Gemini Omni 1.2 vs 1.1 Flash: 15-Sekunden-Clips und keine willkürlichen Schnitte mehr im Dialog

Einblicke5 Min. Lesezeit
Gemini Omni 1.2 vs 1.1 Flash: 15-Sekunden-Clips und keine willkürlichen Schnitte mehr im Dialog

Gemini Omni 1.2 gegen 1.1 Flash mit denselben Prompts: eine FPV-Plansequenz, eine Dialogszene mit zwei Personen, 15-Sekunden-Clips und der Preis. Was wirklich besser geworden ist.

Am 5. November hat Google Gemini Omni 1.2 Flash allgemein verfügbar gemacht. Die Ankündigung zählt eine ganze Reihe von Verbesserungen auf: Clips bis 15 Sekunden, engere Treue zu Referenzbildern, natürlichere Dialoge und Lippensynchronität, weniger ungewollte Jump Cuts bei langen Kamerafahrten und ein Preis, der etwa 30 % unter dem von 1.1 liegt. Der wichtigste Satz steht im Changelog für Entwickler: Ab dem 3. Dezember wird jede Anfrage an Omni 1.1 automatisch an 1.2 weitergeleitet.

Für 1.1 läuft also der Countdown. ZOOOP hat nicht gewartet. Als Gemini Omni 1.2 Flash live ging, haben wir 1.1 gleichzeitig abgeschaltet, und die alte 1.1-Seite leitet jetzt auf 1.2 weiter. Vor dem Abschalten habe ich dieselben Prompts durch beide Versionen laufen lassen, um zu sehen, wo sich das Upgrade tatsächlich zeigt.

Was sich in Gemini Omni 1.2 geändert hat

Zuerst die technischen Daten. Sie sehen sie sofort im KI-Video-Generator:

  • Länge: von 3–10 auf 3–15 Sekunden, sekundengenau wählbar. Mit einem Endbild liegt das Maximum bei 10 Sekunden.
  • Bearbeiten: Quellvideos dürfen jetzt bis zu 15 statt 10 Sekunden lang sein.
  • Erweitern: Für die Länge des Quellvideos gibt es keine Grenze mehr. Das Modell liest die letzten 10 Sekunden und setzt sie um 3–10 Sekunden fort.
  • Unverändert: nur 16:9 und 9:16, 360p bis 4K, und der Ton ist immer an. Sie können ihn steuern, aber nicht abschalten. Bis zu 10 Referenzbilder und bis zu 3 Referenzvideos mit je 3 Sekunden.

Beim Preis kostet Gemini Omni 1.2 auf ZOOOP pro Sekunde so viel wie zuvor 1.1, in jeder Auflösung.

So haben wir getestet: zwei Prompts, zwei Versionen

Zwei Prompts, gezielt auf die Bereiche, in denen Google die größten Verbesserungen verspricht. Der erste ist eine FPV-Drohnenaufnahme ohne Schnitt: tief über einen nebligen See im Morgengrauen, zwischen zwei Kiefern hindurch, über das Dach einer Hütte hinweg, bis der Blick auf die schneebedeckten Berge dahinter frei wird, mit „keine Schnitte“ ausdrücklich im Prompt. Der zweite ist eine Dialogszene mit zwei Personen: In einem Café reicht ein Barista mit lockigen Haaren einen Latte über die Theke und sagt einen Satz, ein Gast im grauen Mantel antwortet. Beides in 720p, 6 Sekunden, 16:9.

Unterschied eins: Bei der ungeschnittenen Kamerafahrt steht es unentschieden

Ich hatte erwartet, dass 1.2 hier klar gewinnt. Beide Versionen haben es gut gemacht. Ich habe eine Szenenerkennung Bild für Bild über beide Clips laufen lassen, und keiner von beiden hat einen harten Schnitt. Die größte Veränderung von einem Bild zum nächsten ist bei beiden ganz normale Kamerabewegung.

FPV-Plansequenz, oben Gemini Omni 1.1, unten Gemini Omni 1.2, bei 0,5, 3 und 5,5 Sekunden

Der Unterschied liegt in der Flugroute. 1.1 fliegt vom Seeufer bis vor die Hütte und steigt dann direkt über dem Dach auf. 1.2 fliegt tatsächlich zwischen den beiden Kiefern hindurch und steigt am Ende höher, sodass die verschneiten Gipfel und ein Wolkenmeer im Tal zu sehen sind. Das liegt näher am Prompt. Wenn Sie lange Landschaftseinstellungen brauchen: Die konnte 1.1 schon, 1.2 hält sich nur etwas genauer an die Vorgaben.

Unterschied zwei: Im Dialog schneidet 1.2 nicht mehr von selbst

Hier ist der Abstand am deutlichsten.

1.1 hat die Szene im Schuss-Gegenschuss aufgelöst: eine halbnahe Einstellung des Baristas, der die Tasse reicht, dann bei 4,6 Sekunden ein harter Schnitt auf eine Nahaufnahme des Gastes. Der Schnitt an sich ist in Ordnung, viele Realfilmszenen werden so geschnitten, aber der Prompt verlangte eine einzige halbnahe Einstellung, und nach dem Schnitt ist der Barista aus dem Bild. Gemini Omni 1.2 bleibt die ganze Zeit in einer einzigen Zweiereinstellung. Beide Personen bleiben im Bild, und das Reichen der Tasse, das Annehmen und der Wortwechsel passieren in einer durchgehenden Einstellung, mit natürlich fließenden Bewegungen.

Dialogszene, oben Gemini Omni 1.1, unten Gemini Omni 1.2, bei 0,5, 3 und 5,5 Sekunden

Die Dialogszene in Bewegung, links Gemini Omni 1.1, rechts Gemini Omni 1.2

In einem Detail hat 1.1 gewonnen: Im Prompt stand „grauer Mantel“, und 1.1 lieferte Grau. Der Mantel im 1.2-Clip ist so dunkel, dass er fast schwarz wirkt. Beide Clips haben gesprochene Sätze und Café-Atmosphäre, aber ich habe den Dialog nicht Wort für Wort transkribiert, deshalb lege ich mich nicht fest, welcher die bessere Lippensynchronität hat.

Unterschied drei: 15 Sekunden reichen für einen ganzen Handlungsbogen

Von 10 auf 15 Sekunden klingt nach nur fünf Sekunden mehr, verändert aber, wie man das Modell einsetzt. Zehn Sekunden reichen meist für eine Aktion. In fünfzehn Sekunden passen Einstieg, Enthüllung und Abschluss, sodass ein Social-Media-Spot nicht mehr zusammengestückelt werden muss. Bei den Tests zum Launch haben wir einen 15-Sekunden-Clip im Hochformat in einem Durchgang erzeugt, und der Ton blieb von Anfang bis Ende stimmig, ohne sichtbare Nahtstellen.

Eine Sache sollten Sie bei längeren Clips beachten: Start- / Endbild ist mit einem Endbild weiterhin auf 10 Sekunden begrenzt, und der Platz für das Endbild wird gesperrt, sobald Sie 11 Sekunden oder mehr wählen.

Geschwindigkeit und Preis

Die Geschwindigkeit ist etwa gleich. Bei diesem Test mit 720p und 6 Sekunden waren beide Versionen nach rund 50 Sekunden fertig. Der Preis pro Sekunde ist derselbe wie bei 1.1, und da 1.1 abgeschaltet ist, gibt es ohnehin keinen Grund, bei der alten Version zu bleiben.

Fazit: Nehmen Sie einfach 1.2

Am meisten zählen hier zwei Verbesserungen: Clips bis 15 Sekunden und Dialogszenen, die nicht mehr von selbst schneiden, zum selben Preis pro Sekunde wie bisher. Bei ungeschnittenen Landschaftsfahrten war 1.1 schon gut, 1.2 folgt dem Prompt nur etwas genauer.

Wenn Sie mit 1.1 eine Reihe von Videos erstellt haben und Einstellungen ergänzen müssen, rechnen Sie bei Gemini Omni 1.2 mit kleinen Stilunterschieden, etwa bei Kleidungsfarben, und formulieren Sie den Prompt entsprechend genau. Um einen vorhandenen Clip neu zu gestalten, nutzen Sie Video bearbeiten, und um einen Clip fortzusetzen, Video erweitern. Beide laufen jetzt mit 1.2.

Häufig gestellte Fragen

Kann ich Gemini Omni 1.1 noch nutzen?

ZOOOP hat 1.1 abgeschaltet, und seine Seite leitet auf 1.2 weiter. Auch Google leitet ab dem 3. Dezember jede Anfrage an 1.1 automatisch an 1.2 weiter.

Wie lang kann ein Clip mit Gemini Omni 1.2 sein?

Text zu Video, Referenz zu Video und die Generierung aus einem Startbild laufen 3 bis 15 Sekunden. Mit einem Endbild liegt das Maximum bei 10 Sekunden.

Kann ich den Ton in Gemini Omni 1.2 abschalten?

Nein, Ton wird immer erzeugt. Sie können ihn mit Prompts wie „kein Dialog“ oder „keine Hintergrundmusik“ steuern oder den Clip nachträglich stumm schalten.

Ist 1.2 teurer als 1.1?

Nein. Auf ZOOOP kostet Gemini Omni 1.2 pro Sekunde in jeder Auflösung so viel wie zuvor 1.1.

Teilen

Mehr entdecken

Alle anzeigen