Vierzig Sekunden. Diese Zahl hat Google gestern zu Gemini Omni 1.1 Flash in die Überschrift gestellt, und sie stimmt, mit einer Fußnote, die im Blogpost erst weiter unten steht: Das Modell dreht keine 40 Sekunden am Stück. Es dreht zehn und hängt dreimal zehn dran.

Kurz gesagt: Googles Video-KI verlängert Clips jetzt in Zehn-Sekunden-Schritten auf 40 Sekunden und sieht dabei die letzten zehn Sekunden statt nur der letzten einen. Neu sind außerdem Start- und Endbild, ein billiger 360p-Entwurfsmodus und Ausgabe in 1080p und 4K, beides hochgerechnet. In der EU fehlt eine Funktion, dazu unten mehr.
Schaubild in drei Schritten: Clip drehen (bis zu 10 Sekunden in 720p), dreimal 10 Sekunden anhängen mit 10 Sekunden Kontext, danach auf 1080p oder 4K hochrechnen
Vier Zehn-Sekunden-Stücke und ein Upscaler: So kommt Omni 1.1 Flash auf 40 Sekunden.

Was Omni 1.1 Flash gegenüber der Vorschau kann

Omni ist Googles Modell, das aus Text, Bildern, Ton oder Video ein Video macht. Seit Juni lief es als Vorschau, seit gestern ist die Version 1.1 Flash das fertige Modell, in Google AI Studio, in der API, in Flow und für zahlende Abonnenten in der Gemini-App. Vier Dinge sind laut Googles Entwicklerblog neu:

  • Verlängern mit Gedächtnis. Eine Verlängerung hängt zehn Sekunden ans Ende eines Clips. Das Modell liest dafür die letzten zehn Sekunden, die Vorschau las nur die letzte. Bei 40 Sekunden Gesamtlänge ist Schluss, und angehängt wird nur hinten, nicht in der Mitte.
  • Erstes und letztes Bild. Du gibst zwei Bilder vor, das Modell rechnet den Weg dazwischen. Gedacht für Kamerafahrten, Zooms und Clips, die sich nahtlos wiederholen.
  • Video als Vorlage. Bis zu drei Schnipsel von je drei Sekunden dienen als Stilreferenz, damit Figuren und Look gleich bleiben.
  • Vier Auflösungen. 360p als Entwurf, 720p als Standard, dazu 1080p und 4K. Die beiden großen nennt Googles Doku ausdrücklich „upscaled“.
Upscaling? Das Modell rechnet in 720p und bläst das Bild danach auf 4K auf, so wie ein Fernseher eine DVD auf seine Bildschirmgröße zieht. Mehr Pixel, aber keine Details, die vorher nicht da waren.

Der Zehn-Sekunden-Kontext ist die Neuerung, die zählt. Google selbst begründet ihn mit „besserer visueller Konsistenz“, und das ist die höfliche Umschreibung dafür, dass ein Modell mit einer Sekunde Gedächtnis nach jeder Verlängerung die Jacke neu erfindet. Ob zehn Sekunden reichen, damit eine Figur über vier Stücke dieselbe bleibt, zeigt erst der Alltag. Googles Beispielclips sind dafür kein Beleg, die sind ausgesucht.

Was eine Sekunde Video kostet

Google rechnet per API in Token ab, 5.792 Token je Sekunde in 720p. Das ergibt laut Preisseite rund zehn Cent pro Sekunde. Der Entwurf in 360p kostet nach Googles Angabe ein Drittel davon und ist bis zu 60 Prozent schneller fertig. The Decoder nennt für die hochgerechneten Stufen 15 Cent für 1080p und 30 Cent für 4K, jeweils US-Dollar.

Ein voller 40-Sekunden-Clip in 720p liegt damit bei rund vier Dollar, in 4K bei zwölf. Das ist nicht der Preis fürs Ausprobieren, sondern der Preis für den fertigen Take. Wer den Prompt zehnmal umbaut, zahlt zehnmal. Deshalb würde ich es so machen, wie Google den Entwurfsmodus selbst gedacht hat: in 360p so lange drehen, bis Bild und Bewegung stimmen, dann einmal 720p, und 4K nur, wenn es wirklich auf einen großen Bildschirm soll.

Was davon in Deutschland ankommt

In der Entwicklerdoku steht ein Satz, der für uns wichtiger ist als die 40 Sekunden: Das Bearbeiten und Verlängern hochgeladener Videos ist im Europäischen Wirtschaftsraum, in der Schweiz und in Großbritannien „derzeit nicht verfügbar“. Wenn ich die Doku richtig lese, betrifft das nur eigenes Material, das du hochlädst. Clips, die Omni selbst erzeugt hat, lassen sich auch hier verlängern. Einen Grund habe ich in der Doku nicht gefunden.

Drei weitere Einschränkungen stehen gleich daneben. Vollständig geprüft ist das Modell nur für englische Eingaben, andere Sprachen hat Google nach eigener Angabe nicht bewertet. Bilder mit erkennbaren Personen lassen sich nicht hochladen und bearbeiten. Und jedes erzeugte Video trägt ein unsichtbares SynthID-Wasserzeichen, das sich per Software nachweisen lässt. Den ersten Punkt finde ich ehrlich, den letzten richtig. Wie lange Google hochgeladenes Material behält, habe ich in der Doku nicht gefunden.

Wer die Vorschau nutzt, muss bis Ende September umziehen

Wer per API noch das Vorschaumodell anspricht, bekommt eine Frist: Laut Änderungsprotokoll der Gemini-API schaltet Google den Endpunkt der Vorschau am 30. September 2026 ab. Die neue Kennung heißt schlicht „gemini-omni-1.1-flash“. Einen Monat für einen Modellwechsel, das ist knapp, aber üblich geworden.

Für den Rest von uns ist das Update ein Werkzeug, das ein bisschen länger durchhält als vorher. Wie bei Gemini 3.5 Transcribe gilt: Der Beifall kommt, wenn es im Alltag läuft. Vier zusammengeklebte Zehn-Sekunden-Stücke sind noch kein Kurzfilm, aber sie sind mehr als ein Clip für Instagram. Das reicht mir als ehrliche Überschrift.

Hast du die Vorschau schon ausprobiert, und hat dir die Figur nach der ersten Verlängerung noch geähnelt? Und für welche Aufgabe würden dir 40 Sekunden wirklich reichen? Schreib's in die Kommentare.

Wenn dir bei „hochgeladenes Material“ der eigene Fotostapel bei Google eingefallen ist: Wie du Bilder aus Google Fotos zu Immich holst, steht in einem älteren Beitrag.

Quellen