Gemini Omni 1.1 Flash

Was Gemini Omni 1.1 Flash gut kann, und wo nicht

Gemini Omni 1.1 Flash ist Googles Antwort auf ein Problem, auf das jeder Video-Workflow stößt: Das Modell, das eine Einstellung generiert, kann sie hinterher meist nicht korrigieren. Sie rendern einen Clip, die Jacke hat die falsche Farbe oder der Take endet eine Sekunde zu früh, und schon schreiben Sie Ihre Prompts wieder von vorn, mit einem anderen Modell und einem anderen Look. Omni vereint Erstellen, Bearbeiten und Verlängern in einem Modell mit einer einheitlichen Bildsprache, und es erzeugt den Ton im selben Durchgang wie das Bild. Google hat es am 27. August 2026 veröffentlicht und führt es als Ersatz für die Veo-3.1-Familie.

Die erste Kernfähigkeit sind multimodale Referenzen. Zusätzlich zum Prompt können Sie bis zu 10 Bilder (eine Figur aus mehreren Blickwinkeln, ein Produkt, einen Drehort) und bis zu drei Videoclips von je 3 Sekunden hinzufügen. Bilder fixieren die Identität: Gesichter, Outfits und Etiketten bleiben über die ganze Einstellung stabil. Kurze Clips liefern Bewegung und Bildausschnitt: eine Dolly-Fahrt, eine Handgeste, das Tempo eines Gangs. In unseren Tests ergaben zwei Produktfotos plus ein 2,5-Sekunden-Clip aus einem Park die beiden Produkte, wie sie über genau diesen Rasen rollen, im selben Licht.

Die zweite ist Bearbeiten mit einem Satz. Laden Sie einen Clip von bis zu 10 Sekunden hoch und beschreiben Sie die Änderung: Aus einem gelben Hoodie wird eine rote Lederjacke, eine sonnige Straße liegt plötzlich im Regen, aus Tag wird Abenddämmerung. Person, Bildausschnitt und Timing bleiben gleich, und die Ausgabe behält Länge und Ausrichtung der Quelle. Verlängern funktioniert genauso, nur vom anderen Ende her: Es hängt 3 bis 10 Sekunden an einen Clip an, damit ein Gang weitergeht oder sich eine Tür endlich öffnet, mit passendem Ton.

Die dritte ist die Leiter vom Entwurf zum Finish. 360p ist eine schnelle Entwurfsstufe, gedacht, um die Komposition zu finden. Sobald eine Version funktioniert, rendern Sie sie für die Auslieferung erneut in 720p, der höchsten nativen Stufe, oder in 1080p bzw. 4K, die aus den nativen Frames hochskaliert werden.

Wo es schwächer ist: Clips dauern 3 bis 10 Sekunden und kommen nur in 16:9 oder 9:16. Für längere Einzel-Takes oder ein quadratisches Format reicht Wan V3.0 bis 30 Sekunden und bietet 1:1 und 4:3. Der Ton ist immer an; Sie können ihn steuern, aber nicht abschalten. Googles Sicherheitsfilter sind streng, und Fotos einiger erkennbarer Personen werden abgelehnt; um eine bestimmte Person in einen vorhandenen Clip zu setzen, ist MiniMax H3 daher das bessere Werkzeug. Für Bearbeitungen von Clips über 10 Sekunden nutzen Sie Seedance V2.5.

Eine sinnvolle Faustregel: Machen Sie Gemini Omni 1.1 Flash zum Standard für Clips mit Ton, die Sie eventuell noch überarbeiten wollen, denn dasselbe Modell kann bearbeiten und verlängern, was es erstellt hat. Greifen Sie zu MiniMax H3, um eine Person in vorhandenem Material auszutauschen, zu Wan V3.0 für lange oder quadratische Takes und zu Seedance V2.5 für Multi-Shot-Sequenzen.