontingents aufbrauchen.
- Noch keine öffentliche API, was Entwickler blockiert, die darauf aufbauen wollen.
- Die Ausgabe bleibt KI-Video, also kommt es zu Artefakten und Kontinuitätsfehlern, wie frühe Tests anmerkten.
Häufige Fragen
Gemini Omni ist für das Erstellen und Bearbeiten von Video gedacht. Sie beschreiben einen Clip in Text, fügen optional Bild- oder Audioreferenzen hinzu, und es erzeugt das Video. Danach können Sie es überarbeiten, indem Sie Änderungen in normaler Sprache beschreiben.
Ähnliche Inhalte
Entdecke passende Tools, Skills und Artikel zu Gemini Omni.
Alternativen zu Gemini Omni
ngram 2.0
ngram · Video · Marketingngram 2.0 ist ein KI-Videogenerator für Teams. Aus einem Prompt, einer Bildschirmaufnahme oder einer Produkt-URL entsteht ein Erklärvideo, eine Demo oder ein KI-Avatar-Video, und jede Szene bleibt bearbeitbar.
OpenScreen 2
OpenScreen (open-source project) · Video · ProduktivitätOpenScreen 2 ist ein kostenloser Open-Source-Bildschirmrecorder und Demo-Editor für Windows, macOS und Linux, mit automatischem Zoom, gestalteten Rahmen, lokalen Untertiteln und Schnitt per Agent.
Skreno
Skreno · Video · ProduktivitätSkreno ist ein Bildschirmrecorder im Browser: Er nimmt einen Tab, ein Fenster oder den ganzen Bildschirm auf und hängt KI-Transkripte, Zusammenfassungen und Konsolen-Logs an einen einzigen Link.